Strojové učení pro řízení simulovaných vozidel
| Název práce v češtině: | Strojové učení pro řízení simulovaných vozidel |
|---|---|
| Název v anglickém jazyce: | Machine Learning for Driving of Virtual Vehicles |
| Klíčová slova: | Umělá Inteligence, Strojové Učení, Navigace, Simulace |
| Klíčová slova anglicky: | Artificial Intelligence, Machine Learning, Navigation, Simulation |
| Akademický rok vypsání: | 2018/2019 |
| Typ práce: | diplomová práce |
| Jazyk práce: | čeština |
| Ústav: | Katedra softwaru a výuky informatiky (32-KSVI) |
| Vedoucí / školitel: | Mgr. Jakub Gemrot, Ph.D. |
| Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
| Datum přihlášení: | 08.01.2019 |
| Datum zadání: | 08.01.2019 |
| Datum potvrzení stud. oddělením: | 17.01.2019 |
| Datum a čas obhajoby: | 14.09.2020 08:30 |
| Datum odevzdání elektronické podoby: | 30.07.2020 |
| Datum odevzdání tištěné podoby: | 30.07.2020 |
| Datum proběhlé obhajoby: | 14.09.2020 |
| Oponenti: | Mgr. Vladan Majerech, Dr. |
| Zásady pro vypracování |
| Cars in virtual worlds such as games are typically driven by hand coded algorithms with hand tuned parameters. That is laborious and it needs to be updated each time simulation changes or new car types are added.
The aim of this thesis is to apply machine learning and artificial intelligence techniques to teach physically simulated cars how to drive in a 3D virtual world. The resulting driving model should directly control vehicle steering, throttle and brake. The car should be able to follow a route on road. Results should be presented visually. |
| Seznam odborné literatury |
| Wierstra, D., Schaul, T., Glasmachers, T., Sun, Y., Peters, J., Schmidhuber, J. (2014). Natural evolution strategies. Journal of Machine Learning Research, 15(1), 949-980. Retrieved from http://www.jmlr.org/papers/volume15/wierstra14a/wierstra14a.pdf
Schulman, J., Wolski, F., Dhariwal, P., Radford, A., Klimov, O. (2017). Proximal Policy Optimization Algorithms. Retrieved from: https://arxiv.org/abs/1707.06347 Salimans, T., Ho, J., Chen, X. Sutskever, I. (2017). Evolution Strategies as a Scalable Alternative to Reinforcement Learning. Retrieved from https://arxiv.org/pdf/1703.03864.pdf Ha, D., Schmidhuber, J. (2018). World Models. Retrieved from: https://arxiv.org/abs/1803.10122 |