Autonóm járművek vezérlése Reinforcement Learning használatával

A tétel rövid nézete
dc.contributor.advisorMészáros, László
dc.contributor.authorVisnyai, Soma Balázs
dc.contributor.departmentDE--Informatikai Kar
dc.date.accessioned2025-02-22T22:55:58Z
dc.date.available2025-02-22T22:55:58Z
dc.date.created2024-11-05
dc.description.abstractDiplomamunkám célja különböző szimulációk létrehozása az NVIDIA Omniverse platformon található Isaac Sim applikációban. Az egyes szimulációk különböző Reinforcement Learning modelleket valósítanak meg annak érdekében, hogy a szimulációs környezetben a tesztautó a kijelölt célkoordinátába navigáljon. A felhasznált modellek a következőek: MLP (Multi-Layer Perceptron), Conv1D (1D Convolutional Layer) és LSTM (Long Short-Term Memory). Azon kívül, hogy általánosan ismertetem az előbb felsorolt modelleket, bemutatom a Machine Learning-et, valamint annak ágazatait, így a Reinforcement Learning-et is. Részletezem, hogy hogyan hozom létre a szimulációim környezetét és azok elemeit. Továbbá prezentálom, hogy hogyan jöttek létre ezek az algoritmusok, valamint ezen algoritmusok jelentőségéről és felhasználási területeiről is írok. A megvalósított modelleket az általuk szimulációban elért eredményük, hatékonyságuk alapján végül összehasonlítom.
dc.description.courseMérnökinformatikus
dc.description.degreeMSc/MA
dc.format.extent58
dc.identifier.urihttps://hdl.handle.net/2437/387476
dc.language.isohu
dc.rights.accessHozzáférhető a 2022 decemberi felsőoktatási törvénymódosítás értelmében.
dc.subjectReinforcement Learning
dc.subjectAutonóm járművek
dc.subjectNVIDIA Omniverse
dc.subjectBlender
dc.subjectMLP
dc.subjectConv1D
dc.subjectLSTM
dc.subject.dspaceInformatika
dc.titleAutonóm járművek vezérlése Reinforcement Learning használatával
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
szakdolgozat.pdf
Méret:
3.46 MB
Formátum:
Adobe Portable Document Format
Leírás:
szakdolgozat
Megjelenítés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
2.35 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Hallgatói dolgozatok (Informatikai Kar)