Αυτοματοποιημένη οδήγηση οχημάτων σε περιβάλλον προσομοίωσης με χρήση τεχνικών ενισχυόμενης μάθησης

Χρυσικόπουλος, Γεώργιος

dc.contributor.advisor	Σωτηρόπουλος, Διονύσιος
dc.contributor.author	Χρυσικόπουλος, Γεώργιος
dc.date.accessioned	2025-09-25T12:17:46Z
dc.date.available	2025-09-25T12:17:46Z
dc.date.issued	2025-09
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18147
dc.description.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.	el
dc.format.extent	49	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Αυτοματοποιημένη οδήγηση οχημάτων σε περιβάλλον προσομοίωσης με χρήση τεχνικών ενισχυόμενης μάθησης	el
dc.title.alternative	Automated vehicle driving using reinforcement learning techniques in simulated environments	el
dc.type	Bachelor Dissertation	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής	el
dc.description.abstractEN	This thesis aims to develop an autonomous driving agent in a virtual simulation environment using reinforcement learning techniques. Initially, a literature search was carried out with the aim of gaining a deeper understanding of the relevant technologies, the algorithms used in reinforcement learning, as well as the CARLA simulation environment (version 0.9.15), which was chosen for the implementation and evaluation of the agent. The algorithm implemented is the Double Deep Q-Network (DDQN), an improved reinforcement learning algorithm that allows the agent to learn optimal driving policies through interaction with the environment. The work focuses on the challenges that arise even in controlled, simulated environments, highlighting both the possibilities and limitations of these algorithms in autonomous vehicle training. By presenting the experiments and results, this research contributes to a broader understanding of the application and scalability of reinforcement learning methods in the field of automated driving systems.	el
dc.subject.keyword	Ενισχυτική μάθηση	el
dc.subject.keyword	Τεχνητή νοημοσύνη	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Βαθιά μάθηση	el
dc.subject.keyword	Πράκτορας	el
dc.subject.keyword	Νευρωνικό δίκτυο	el
dc.subject.keyword	Αυτονομία	el
dc.subject.keyword	Περιβάλλον προσομοίωσης	el
dc.date.defense	2025-09-16

Files in this item

Name:: Chrysikopoulos_21191.pdf
Size:: 2.612Mb
Format:: PDF
Description:: Πτυχιακή εργασία

View/Open

This item appears in the following Collection(s)

Τμήμα Πληροφορικής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα