Neuronové sítě pro autonomní řízení auta

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.