10331

پياده‌سازي سيستم پارك موازي خودكار خودرو با استفاده از يادگيري تقويتي

كارشناسي

مهندسي مكانيك

1405

سيد حسن ذبيحي فر

مجيد رجبي

1405/02/20

مهندسي مكانيك

Implementation of an Automatic Parallel Parking System for Vehicles Using Reinforcement Learning

اين پژوهش به طراحي و توسعه يك سامانه پارك خودكار كم‌هزينه براي خودروهاي اقتصادي مي‌پردازد. با توجه به اهميت كاهش هزينه‌هاي سخت‌افزاري و كاهش پيچيدگي محاسباتي در سامانه‌هاي كمك‌راننده، هدف اصلي اين پژوهش ارائه يك روش مبتني بر يادگيري تقويتي و مدل‌هاي هندسي ساده براي انجام پارك موازي در فضاهاي محدود است. در روش پيشنهادي، مسير پارك با يك مدل هندسي مبتني بر تابع تانژانت و با دو پارامتر α_0و α_1 توصيف مي‌شود و انتخاب اين پارامترها توسط الگوريتم «شبكه كيوِ عميق» انجام مي‌گيرد. سامانه پيشنهادي با تكيه بر حسگرهاي فراصوت براي ادراك موانع و تشخيص فضاي پارك، در محيط شبيه‌سازي ويباتس پياده‌سازي و ارزيابي شده است. عامل يادگيري تقويتي با تعامل با محيط شبيه‌سازي مي‌آموزد كه چگونه جفت‌پارامترهاي مناسب را براي اجراي مانور پارك موازي انتخاب كند، به‌گونه‌اي كه مسيرهاي توليدشده قابل اجرا بوده و احتمال برخورد با موانع كاهش يابد. نتايج شبيه‌سازي نشان مي‌دهد اين چارچوب مي‌تواند بدون نياز به حسگرهاي گران‌قيمت و بدون اتكا به روش‌هاي بهينه‌سازي آنلاين زمان‌بر، مسيرهاي پارك نرم و قابل قبولي توليد كند. در مجموع، رويكرد پيشنهادي با استفاده از حسگرهاي كم‌هزينه و تصميم‌گيري سبك مبتني بر انتخاب پارامترهاي مسير، مي‌تواند مبنايي براي توسعه سامانه‌هاي پارك خودكار اقتصادي و قابل تفسير باشد و زمينه را براي توسعه‌هاي آينده، به‌ويژه در جهت كاهش شكاف شبيه‌سازي تا واقعيت، فراهم كند.

پارك خودكار , يادگيري تقويتي , شبكه كيو عميق , مدل مبتني بر تابع تانژانت , پارك موازي , شبيه‌سازي ويباتس , حسگر فراصوت