Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης
Τα τελευταία χρόνια ένα θέμα, που απασχολεί την κοινωνία και κυρίως τον επιστημονικό κλάδο, είναι η αυτόνομη οδήγηση. Ολοένα και περισσότερες εταιρίες παραγωγής αυτοκινήτων στρέφονται προς την ιδέα αυτή, προσπαθώντας να δημιουργήσουν ένα όχημα το οποίο θα είναι εντελώς ανεξάρτητο, όπου παρουσία ο...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2022
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/16397 |
id |
nemertes-10889-16397 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-163972022-09-05T20:20:12Z Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης Development of a robotic vehicle and its navigation using artificial intelligence Κύρκος-Σώζος, Δημήτριος Kyrkos-Sozos, Dimitrios Τεχνητή νοημοσύνη Νευρωνικά δίκτυα Ρομποτικά οχήματα Arduino Mega 2560 Self driving cars Artificial intelligence Neural networks Robotic cars Τα τελευταία χρόνια ένα θέμα, που απασχολεί την κοινωνία και κυρίως τον επιστημονικό κλάδο, είναι η αυτόνομη οδήγηση. Ολοένα και περισσότερες εταιρίες παραγωγής αυτοκινήτων στρέφονται προς την ιδέα αυτή, προσπαθώντας να δημιουργήσουν ένα όχημα το οποίο θα είναι εντελώς ανεξάρτητο, όπου παρουσία οδηγού θα είναι μόνο προαιρετική. Σκοπός της παρούσας διπλωματικής εργασίας είναι η κατασκευή ενός αμαξιδίου με ενσωματωμένο σύστημα, το οποίο θα είναι σε θέση να αντιλαμβάνεται τον περιβάλλοντα χώρο και σύμφωνα με αυτόν, να λαμβάνει σωστές αποφάσεις και να εκτελεί λειτουργίες για την επιτυχημένη πλοήγησή του. Η διαδικασία αυτή επιτυγχάνεται με τη χρήση του κλάδου της τεχνητής νοημοσύνης που ονομάζεται νευρωνικά δίκτυα. Τα δίκτυα αυτά, μιμούμενα τις λειτουργίες των βιολογικών νευρώνων, μπορούν να προσφέρουν στο όχημα την ιδιότητα της αντίληψης. Δεχόμενο σαν εισόδους τις τιμές από τους αισθητήρες αποστάσεως, το δίκτυο παράγει την τιμή της ταχύτητας του οχήματος και την τιμή της στροφής, με σκοπό την αποφυγή της σύγκρουσης με κάποιο εμπόδιο. Προκειμένου όμως το νευρωνικό δίκτυο να δίνει τα επιθυμητά αποτελέσματα ανά πάσα στιγμή, πρέπει να προηγηθεί η εκπαίδευσή του, δηλαδή οι εσωτερικές τιμές των νευρώνων του δικτύου πρέπει να προσαρμοστούν κατάλληλα. Στην παρούσα εργασία η εκπαίδευση αυτή επιτυγχάνεται μέσω δημιουργίας μίας προσομοίωσης του οχήματος στον υπολογιστή. Συγκεκριμένα στην προσομοίωση αυτή εφαρμόζεται ο γενετικός αλγόριθμος σε πλήθος από οχήματα. Με την πάροδο των γενεών τα οχήματα αυτά βελτιώνονται έως ότου να φτάσουν στα αναμενόμενα αποτελέσματα με μεγάλη ακρίβεια. Το τελικό δίκτυο που παράγεται από το γενετικό αλγόριθμο, μεταφέρεται στον επεξεργαστή του φυσικού οχήματος. In recent years, an issue that concerns society and especially the scientific industry, is autonomous driving. More and more car companies are turning to this idea, trying to create a vehicle that will be completely independent, where the presence of a driver will be only optional. The purpose of the present thesis is to build a robotic car with an integrated system, which will be able to perceive the surrounding area and according to it, to make the right decisions and perform functions for its successful navigation. This process is accomplished using the branch of artificial intelligence called neural networks. These networks, mimicking the functions of biological neurons, can provide the vehicle with the property of perception. Accepting the values from the distance sensors as inputs, the network produces the value of the vehicle speed and the value of the turn, in order to avoid the collision with an obstacle. However, in order for the neural network to produce results at all times, it must be preceded by training, specifically the internal values of the neural network must be adjusted accordingly. In the present work this training is achieved by creating a vehicle simulation on the computer. Specifically in this simulation the genetic algorithm is applied to a number of vehicles. Over the generations these vehicles are improved until they reach the expected results with great accuracy. The final network generated by the genetic algorithm is transferred to the processor of the physical vehicle. 2022-07-07T06:04:01Z 2022-07-07T06:04:01Z 2022-07-06 http://hdl.handle.net/10889/16397 gr application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Τεχνητή νοημοσύνη Νευρωνικά δίκτυα Ρομποτικά οχήματα Arduino Mega 2560 Self driving cars Artificial intelligence Neural networks Robotic cars |
spellingShingle |
Τεχνητή νοημοσύνη Νευρωνικά δίκτυα Ρομποτικά οχήματα Arduino Mega 2560 Self driving cars Artificial intelligence Neural networks Robotic cars Κύρκος-Σώζος, Δημήτριος Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
description |
Τα τελευταία χρόνια ένα θέμα, που απασχολεί την κοινωνία και κυρίως τον επιστημονικό
κλάδο, είναι η αυτόνομη οδήγηση. Ολοένα και περισσότερες εταιρίες παραγωγής
αυτοκινήτων στρέφονται προς την ιδέα αυτή, προσπαθώντας να δημιουργήσουν ένα όχημα
το οποίο θα είναι εντελώς ανεξάρτητο, όπου παρουσία οδηγού θα είναι μόνο προαιρετική.
