Applications of Reinforcement Learning in Modeling Autonomous Behaviour
Táto štúdia predstavuje praktickú aplikáciu posilňovacieho učenia (RL) pre autonómne riadenie vozidiel v simulačnom prostredí Gymnasium CarRacing-v0. Primárnym cieľom bolo navrhnúť a vyškoliť agenta schopného autonómnej navigácie po procedurálne generovaných pretekárskych tratiach s využitím metodík...
Uložené v:
| Hlavný autor: | |
|---|---|
| Médium: | Kapitola |
| Jazyk: | English |
| Predmet: | |
| Tagy: |
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
|
| Shrnutí: | Táto štúdia predstavuje praktickú aplikáciu posilňovacieho učenia (RL) pre autonómne riadenie vozidiel v simulačnom prostredí Gymnasium CarRacing-v0. Primárnym cieľom bolo navrhnúť a vyškoliť agenta schopného autonómnej navigácie po procedurálne generovaných pretekárskych tratiach s využitím metodík hlbokého posilňovacieho učenia. Výskum využil algoritmus optimalizácie proximálnej politiky (PPO), implementovaný prostredníctvom knižnice Stable-Baselines3, ktorá bola vybraná pre svoju preukázateľnú účinnosť a robustnosť v doménach kontinuálnej akcie. Tréningový proces bol vykonaný v jazyku Python s použitím frameworkov PyTorch a Gymnasium. |
|---|