Steuerung eines autonomen Fahrzeugs durch Deep Reinforcement Learning

1. Front Matter

   Pages i-xiii

   PDF

2. Einführung

   • Andreas Folkers

   Pages 1-2

3. Grundlagen des Deep Learning

   • Andreas Folkers

   Pages 3-13

4. Deep Reinforcement Learning

   • Andreas Folkers

   Pages 15-31

5. Deep Controller für autonomes Fahren

   • Andreas Folkers

   Pages 33-46

6. Training und Auswertung

   • Andreas Folkers

   Pages 47-69

7. Resümee

   • Andreas Folkers

   Pages 71-75

8. Back Matter

   Pages 77-88

   PDF

Andreas Folkers stellt in diesem Buch einen Regelalgorithmus zur Steuerung eines autonomen Fahrzeugs vor. Um eine nichtlineare Bewegungsdynamik bei gleichzeitig kurzer Rechenzeit zu berücksichtigen, wird der Regler als Neuronales Netz definiert und dessen Parameter im Vorfeld gelernt. Dieser Trainingsschritt wird im Setting des Deep Reinforcement Learning durch die Proximal-Policy-Optimierung innerhalb einer Simulation durchgeführt. Die Qualität des resultierenden Reglers wird schließlich sowohl durch die Simulation als auch bei der Anwendung auf ein reales Fahrzeug in einem Parkplatz-Szenario evaluiert.​

• Autonomes Fahren
• Deep Learning
• Kontinuierliches Reinforcement Learning
• Neural Network
• Künstliche Intelligenz
• Forschungsfahrzeug

• Universität Bremen, Bremen, Germany

  Andreas Folkers

Andreas Folkers studierte Technomathematik an der Universität Bremen und arbeitet dort als Wissenschaftlicher Mitarbeiter an angewandten Forschungsfragen im Kontext von Autonomen Fahrzeugen. Im Zentrum seiner Forschung stehen Algorithmen zur Fahrzeugsteuerung und Künstliche Intelligenz.​

Policies and ethics