Témakiírások
Autonóm járművek gépi tanulással támogatott mozgástervezése
témakiírás címe
Autonóm járművek gépi tanulással támogatott mozgástervezése
doktori iskola
témakiíró
tudományág
témakiírás leírása
a./ Előzmények: Napjainkban a magasan automatizált járművek esetén a klasszikus szabályozástervezési algoritmusok mellett egyre inkább megfigyelhető a rendkívül gyorsan fejlődő mesterséges intelligencia és gépi tanulás alapú megoldások előretörése. A közúti járművek irányításához elengedhetetlenül szükséges azok mozgásának a járműdinamikai megvalósíthatóság, a közlekedésbiztonság és utaskomfort figyelembe vételével történő megtervezése.
b./ A kutatás célja: Az autonóm járművek szabályozási architektúrája általában a következő rétegből épülhet fel: útvonaltervezés, érzékelés és szituációértékelés, döntéshozás, mozgástervezés, végrehajtás. A mozgástervezési feladat a viselkedési rétegtől kap manőver információt, míg az általa generált trajektóriát a végrehajtó réteg használja fel. A kutatás célja olyan mélytanulás alapú mozgástervezési algoritmusok kidolgozása, mely a menetstabilitás megőrzése és az ütközések elkerülése mellett képes a felhasználó által testre szabható, a szabályozóegységek által közvetlenül felhasználható trajektória előállítására. A kutatás kitérne arra is, hogy a mozgástervezési réteg mekkora részben vonható össze a döntéshozási és megvalósítási réteggel. Megoldandó a járműdinamikát leíró differenciálegyenlet rendszerek kezelése, illetve a járművet körülvevő tér megfelelő reprezentálása, mivel ez nagy hatással bír a tanulási folyamatra és annak eredményére. Meg kell vizsgálni a különböző hálózati architektúrákat, és meghatározni a megfelelő célfüggvényeket. Végül fontos a kifejlesztett módszerek valós körülmények között történő alkalmazási lehetőségeinek vizsgálata.
c./ Az elvégzendő feladatok, azok fő elemei, időigénye:
1. Irodalomkutatás, előtanulmányok. A szakirodalomban publikált módszerek áttekintése és elemzése. Környezeti modell és mozgástervező algoritmusok fejlesztése. (12 hónap)
2. A megfelelő gépi tanulási módszerek alkalmazása, a környezet megfelelő leírásának, valamint a hálózati architektúrák kidolgozása. Betanítás különböző hiperparaméterekkel és célfügvényekkel. Az eredmények alapján a módszerek iteratív továbbfejlesztése. (12 hónap)
3. Az algoritmusok számításigényének, és valós, beágyazott rendszereken történő alkalmazási lehetőségek vizsgálata. (12 hónap)
4. Eredmények demonstrálása. PhD értekezés megírása. Publikálás referált folyóiratban és konferencia kiadványban. (12 hónap)
d./ A szükséges berendezések: A számítástechnikai eszközök, szoftverek, illetve szenzorok jelenleg a Tanszéken rendelkezésre állnak.
e./ Várható tudományos eredmények: Az automatizált közúti járművek szabályozóegységeiben felhasználható, gépi tanulás alapú, mozgástervező algoritmusok.
b./ A kutatás célja: Az autonóm járművek szabályozási architektúrája általában a következő rétegből épülhet fel: útvonaltervezés, érzékelés és szituációértékelés, döntéshozás, mozgástervezés, végrehajtás. A mozgástervezési feladat a viselkedési rétegtől kap manőver információt, míg az általa generált trajektóriát a végrehajtó réteg használja fel. A kutatás célja olyan mélytanulás alapú mozgástervezési algoritmusok kidolgozása, mely a menetstabilitás megőrzése és az ütközések elkerülése mellett képes a felhasználó által testre szabható, a szabályozóegységek által közvetlenül felhasználható trajektória előállítására. A kutatás kitérne arra is, hogy a mozgástervezési réteg mekkora részben vonható össze a döntéshozási és megvalósítási réteggel. Megoldandó a járműdinamikát leíró differenciálegyenlet rendszerek kezelése, illetve a járművet körülvevő tér megfelelő reprezentálása, mivel ez nagy hatással bír a tanulási folyamatra és annak eredményére. Meg kell vizsgálni a különböző hálózati architektúrákat, és meghatározni a megfelelő célfüggvényeket. Végül fontos a kifejlesztett módszerek valós körülmények között történő alkalmazási lehetőségeinek vizsgálata.
c./ Az elvégzendő feladatok, azok fő elemei, időigénye:
1. Irodalomkutatás, előtanulmányok. A szakirodalomban publikált módszerek áttekintése és elemzése. Környezeti modell és mozgástervező algoritmusok fejlesztése. (12 hónap)
2. A megfelelő gépi tanulási módszerek alkalmazása, a környezet megfelelő leírásának, valamint a hálózati architektúrák kidolgozása. Betanítás különböző hiperparaméterekkel és célfügvényekkel. Az eredmények alapján a módszerek iteratív továbbfejlesztése. (12 hónap)
3. Az algoritmusok számításigényének, és valós, beágyazott rendszereken történő alkalmazási lehetőségek vizsgálata. (12 hónap)
4. Eredmények demonstrálása. PhD értekezés megírása. Publikálás referált folyóiratban és konferencia kiadványban. (12 hónap)
d./ A szükséges berendezések: A számítástechnikai eszközök, szoftverek, illetve szenzorok jelenleg a Tanszéken rendelkezésre állnak.
e./ Várható tudományos eredmények: Az automatizált közúti járművek szabályozóegységeiben felhasználható, gépi tanulás alapú, mozgástervező algoritmusok.
felvehető hallgatók száma
2 fő
helyszín
Közlekedés- és Járműirányítási Tanszék
jelentkezési határidő
2020-12-27