Μοντελοποίηση της αλληλεπίδρασης διασυνδεδεμένων αυτόνομων οχημάτων με πεζούς με χρήση αντίστροφης ενισχυτικής μάθησης

Καραταράκη, Μαγδαληνή; Karataraki, Magdalini

dc.contributor.author	Καραταράκη, Μαγδαληνή	el
dc.contributor.author	Karataraki, Magdalini	en
dc.date.accessioned	2024-05-14T09:26:18Z
dc.date.available	2024-05-14T09:26:18Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59363
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27059
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Aυτόνομα οχήματα	el
dc.subject	Αντίστροφη ενισχυτική μάθηση	el
dc.subject	Μέγιστη εντροπία	el
dc.subject	Πεζοί	el
dc.subject	Προσομοίωση	el
dc.subject	Autonomous Vehicles	en
dc.subject	Inverse Reinforcement Learning	en
dc.subject	Maximum entropy	en
dc.subject	Pedestrians	en
dc.subject	Simulation	en
dc.title	Μοντελοποίηση της αλληλεπίδρασης διασυνδεδεμένων αυτόνομων οχημάτων με πεζούς με χρήση αντίστροφης ενισχυτικής μάθησης	el
dc.title	Modeling the Interaction of Connected Autonomous Vehicles with Pedestrians using Inverse Reinforcement Learning	en
heal.type	bachelorThesis
heal.classification	Μηχανική μεταφορών	el
heal.classification	Προγραμματισμός μεταφορών	el
heal.classification	Transportation engineering	en
heal.classification	Transportation planning	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-11-01
heal.abstract	Η παρούσα διπλωματική εργασία στοχεύει στην ανάπτυξη μιας στρατηγικής οδήγησης για τα Συνδεδεμένα Αυτοματοποιημένα Οχήματα (CAVs) κατά την διάρκεια αλληλεπιδράσεων με πεζούς. Σκοπός είναι η δημιουργία ενός αποτελεσματικού και ασφαλούς πλαισίου λήψης αποφάσεων για αυτόνομα οχήματα με τη χρήση αντίστροφης ενισχυτικής μάθησης μέγιστης εντροπίας (Max-Ent IRL). Η συνάρτηση ανταμοιβής εξάγεται από τις παρατηρούμενες τροχιές των οχημάτων που λαμβάνονται μέσω ενός εικονικού πειράματος οδήγησης που διεξήχθη στην Καρλσρούη της Γερμανίας με την χρήση του προσομοιωτή CARLA. Τα αποτελέσματα της έρευνας συμβάλλουν στην ανάπτυξη των συστημάτων αυτόνομης οδήγησης, διευκολύνοντας την ενσωμάτωση των αυτόνομων οχημάτων σε αστικά περιβάλλοντα, δίνοντας παράλληλα προτεραιότητα στην ασφάλεια των πεζών. Συνιστάται περαιτέρω έρευνα για την επέκταση της εκπαίδευσης του αλγορίθμου σε ποικίλα σενάρια και διαφορετικές πιθανές καταστάσεις.	el
heal.abstract	This Diploma thesis aims to develop a driving strategy for Connected Automated Vehicles (CAVs) during interactions with pedestrians. The objective is to create an efficient and safe decision-making framework for autonomous vehicles using maximum entropy inverse reinforcement learning (Max-Ent IRL). The reward function is derived from observed vehicle trajectories obtained through a virtual driving experiment conducted in Karlsruhe, Germany with the use of CARLA simulator. The research outcomes contribute to the advancement of autonomous driving systems, facilitating the integration of autonomous vehicles into urban environments while prioritizing the safety of pedestrians. Further research is recommended to expand the training of the algorithm in diverse scenarios and different potential situations.	en
heal.advisorName	Βλαχογιάννη, Ελένη I.	el
heal.advisorName	Vlahogianni, Eleni	en
heal.committeeMemberName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Γκιοτσαλίτης, Κωνσταντίνος	el
heal.committeeMemberName	Yannis, George	en
heal.committeeMemberName	Gkiotsalitis, Konstantinos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	71 σ.	el
heal.fullTextAvailability	false