Αυτοματοποιημένη οδήγηση οχημάτων σε περιβάλλον προσομοίωσης με χρήση τεχνικών ενισχυόμενης μάθησης

Abstract

Η παρούσα πτυχιακή εργασία έχει ως στόχο την ανάπτυξη ενός πράκτορα αυτόματης οδήγησης σε εικονικό περιβάλλον προσομοίωσης με τεχνικές ενισχυόμενης μάθησης. Αρχικά πραγματοποιήθηκε βιβλιογραφική έρευνα με στόχο την βαθύτερη κατανόηση των σχετικών τεχνολογιών, των αλγορίθμων που χρησιμοποιούνται στην ενισχυόμενη μάθηση, καθώς και του περιβάλλοντος προσομοίωσης CARLA (έκδοση 0.9.15), το οποίο επιλέχθηκε για την υλοποίηση και αξιολόγηση του πράκτορα. Ο αλγόριθμος που εφαρμόστηκε είναι ο Double Deep Q-Network (DDQN), ένας βελτιωμένος αλγόριθμος ενισχυτικής μάθησης που επιτρέπει στον πράκτορα να μαθαίνει βέλτιστες πολιτικές οδήγησης μέσω αλληλεπίδρασης με το περιβάλλον. Η εργασία επικεντρώνεται στις προκλήσεις που παρουσιάζονται ακόμη και σε ελεγχόμενα, προσομοιωμένα περιβάλλοντα, αναδεικνύοντας τόσο τις δυνατότητες όσο και τους περιορισμούς των αλγορίθμων αυτών στην εκπαίδευση αυτόνομων οχημάτων. Με την παρουσίαση των πειραμάτων και των αποτελεσμάτων, η έρευνα αυτή συμβάλλει στην ευρύτερη κατανόηση της εφαρμογής και της επεκτασιμότητας των μεθόδων ενισχυτικής μάθησης στον τομέα των αυτοματοποιημένων συστημάτων οδήγησης.