prikaz prve stranice dokumenta Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja
Rad nije dostupan
diplomski rad
Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja
2021. urn:nbn:hr:168:577957
Gotovac, Lovro
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Gotovac, L. (2021). Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:577957

Gotovac, Lovro. "Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:577957

Gotovac, Lovro. "Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:577957

Gotovac, L. (2021). 'Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:577957

Gotovac L. Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 22.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:577957

L. Gotovac, "Decentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:577957

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:577957
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovDecentralizirano upravljanje jatom robota korištenjem potpornog strojnog učenja
Naslov (engleski)Decentralized control of a flock of robots using reinforcement machine learning
AutorLovro Gotovac
MentorStjepan Bogdan (mentor)
Član povjerenstvaStjepan Bogdan (predsjednik povjerenstva)
Član povjerenstvaZdenko Kovačić (član povjerenstva)
Član povjerenstvaGoran Vasiljević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Svrha ovog rada bila je, koristeći potporno učenje, naučiti jednog agenta (studenta) da se ponaša kao drugi agenti u jatu (učitelji) koji koriste Reynoldsova pravila. Odnosno, cilj je bio istrenirati kontroler temeljen na potpornom učenju koji se uči ``promatrajući'' izlaze iz Reynoldsovog kontrolera. U radu je dan kratki sažetak onih Reynoldsovih pravila korištenih za kontroler, kohezija, separacija, poravnanje i izbjegavanje prepreka. Također, dan je i sažetak potpornog učenja. Opisane su Bellmanove jednadžbe koje su i začele ideju o potpornom učenju. Opisan je Q-learning algoritam temeljen na tim jednadžbama. Objašnjen je razlog prelaska iz tabličnih algoritama kao što je Q-learning u aproksimativne algoritme kao što je DQN (aproksimacija Q vrijednosti) i DDPG (aproksimacija politike) te je dan njihov opis. Također, opisani su programski paketi korišteni u izradi ovog rada. Konačno, opisana je struktura koda korištenog za simulaciju i prikazani su rezultati učenja za sva tri algoritma. DDPG algoritam pokazao se najboljim za rješavanje ovakve vrste problema.
Sažetak (engleski)
This thesis's main goal was to use reinforcement learning to train one agent (student) to behave like other agents in a flock (teachers), which use Reynolds rules to produce flocking. That is, the goal was to train an RL controller that learns by ``observing'' the outputs of the Reynolds controller. This thesis gives a short description of the main Reynolds rules used for the Reynolds controller, cohesion, separation, alignment, and obstacle avoidance, as well as a description and goals of reinforcement learning. First, the fundamental RL equations were described - the Bellman equations. Then, the Q-learning algorithm was explained and the need for value approximation (DQN) or policy approximation (DDPG) instead of the tabular methods. Finally, the structure of the used code was given, and the results of the three algorithms were analysed. It was shown that the DDPG algorithm performed best for this problem.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:577957
Studijski programNaziv: Elektrotehnika i informacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 14:58:53