|
[ES] En años recientes el desarrollo de vehículos de conducción autónoma para el transporte de
personas a nivel personal o de servicio como taxis ha avanzado considerablemente. Esto crea la
necesidad de implementar un ...[+]
[ES] En años recientes el desarrollo de vehículos de conducción autónoma para el transporte de
personas a nivel personal o de servicio como taxis ha avanzado considerablemente. Esto crea la
necesidad de implementar un sistema capaz de aprender a conducir un coche igual o mejor que
un ser humano.
Es por ello que en este proyecto se ha desarrollado un entorno de simulación que permite el
control de un coche de forma automática por parte de un agente inteligente. En esta herramienta
se han unido las posibilidades que ofrece un sistema de agentes inteligentes junto con un
entorno de simulación y un modelo de aprendizaje por refuerzo.
El sistema desarrollado se ha realizado usando una arquitectura que facilita utilizar una unión
del sistema de agentes inteligentes SPADE, el simulador de vehículos CARLA y un modelo de
aprendizaje por refuerzo. Gracias a esta estructura es posible llevar a cabo el desarrollo de
aplicaciones con modelos de agentes inteligentes y modelos de aprendizaje por refuerzo
adaptado a la conducción de vehículos.
Respecto al modelo de aprendizaje por refuerzo implementado, este trata de tomar acciones
que resultan en las maniobras de un vehículo y recibir una recompensa en consecuencia. Esta
recompensa representa el grado de beneficio proporcionado para alcanzar el objetivo final. A
medida que se realizan las acciones, el algoritmo aprende qué acciones aportan mejores
recompensas en determinados estados.
[-]
[CA] En anys recents el desenvolupament de vehicles de conducció autònoma per al transport de
persones a nivell personal o de servei com a taxis ha avançat considerablement. Això crea la
necessitat d'implementar un sistema ...[+]
[CA] En anys recents el desenvolupament de vehicles de conducció autònoma per al transport de
persones a nivell personal o de servei com a taxis ha avançat considerablement. Això crea la
necessitat d'implementar un sistema capaç d'aprendre a conduir un cotxe igual o millor que un
ésser humà.
És per això que en aquest projecte s'ha desenvolupat un entorn de simulació que permet el
control d'un cotxe de manera automàtica per part d'un agent intel·ligent. En aquesta eina s'han
unit les possibilitats que ofereix un sistema d'agents intel·ligents juntament amb un entorn de
simulació i un model d'aprenentatge per reforç.
El sistema desenvolupat s'ha realitzat usant una arquitectura que facilita utilitzar una unió del
sistema d'agents intel·ligents SPADE, el simulador de vehicles CARLA i un model
d'aprenentatge per reforç. Gràcies a aquesta estructura és possible dur a terme el
desenvolupament d'aplicacions amb models d'agents intel·ligents i models d'aprenentatge per
reforç adaptat a la conducció de vehicles.
Respecte al model d'aprenentatge per reforç implementat, aquest tracta de prendre accions
que resulten en les maniobres d'un vehicle i rebre una recompensa en conseqüència. Aquesta
recompensa representa el grau de benefici proporcionat per a aconseguir l'objectiu final. A
mesura que es realitzen les accions, l'algorisme aprén quines accions aporten millors
recompenses en determinats estats.
[-]
[EN] In recent years the development of autonomous driving vehicles for transporting people on a
personal or service level such as cabs has advanced considerably. This creates the need to
implement a system capable of ...[+]
[EN] In recent years the development of autonomous driving vehicles for transporting people on a
personal or service level such as cabs has advanced considerably. This creates the need to
implement a system capable of learning to drive a car as well as or better than a human being.
That is why in this project a simulation environment has been developed that allows the
control of a car automatically by an intelligent agent. In this tool, the possibilities offered by an
intelligent agent system have been combined with a simulation environment and a
reinforcement learning model.
The developed system has been developed using an architecture that facilitates the use of a
union of the SPADE intelligent agent system, the CARLA vehicle simulator and a reinforcement
learning model. Thanks to this structure it is possible to carry out the development of
applications with intelligent agent models and reinforcement learning models adapted to vehicle
driving.
Regarding the reinforcement learning model implemented, it deals with taking actions that
result in the maneuvers of a vehicle and receiving a reward accordingly. This reward represents
the degree of benefit provided to achieve the final goal. As actions are taken, the algorithm
learns which actions provide better rewards in certain states.
[-]
|
