Neuronové sítě pro autonomní řízení auta
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
E
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
V této práci jsou představeny principy neuronových sítí se zaměřením na autonomní vozidla. Na těchto informacích je vytvořen návrh implementace systému, který umožňuje řídit automobil bez řidiče. Ten staví na základě nástrojů, které umožňují snadnou tvorbu a testování autonomních vozidel. Jde o CARLA simulátor a Leaderboard.Návrh rozděluje jízdní trasy vozidel do tří rozdílných situací. Každá situace vyžaduje využití jiných senzorů, proto je vytvořen specifický autonomní agent, který je schopen situaci rozpoznat a přepnout mezi různými návrhy neuronových sítí. Každá taková síť je specifická svými vstupy a je učena na konkrétní situaci.Jsou vytvořeny programy, které jsou schopny jednoduše za pomoci CARLA Leaderboard posbírat datovou sadu. Poté je představen způsob, jak lze posbíraná data rozdělit do kategorií tak, aby byla každá kategorie možná použít na učení její neuronové sítě.
In this work, the principles of neural networks are introduced with a focus on autonomous vehicles. Based on this information, a proposal for the implementation of a system is created, which allows to drive a car without a driver. It builds on tools that allow easy creation and testing of autonomous vehicles. It is CARLA simulator and ranking.The proposal divides vehicle routes into three different situations. Each situation requires the use of different sensors, so a specific autonomous agent is created that is able to recognize the situation and switch between different neural network designs. Each such network is specific in its inputs and is taught in a specific situation.Programs are created that are able to easily collect a data set using the CARLA Leaderboard. Then, a way is introduced to how the collected data can be divided into categories so that each category can be used to learn its neural network.
In this work, the principles of neural networks are introduced with a focus on autonomous vehicles. Based on this information, a proposal for the implementation of a system is created, which allows to drive a car without a driver. It builds on tools that allow easy creation and testing of autonomous vehicles. It is CARLA simulator and ranking.The proposal divides vehicle routes into three different situations. Each situation requires the use of different sensors, so a specific autonomous agent is created that is able to recognize the situation and switch between different neural network designs. Each such network is specific in its inputs and is taught in a specific situation.Programs are created that are able to easily collect a data set using the CARLA Leaderboard. Then, a way is introduced to how the collected data can be divided into categories so that each category can be used to learn its neural network.
Description
Keywords
umělá inteligence, senzory, neuronové sítě, gradientní sestup, zpětná propagace, konvoluční neuronové sítě, autonomní řízení, simulátory, CARLA, CARLA simulátor, CARLA Leaderboard, sběr datových sad, návrh neuronových sítí, učení neuronových sítí, implementace autonomního agenta, artificial intelligence, sensors, neural networks, gradient descent, backpropagation, convolutional neural networks, autonomous driving, simulators, CARLA, CARLA simulator, CARLA Leaderboard, datasets collection, neural networks design, neural networks training, implementation of autonomous agent
Citation
DOPITA, M. Neuronové sítě pro autonomní řízení auta [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. RNDr. Pavel Smrž, Ph.D. (předseda)
doc. RNDr. Jitka Kreslíková, CSc. (místopředseda)
Ing. Ivana Burgetová, Ph.D. (člen)
Ing. Aleš Smrčka, Ph.D. (člen)
Ing. Josef Strnadel, Ph.D. (člen)
Date of acceptance
2022-06-16
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm E. Otázky u obhajoby: Jak se agent rozhoduje, kterou neuronovou síť v konkrétní situaci použít? Má agent z prostředí všechny informace, které potřebuje ke svým rozhodnutím? (třeba jestli brzdit nebo zrychlovat?) Bylo něco, co výrazně brzdilo práci na vašem projektu? Co je CARLA žebříček? Je CARLA simulátor snadno rozšiřitelný? Jaké bylo hlavní kritérium, pro které jste optimalizoval?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení