Navigace v neznámém a pevně daném prostředí pomocí deep reinforcement learning algoritmu

Bc. Gabriela HRUBÁ

Diplomová práce

Navigation in an unknown and fixed environment using deep reinforcement learning algorithm

Anotace:

Deep reinforcement learning je oblast umělé inteligence, kombinující přístup reinforcement learning a hlubokého učení. Pro stavební stroj, poskytnutý firmou Technotrade, je vytvořena simulace pohybu v pevně daném prostředí. Použitím algoritmu deep Q-learning, který spojuje algoritmus Q-learning s umělými neuronovými sítěmi, je vytvořen model, navigující nakladač v daném virtuálním prostředí do cílové souřadnice okolo rozmístěných překážek.

Abstract:

Deep reinforcement learning is an area of machine learning which combines the principles of reinforcement learning and deep learning. Construction vehicle is provided by the company Technotrade. A driving simulation in a stable fixed environment is developed for the given vehicle. Using the deep Q-learning algorithm, which merges Q-learning algorithm with artificial neural networks, a model is implemented. This model navigates the vehicle to the goal coordinates around surrounding obstacles in a virtual environment.

Klíčová slova

reinforcement learning, neuronové sítě, deep reinforcement learning, deep Q-learning, machine learning

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 5. 5. 2022

Obhajoba závěrečné práce

• Vedoucí: RNDr. Martin Trnečka, Ph.D.

UNIVERZITA PALACKÉHO V OLOMOUCI

Přírodovědecká fakulta

Magisterský studijní program / obor:
Informatika / Informatika - specializace Umělá inteligence