Grundlagen des Deep Learning und kontinuierliches Deep Reinforcement Learning. - Definition eines Deep Controller für Autonomes Fahren. - Training und Evaluierung des Deep Controller innerhalb einer Simulation. - Anwendung des Deep Controller auf einem Forschungsfahrzeug.
Andreas Folkers studierte Technomathematik an der Universität Bremen und arbeitet dort als Wissenschaftlicher Mitarbeiter an angewandten Forschungsfragen im Kontext von Autonomen Fahrzeugen. Im Zentrum seiner Forschung stehen Algorithmen zur Fahrzeugsteuerung und Künstliche Intelligenz.
Andreas Folkers stellt in diesem Buch einen Regelalgorithmus zur Steuerung eines autonomen Fahrzeugs vor. Um eine nichtlineare Bewegungsdynamik bei gleichzeitig kurzer Rechenzeit zu berücksichtigen, wird der Regler als Neuronales Netz definiert und dessen Parameter im Vorfeld gelernt. Dieser Trainingsschritt wird im Setting des Deep Reinforcement Learning durch die Proximal-Policy-Optimierung innerhalb einer Simulation durchgeführt. Die Qualität des resultierenden Reglers wird schließlich sowohl durch die Simulation als auch bei der Anwendung auf ein reales Fahrzeug in einem Parkplatz-Szenario evaluiert.
Der Inhalt
Grundlagen des Deep Learning und kontinuierliches Deep Reinforcement Learning
Definition eines Deep Controller für Autonomes Fahren
Training und Evaluierung des Deep Controller innerhalb einer Simulation
Anwendung des Deep Controller auf einem Forschungsfahrzeug
Die Zielgruppen
Dozierende und Studierende der Bereiche Angewandte Mathematik und Informatik
Fach- und Führungskräfte auf den Gebieten Autonomes Fahren und Künstliche Intelligenz
Der Autor Andreas Folkers studierte Technomathematik an der Universität Bremen und arbeitet dort als Wissenschaftlicher Mitarbeiter an angewandten Forschungsfragen im Kontext von Autonomen Fahrzeugen. Im Zentrum seiner Forschung stehen Algorithmen zur Fahrzeugsteuerung und Künstliche Intelligenz.