Problem koji se rešava je održavanje kamiona u saobraćajnoj traci na autoputu i seoskim putevima. Okruženje u kome bi se izvršavao program je igrica American Truck Simulator. Kao ulaz u sistem koristila bi se slika puta ispred kamiona na osnovu koje algoritam treba da zaključi za koliko stepeni treba da okrene volan.
Igrica u sebi ima ugrađenu opciju tempomata, tako da u kombinaciji sa ovim algoritmom može da se dobije jednostavan autopilot.
Motivacija problema
Ovakvi sistemi već postoje u autonomnim vozilima i predstavljaju jedan od njihovih glavnih delova.
Usavršavanje ovakih programa omogućilo bi efikasnije i bezbednije kretanje autonomnih vozila po putu.
Skup podataka
Skup podataka ću sam napraviti igranjem igrice i pamćenjem slika puta ispred kamiona.
Svakoj slici će biti dodeljen ugao skretanja (ugao okretanja volana) u trenutku nastanka slike.
Ukoliko bude potrebe skup se može proširiti horizontalnim obrtanjem svake slike i množenja pročitanog ugla sa -1.
Metodologija
Koristiće se konvolutivna neuronska mreža sa PilotNet arhitekturom koja je prikazana u ovom radu. Ulaz u CNN je slika puta ispred kamiona, a kao izlaz treba da se dobije ugao skretanja.
Dodatne biblioteke koje će se koristiti:
PIL - za pravljenje screenshot-ova ekrana
OpenCV - za rad sa slikama
PyGame - za uzimanje ulaznih vrednosti sa joysticka (volana)
vJoy python wrapper - za emitovanje vrednosti joysticka u igricu
Evaluacija
Evaluacija CNN-a će se vršiti proverom tačnosti nakon svake epohe treninga gde će dataset biti podeljen na trening skup i validacioni skup (80:20).
Konačna evaluacija će se dobiti posmatranjem kako program uspeva da zadrži kamion u saobraćajnoj traci. Najveći izazov i najbolji pokazatelj ispravnosti algoritma je ponašanje kamiona u krivinama. Što je krivina oštrija algoritmu bi trebalo da bude teže da održi kamion u traci.
Još jedan način evaluacije rešenja bi bio merenje vremena koliko dugo algoritam nije napravio grešku tokom vožnje.
Tim
Boris Šuličenko, SW 4/2016
Definicija problema
Problem koji se rešava je održavanje kamiona u saobraćajnoj traci na autoputu i seoskim putevima. Okruženje u kome bi se izvršavao program je igrica American Truck Simulator. Kao ulaz u sistem koristila bi se slika puta ispred kamiona na osnovu koje algoritam treba da zaključi za koliko stepeni treba da okrene volan. Igrica u sebi ima ugrađenu opciju tempomata, tako da u kombinaciji sa ovim algoritmom može da se dobije jednostavan autopilot.
Motivacija problema
Ovakvi sistemi već postoje u autonomnim vozilima i predstavljaju jedan od njihovih glavnih delova. Usavršavanje ovakih programa omogućilo bi efikasnije i bezbednije kretanje autonomnih vozila po putu.
Skup podataka
Skup podataka ću sam napraviti igranjem igrice i pamćenjem slika puta ispred kamiona. Svakoj slici će biti dodeljen ugao skretanja (ugao okretanja volana) u trenutku nastanka slike. Ukoliko bude potrebe skup se može proširiti horizontalnim obrtanjem svake slike i množenja pročitanog ugla sa -1.
Metodologija
Koristiće se konvolutivna neuronska mreža sa PilotNet arhitekturom koja je prikazana u ovom radu. Ulaz u CNN je slika puta ispred kamiona, a kao izlaz treba da se dobije ugao skretanja.
Dodatne biblioteke koje će se koristiti:
Evaluacija
Evaluacija CNN-a će se vršiti proverom tačnosti nakon svake epohe treninga gde će dataset biti podeljen na trening skup i validacioni skup (80:20).
Konačna evaluacija će se dobiti posmatranjem kako program uspeva da zadrži kamion u saobraćajnoj traci. Najveći izazov i najbolji pokazatelj ispravnosti algoritma je ponašanje kamiona u krivinama. Što je krivina oštrija algoritmu bi trebalo da bude teže da održi kamion u traci.
Još jedan način evaluacije rešenja bi bio merenje vremena koliko dugo algoritam nije napravio grešku tokom vožnje.