پروژه‌های Machine Learning

مسیریابی با روشDQN یا PRM

زمان تحویل: 10 روز

مدت‌ها پیش

0 پیشنهاد

پیشنیاز پروژه : آشنایی با هوش مصنوعی و ML ، زبان برنامه نویسی پایتون، کار با Pygame یا Tkinter یا Unity و یا هر محیط دیگری که بتواند پیاده سازی که در قسمت بعد توضیح داده شده را انجام دهد. آشنایی با الگوریتم DDQN یا PRM و یا الگوریتم های مسیر یابی موجود Reinforcement Learning، جهت استفاده برای حرکت ماشین ها. توضیحات پروژه : برا مشخص شدن قسمت های کار و پیشروی راحت تر، کار را به ۳ بخش تقسیم کردیم. در نهایت فایل پیاده سازی قسمت ۱ و ۲ که انجام شده را هم در اختیارتان قرار میدیم ولی این بدان منظور نیست که باید از این پیاده سازی استفاده کنید. میتوانید همین پروژه را تکمیل کنید و میتوانید به هر روش دیگری که میخواهید انجام دهید، مهم خروجی در نظر گرفته شده هست. بصورت کلی پروژه حرکت چند ماشین را نشان میدهد که یکی از ماشین ها هوشمند هست و هنگامی که بین چندین ماشین قرار بگیرد و راه خروج ندارد با استفاده از فرمولی که به شما میدهیم ماشین تصمیم میگیرد با یکی از ماشین ها که ضریب خسارت کمتری دارد تصادف کند. بخش اول : در این بخش یک محیط ( که درون آن جاده هست ) را برای حرکت ماشین ها در نظر میگیریم و سپس یک ماشین را درون جاده قرار میدهیم، بصورتی که درون جاده حرکت میکند و با استفاده از یکی از الگوریتم های RL ( بعنوان مثال DDQN ) جاده را تشخیص میدهد و سعی میکند در جاده حرکت کند و درصورت برخورد تابع ریوارد را دریافت کند و لرن کند . بخش دوم : چندین ماشین دیگر به محیط اضافه شوند. این دسته از ماشین ها هوشمند نیستند ( فقط یکی از ماشین ها که در قسمت اول گفته شد بعنوان ماشین اصلی در نظر گرفته شده که هوشمند هست ). این نوع ماشین ها فقط باید در مسیر جاده حرکت کنند و هر کدام با یک سرعت متفاوت حرکت کنند. پیشنهاد میشود در این بخش بدین گونه عمل کرد که کلاسی که برای این دسته از ماشین ها تعریف میشود قابلیت این را داشته باشند که در هر زمان بتوان موقعیت بعدی را مشخص کرد. بعنوان مثال در لحظه ی T0 و در موقعیت X0 قرار داشته باشد و در لحظه ی T1 در موقعیت X1 و ... علت این کار را هم در مرحله ی بعد متوجه میشوید. بخش سوم : در این بخش باید شرایطی پیش بیاید که ماشین هوشمند بین چند ماشین دیگر و جاده قرار بگیرد بصورتی که از همه ی جهت ها هیچ راهی برای عبور ماشین هوشمند نباشد و ماشین هوشمند مجبور باشد با یکی از ماشین ها برخورد کند. در همین موقعیت با فرمولی که به شما تحویل میدهیم ماشین هوشمند تصمیم میگیرد که با کدام ماشین برخورد داشته باشد. علت مشخص کردن زمان و مکان در بخش دوم که توضیح دادم برای راحتی کار در همین بخش هست که بتوانیم حرکت ماشین های دیگر را تعیین کنیم و موقعیت تصادف را بوحود بیاوریم، در غیر این صورت از نظر بنده کار پیچیده میشود. حال برای این مورد هم تصمیم بر عهده ی مجری کار است. مهم خروجی مورد نظر هست. در انتهای کار چندین شکل از پیاده سازی که انجام شده برای هر بخش قرار داده شده، این برای فهم و درک بهتر از خروجی مورد نظر هست و مجری کار میتواند از کتابخانه و زبان و ... که راحت تر هست استفاده کند. مهم خروجی کار هست.