Video oyun ortamında derin pekiştirmeli öğrenme ile otonom araç simulasyonu


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: AHMET ONUR GİRAY

Danışman: HATİCE DOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Son yıllarda, rahat ve güvenli sürüşü sağlamak için otonom araçların geliştirilmesi üzerine araştırmalar ivme kazanmıştır. Otonom araçlar, sensörler ve kameralar kullanarak sürücü girdisi olmadan hareket edebilirler. Bu tez, otonom bir aracın video oyunu ortamında belirli bir hızda otoyol şeridinde seyahat etmesini sağlamak için deneyim tekrarı ile derin çift Q pekiştirmeli öğrenme algoritmasının kullanımını önermektedir. Pekiştirmeli öğrenme algoritması, aracın yol merkez çizgisine olan açısını, araç hızını, yol merkezine olan mesafeyi ve ivmeyi durum bilgisi girdileri olarak kullanır. Bu nedenle, bu bilgiler yüksek doğrulukla belirlenmelidir. Birçok alanda dikkate değer performans sergileyen evrişimli sinir ağları, şeritlerin konumlarını ve aracın açısını elde etmek için kullanılmıştır. CNN modelleri, manuel olarak toplanıp etiketlenmesi mümkün olmayan çok büyük veri kümeleriyle eğitilir. Bu tez aynı zamanda bir otoyolda yol şeritlerinin tespiti için kullanılmak üzere bir video oyun ortamından etiketli veri setinin otomatik olarak toplanması için bir yöntem sunar. Otomatik olarak toplanmış 745823 adet görsel ile, Transfer Öğrenme yöntemi kullanılarak ResNet50, VGG16, Xception ve InceptionV3 gibi farklı CNN modelleri eğitilmiştir. Eğitimde yer almayan bir otoyoldan toplanan veri kümesiyle yapılan performans karşılaştırmalarına göre, ResNet50 en iyi performansı sergilemiştir.