Розробка системи керування безпілотним автомобілем на основі нейронної мережі

Abstract

В першому розділі кваліфікаційної роботи проаналізовано науково-технічні публікації про методи навчання безпілотного автомобіля за допомогою нейронної мережі. В другому розділі кваліфікаційної роботи розглянуто вже існуючі моделі нейронних мереж автономних автомобілів. Запропоновано J-Net, модель нейронної мережі яка використовує менше ресурсів для навчання та керування авто. Проведено аналіз результатів J-Net та інших, вже існуючих, моделей нейронної мережі. В третьому розділі кваліфікаційної роботи розглянуто охорону праці на виробництві автомобільного транспорту та безпеку в надзвичайних ситуаціях. Основні результати: запропоновано модель нейронної мережі ,J-Net, яка є менш ресурсозатратною і, в порівнянні з іншими дослідженими в цій роботі моделями, показує схожі, а в деяких випадках кращі, навчання та керування авто результати в віртуальному середовищі Unity. The first section of the thesis analyzes scientific and technical publications on methods of teaching a drone using a neural network. In the second section of the thesis existing models of neural networks of autonomous cars are considered. J-Net, a neural network model that uses fewer resources for learning and driving is proposed. The results of J-Net and other existing neural network models were analyzed. The third section of the thesis deals with labor protection in the production of motor transport and safety in emergencies. Main results: a neural network model, J-Net, is proposed, which is less resource-intensive and, compared to other models studied in this paper, shows similar, and in some cases better, learning and driving control results in the Unity virtual environment.