Pályakövető szabályozási algoritmusok összehasonlítása autószerű roboton

OData támogatás
Konzulens:
Csorvási Gábor
Automatizálási és Alkalmazott Informatikai Tanszék

Napjaink egyik legdinamikusabban fejlődő iparági közé tartozik az önvezetőautó fejlesztés. Az sofőr nélküli autók megvalósításához rengeteg technológiai fejlesztésnek kell összeállnia, a szenzoroktól kezdve, a nagyteljesítményű számítógépeket át egészen a rajtuk futó szoftverekig.

A vezetéshez szükséges szoftverrendszer egyik komponense felel a környezet alapján megtervezett trajektória végrehajtásáért. A folyamatosan változó környezet és a széles működési tartomány miatt a klasszikus szabályozó módszerek már nem adják meg a kellő robusztusságot, a biztonságos vezetéshez modernebb eszközökre van szükség.

Diplomamunkám során a különféle szabályozási rendszerek vizsgálatával foglalkoztam. A szabályozástechnika alapjainak összefoglalása után ismertettem a klasszikus módszereket – állapotteres és PID szabályozók –, valamint kitértem azok limitációira. A következő lépésként a 2005-ös DARPA Challenge-n a Stanford egyetem által használt szabályozási algoritmus vizsgáltam meg. Ezután kitértem az optimális és optimalizáláson alapuló szabályozási típusokra, majd a neurális hálón alapuló megoldásokra.

A BME AUT tanszék MotionPlanning projekt keretein belül implementáltam a Stanley-kontrolt, illetve az ACADO keretrendszer segítségével ismerkedtem meg az optimalizáción alapuló szabályozások tervezésének módszereivel. A neurális hálón alapuló megoldásokat az OpenAI baselines keretrendszer segítségével fejlesztettem. Végül az implementált szabályozó teljesítményét és futásidejét összehasonlítottam meglévő verzióval.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.