| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
Dziļās stimulētās apmācības risinājumu salīdzinājums mobilu robotu navigācijā |
| Nosaukums angļu valodā |
Comparison of Deep Reinforcement-Learning Solutions for Mobile Robot Navigation |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Kārlis Berkolds |
| Recenzents |
Ēriks Kļaviņš |
| Anotācija |
Darbs ir par Dziļās stimulētās apmācības algoritmu pielietojumu mobilu robotu
navigācijā. Autora mērķis ir salīdzināt Dziļās stimulētās apmācības algoritmus
navigācijas uzdevuma izpildei imitētā vidē, lai noteiktu piemērotāko algoritmu
ieviešanai reālā vidē.
Darbā tiek aprakstīta Dziļā stimulētā apmācība, tās pielietojums dažādos
pētījumos mobilu robotu navigācijai kā arī aprakstīta salīdzināšanai izvēlēto algoritmu
darbība. Tālāk ir aprakstīta izvēlētā imitētā vide eksperimenta veikšanai, un tiek
aprakstīts izmantotais satvars Dziļās stimulētās apmācības algoritmu apmācības
realizēšanai. Tika veikta Dziļā deterministiskā politikas gradienta un Dubultā aizkavētā
dziļā deterministiskā politikas gradienta algoritmu ieviešana satvarā. Sadursmju
uzskaitei algoritmu mācīšanās laikā tika izveidots spraudnis izmantotajai videi. Tika
realizēta Vieglā aktiera-kritiķa, Dziļā deterministiskā politikas gradienta un Dubultā
aizkavētā dziļā deterministiskā politikas gradienta algoritmu apmācība imitētā vidē, un
ievākti dati par mācīšanās procesu. Darba beigās ir salīdzināti iegūtie dati par algoritmu
apmācības ātrumu un sadursmju skaitu.
Veicot salīdzināšanu tika noteikts, ka piemērotākais algoritms ieviešanai reālā
vidē ir Vieglā aktiera-kritiķa algoritms |
| Atslēgas vārdi |
DZIĻĀ STIMULĒTĀ APMĀCĪBA, MAŠĪNMĀCĪŠANĀS, NAVIGĀCIJA, AUTONOMI ROBOTI |
| Atslēgas vārdi angļu valodā |
DEEP REINFORCEMENT LEARNING, MACHINE LEARNING, NAVIGATION, AUTONOMOUS ROBOTS |
| Valoda |
lv |
| Gads |
2023 |
| Darba augšupielādes datums un laiks |
30.05.2023 14:37:38 |
