Upravljanje bespilotnom letjelicom pomoću umjetne inteligencije
Sažetak na hrvatskom: Ovaj rad bavi se problematikom autonomne bespilotne letjelice. Na početku opisujemo vrstu letjelice koju ćemo koristiti u implementaciji I način na koji ista leti. Zatim su ukratko opisane umjetne neuronske mreže i potporno učenje, dva pristupa umjetne inteligencije ključna za...
| Permalink: | http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:51690/Details |
|---|---|
| Glavni autor: | Domitran, Sandro (-) |
| Ostali autori: | Bagić Babac, Marina (Thesis advisor) |
| Vrsta građe: | Drugo |
| Impresum: |
Zagreb,
S. Domitran,
2019.
|
| Predmet: |
umjetna neuronska mreža
> letjelica
> tailsitter
> podržano učenje
> agent
> algoritam
> nagrada
> politika
> treniranje
> gradijent
> Unity
> MLAgents
> Tensorflow
artificial neural network
> aircraft
> tailsitter
> reinforcement learning
> agent
> algorithm
> reward
> policy
> training
> gradient
> Unity
> MLAgents
> Tensorflow
|
| LEADER | 02774na a2200229 4500 | ||
|---|---|---|---|
| 003 | HR-ZaFER | ||
| 008 | 160221s2019 ci ||||| m||| 00| 0 en d | ||
| 035 | |a (HR-ZaFER)ferid7331 | ||
| 040 | |a HR-ZaFER |b hrv |c HR-ZaFER |e ppiak | ||
| 100 | 1 | |a Domitran, Sandro |9 40980 | |
| 245 | 1 | 0 | |a Upravljanje bespilotnom letjelicom pomoću umjetne inteligencije : |b završni rad / |c Sandro Domitran ; [mentor Marina Bagić Babac]. |
| 246 | 1 | |a The use of artificial intelligence for flying a drone |i Naslov na engleskom: | |
| 260 | |a Zagreb, |b S. Domitran, |c 2019. | ||
| 300 | |a 31 str. ; |c 30 cm + |e CD-ROM | ||
| 502 | |b preddiplomski studij |c Fakultet elektrotehnike i računarstva u Zagrebu |g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2019-06-14, datum završetka: 2019-09-10 | ||
| 520 | 3 | |a Sažetak na hrvatskom: Ovaj rad bavi se problematikom autonomne bespilotne letjelice. Na početku opisujemo vrstu letjelice koju ćemo koristiti u implementaciji I način na koji ista leti. Zatim su ukratko opisane umjetne neuronske mreže i potporno učenje, dva pristupa umjetne inteligencije ključna za razumjevanje dubokog potpornog učenja. Opisujemo PPO, metodu dubokog potpornog učenja, odabranu za učenje željenog ponašanja naše letjelice. U Unity Editor-u izrađujemo model letjelice i pomoću ML- Agents alata pripremamo okolinu za učenje. Prevodimo naš problem u sustav nagrada kojima letjelicu navodimo na željeno ponašanje. Nakon završenog učenja grafički prikazujemo dobivene rezultate. | |
| 520 | 3 | |a Sažetak na engleskom: The topic of this essay is the problematics of autonomous unmanned aircrafts. In the beginning, we described a type of aircraft that is used in implementation, along with its manner of flying. What follows is a brief description of artificial neural networks and reinforced learning, two approaches in artificial intelligence that are key to understanding deep reinforced learning. We also described PPO, a method of deep reinforced learning, chosen for the purpose of teaching our aircraft a desired behavior. In the Unity Editor, we made a model of the aircraft, and with the ML-Agents tool we prepared an environment for learning. We translated our problem into a reward system, which is used to lead the aircraft onto desired behavior. After the learning process is done, the obtained results are displayed graphically. | |
| 653 | 1 | |a umjetna neuronska mreža |a letjelica |a tailsitter |a podržano učenje |a agent |a algoritam |a nagrada |a politika |a treniranje |a gradijent |a Unity |a MLAgents |a Tensorflow | |
| 653 | 1 | |a artificial neural network |a aircraft |a tailsitter |a reinforcement learning |a agent |a algorithm |a reward |a policy |a training |a gradient |a Unity |a MLAgents |a Tensorflow | |
| 700 | 1 | |a Bagić Babac, Marina |4 ths |9 32054 | |
| 942 | |c Z | ||
| 999 | |c 51690 |d 51690 | ||