Sistem podrške odlučivanju upravljanja vozilom u saobraćajnim gužvama

[bjelicaluka]

• Članovi tima

  Luka Bjelica SW21-2018 2. grupa

• Asistent

  Lukić Aleksandar

• Problem koji se rešava

  Sistem podrške odlučivanju upravljanja vozilom u saobraćajnim gužvama. Treniranje agenta da samostalno menja trake na osnovu vozila u njegovoj okolini u 2D okruženju. Okruženje se nalazi na linku.

• Algoritam

  1. Učenje nadgledanjem (eng. supervised learning) - Multilayer Perceptron (MLP) algoritmom propagacije unazad pomoću gradijentne metode
  2. Učenje uslovljavanjem (eng. reinforcement learning)

• Podaci koji se koriste:

  1. Učenje nadgledanjem (eng. supervised learning) - ručno prikupljeni podaci vožnje iz okruženja
  2. Učenje uslovljavanjem (eng. reinforcement learning) - podaci u realnom vremenu tokom vožnje

• Metrika za merenje performansi

  1. Učenje nadgledanjem (eng. supervised learning) - Procenat tačnosti "ispravnih" odluka i prosečna brzina vožnje nakon 10 min.
  2. Učenje uslovljavanjem (eng. reinforcement learning) - Prosečna brzina vožnje nakon 10 min.

https://github.com/bjelicaluka/self-driving-rl

[lukic-aleksandar]

Tema odobrena, ostavite link ka github repozitorijumu. Srećan rad.