Αυτόνομη οδήγηση με συνελικτικά νευρωνικά δίκτυα στο παιχνίδι Grand Theft Αυτό V

Abstract

Τα αυτόνομα οχήματα έχουν τη δυνατότητα να βοηθήσουν την ανθρωπότητα στη μεταφορά. Αυτό προϋποθέτει να μπορούν να υποστηρίξουν τα διάφορα οδηγικά περιβάλλοντα, τις καιρικές συνθήκες και τις διαφοροποιήσεις μεταξύ των οχημάτων. Το σημαντικότερο όμως, είναι ότι θα κάνουν τις μετακινήσεις πιο ασφαλείς και θα μειώσουν την κυκλοφορική συμφόρηση. Για να επιτευχθεί αυτό, οφείλουν να γίνουν δοκιμές σε προσομοιωμένα περιβάλλοντα, όπου η συλλογή πληροφορίας είναι πολύ ευκολότερη και λιγότερο δαπανηρή. Η παρούσα διπλωματική εργασία έχει ως αντικείμενο μελέτης την ανάπτυξη ενός τέτοιου συστήματος. Το σύστημα αυτό, μεταφράζει τις εικόνες που δέχεται σε κλίση του τιμονιού, έτσι ώστε να στρίψει το όχημα κατάλληλα. Εν συνεχεία, ανιχνεύει τα αντικείμενα στην εκάστοτε εικόνα και πράττει ανάλογα, με επιβράδυνση ή επιτάχυνση στην ανίχνευση πεζών, φαναριών, αυτοκινήτων κτλ. Γίνεται επιπλέον ανίχνευση της τρέχουσας ταχύτητας από την εικόνα, ώστε να μην υπερβεί το όριο που τέθηκε στα 40 χλμ/ώρα. Στόχος της εργασίας αυτής είναι να γίνει μια εξομοίωση της αυτόνομης οδήγησης ενός οχήματος σε ένα ψηφιακό περιβάλλον, καταγράφοντας τις πιο αποτελεσματικές και σύγχρονες τεχνικές Μηχανικής Μάθησης. Το νευρωνικό δίκτυο που αναπτύχθηκε αποτελεί κράμα Συνελικτικών δικτύων (CNN) που συνδυαζόμενα, παράγουν το τελικό αποτέλεσμα. Η εκπαίδευση έγινε χρησιμοποιώντας δεδομένα από το παιχνίδι Grand Theft Auto V. Το αποτέλεσμα είναι η αυτόνομη οδήγηση του οχήματος από το σημείο εκκίνησης Α ως το ορισμένο, από τον χρήστη, σημείο Β μέσα στο παιχνίδι.