Reinforcement Learning für autonome Fahrzeuge in einer Simulationsumgebung

Umfeld

Im Bereich Machine Learning gibt es derzeit große Entwicklungen. Es gibt viele neue Möglichkeiten der Netzerstellung für künstliche neuronale Netze, welche alle für unterschiedliche Anwendungsfälle optimiert sind. Reinforcement Learning eignet sich sehr gut, um ein neuronales Netz stetig zu verbessern. Mithilfe der Simulationsumgebung AirSim kann dies in einem „Hardware in the loop“ Ansatz umgesetzt werden.

Aufgabe

In der Arbeit soll die Leistungsfähigkeit von verschiedenen Funktionen im Bereich Machine Learning in der Simulationsumgebung AirSim (Microsoft) validiert werden. Als Anwendungsfall wird das autonome Fahren eines PKW gewählt, wobei dazu verschiedene Manöver getestet werden. Durch Reinforcement Learning wird dabei iterativ die Performance des Programms verbessert. Die Anwendungen sollen zeigen, inwiefern die gewählten Verfahren zur Lösung von Problemstellungen in der Simulationsumgebung geeignet sind.

Voraussetzungen

Programmierkenntnisse (Python), Machine Learning Skills