Σκοπός της παρούσας διπλωματικής εργασίας είναι η κατασκευή ενός αμαξιδίου με
ενσωματωμένο σύστημα, το οποίο θα είναι σε θέση να αντιλαμβάνεται τον περιβάλλοντα
χώρο και σύμφωνα με αυτόν, να λαμβάνει σωστές αποφάσεις και να εκτελεί λειτουργίες
για την επιτυχημένη πλοήγησή του.
Η διαδικασία αυτή επιτυγχάνεται με τη χρήση του κλάδου της τεχνητής νοημοσύνης που
ονομάζεται νευρωνικά δίκτυα. Τα δίκτυα αυτά, μιμούμενα τις λειτουργίες των βιολογικών
νευρώνων, μπορούν να προσφέρουν στο όχημα την ιδιότητα της αντίληψης. Δεχόμενο σαν
εισόδους τις τιμές από τους αισθητήρες αποστάσεως, το δίκτυο παράγει την τιμή της
ταχύτητας του οχήματος και την τιμή της στροφής, με σκοπό την αποφυγή της σύγκρουσης
με κάποιο εμπόδιο.
Προκειμένου όμως το νευρωνικό δίκτυο να δίνει τα επιθυμητά αποτελέσματα ανά πάσα
στιγμή, πρέπει να προηγηθεί η εκπαίδευσή του, δηλαδή οι εσωτερικές τιμές των νευρώνων
του δικτύου πρέπει να προσαρμοστούν κατάλληλα. Στην παρούσα εργασία η εκπαίδευση
αυτή επιτυγχάνεται μέσω δημιουργίας μίας προσομοίωσης του οχήματος στον υπολογιστή.
Συγκεκριμένα στην προσομοίωση αυτή εφαρμόζεται ο γενετικός αλγόριθμος σε πλήθος από
οχήματα. Με την πάροδο των γενεών τα οχήματα αυτά βελτιώνονται έως ότου να φτάσουν
στα αναμενόμενα αποτελέσματα με μεγάλη ακρίβεια. Το τελικό δίκτυο που παράγεται από
το γενετικό αλγόριθμο, μεταφέρεται στον επεξεργαστή του φυσικού οχήματος. |
author2 |
Kyrkos-Sozos, Dimitrios |
author_facet |
Kyrkos-Sozos, Dimitrios Κύρκος-Σώζος, Δημήτριος |
author |
Κύρκος-Σώζος, Δημήτριος |
author_sort |
Κύρκος-Σώζος, Δημήτριος |
title |
Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
title_short |
Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
title_full |
Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
title_fullStr |
Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
title_full_unstemmed |
Ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
title_sort |
ανάπτυξη ρομποτικού οχήματος και πλοήγησή του με χρήση τεχνητής νοημοσύνης |
publishDate |
2022 |
url |
http://hdl.handle.net/10889/16397 |
work_keys_str_mv |
AT kyrkossōzosdēmētrios anaptyxērompotikouochēmatoskaiploēgēsētoumechrēsētechnētēsnoēmosynēs AT kyrkossōzosdēmētrios developmentofaroboticvehicleanditsnavigationusingartificialintelligence |
_version_ |
1771297308177072128 |