ناوبری خودمختار پهپاد در گذرگاه های باریک بدون سامانه موقعیت یابی جهانی با یادگیری تقویتی عمیق
Publish place: Computing Science Journal، Vol: 9، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 85
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_CSJI-9-4_002
Index date: 28 February 2025
ناوبری خودمختار پهپاد در گذرگاه های باریک بدون سامانه موقعیت یابی جهانی با یادگیری تقویتی عمیق abstract
هواپیمای بدون سرنشین (پهپاد) به دلیل هزینه های عملیاتی پایین و انعطاف پذیری بالا، در زمینه هایی نظیر نقشه برداری، جستجو و نجات، نظارت و اکتشاف کاربرد گسترده ای یافته اند. با این وجود، ناوبری کارآمد و عبور موفق از گذرگاه های باریک در محیط های پیچیده، بدون استفاده از حسگرهای گران قیمت همچنان یک چالش اساسی محسوب می شود. تحقیقات پیشین اغلب به استفاده از حسگرهای پیشرفته یا روش های غیربهینه مبتنی بوده اند که عملکرد ضعیفی در شرایط متغیر محیطی نشان می دهند. این رویکردها برای جلوگیری از تشخیص نادرست موانع و بهبود قابلیت اطمینان و ایمنی بر چندین حسگر مانند فراصوت، مادون قرمز، لیدار و دوربین تکیه می کنند. این روش ها به دلیل نیاز به پردازش حجم زیادی از داده ها، دارای سربار محاسباتی بالا هستند و عملکرد آن ها در شرایط محدودیت منابع بهینه نیست. علاوه بر این، این روش ها معمولا از قابلیت تعمیم پذیری کافی برخوردار نیستند. از طرف دیگر، رویکردهای برنامه ریزی مسیر نظیر روش های مبتنی بر جستجو در گراف، میدان پتانسیل و مبتنی بر نمونه برداری، علی رغم تحلیل پذیری، در تطبیق با تغییرات مدل یا محیط دچار چالش می شوند و به مکان های مقیاس کوچک محدود می شوند و برای کاربردهای دنیای واقعی دقت کافی ندارند. به همین منظور، در این مقاله یک سامانه ناوبری خودمختار مبتنی بر یادگیری تقویتی عمیق و استفاده از تصاویر عمقی ارایه شده است. در این روش، مسئله تصمیم گیری به عنوان یک فرآیند تصمیم گیری مارکوف مدل سازی می شود تا پهپاد با اتکا به اطلاعات کنونی قابلیت تصمیم گیری را داشته باشد. همچنین، از شبکه های عصبی هم آمیختی برای استخراج ویژگی های بصری از تصاویر عمقی استفاده می شود. برای اتخاذ یک سیاست تصمیم گیری مناسب، از الگوریتم بهینه سازی سیاست تقریبی برای آموزش مدل بهره گرفته شده است. سامانه پیشنهادی در یک محیط شبیه سازی شده واقع گرایانه آزمایش شده و عملکرد آن مورد ارزیابی قرار گرفته است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی توانسته است با ۸۵ درصد موفقیت و ۱۵ درصد میزان برخورد، مسیر گذرگاه های باریک را طی کند و با ۱۷ درصد بهبود، عملکرد بهتری نسبت به روش های قیاس شده مرجع ارایه دهد. علاوه بر این، افزایش مداوم پاداش در طول فرآیند آموزش، کاهش بار محاسباتی و قابلیت تعمیم پذیری به شرایط محیطی مختلف، نظیر تغییر در پیکربندی محیط یا شکل گذرگاه ها، از دیگر مزایای این روش به شمار می روند. رویکرد پیشنهادی در آزمایش های تعمیم پذیری توانسته موفقیت ۱۰۰ درصد را کسب کند. این رویکرد می تواند به عنوان یک راهکار مقرون به صرفه و کارآمد به ویژه در شرایطی که استفاده از حسگرهای گران قیمت امکان پذیر نیست مورد استفاده قرار گیرد.
ناوبری خودمختار پهپاد در گذرگاه های باریک بدون سامانه موقعیت یابی جهانی با یادگیری تقویتی عمیق Keywords:
هواپیمای بدون سرنشین , مسیریابی خودکار , اجتناب از مانع , یادگیری تقویتی عمیق , بهینه سازی سیاست تقریبی
ناوبری خودمختار پهپاد در گذرگاه های باریک بدون سامانه موقعیت یابی جهانی با یادگیری تقویتی عمیق authors
مهدی شهبازی خجسته
دانش آموخته کارشناسی ارشد گروه مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
آرمین سلیمی بدر
استادیار گروه مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
