Autonomní řízení

Abstract

Cílem práce je popsat metody pro řízení autonomních vozidel, popsat a vyzkoušet modely a simulace, které jsou pro trénování a ověřování kvality řízení používány. V rámci práce rozebereme teorii potřebnou pro pochopení vývoje a fungování autonomního řízení. Začneme obecnějšími informacemi, jako jsou výhody a výzvy autonomního řízení a následně si vysvětlíme techničtější věci, od rozdělení úrovní automatizace řízení přes senzory a metody využívané v autonomním řízení až po aktuální stav autonomního řízení. V druhé části práce si rozebereme čtyři různé open source simulátory, které je možné použít pro vývoj autonomního řízení. Následně si vysvětlíme pojem reinforced learning a v poslední části práce si ukážeme, jakým způsobem je možné v simulátoru CARLA vytvořit pomocí této techniky autonomní vozidlo, které se zvládne navigovat námi vytvořenou závodní dráhou.

The aim of this work is to describe methods for autonomous driving of vehicles and to describe and test the models and simulations that are used for training and verification of control quality. The thesis will discuss the theory needed to understand the development and operation of autonomous driving. We will start with more general information, such as the benefits and challenges of autonomous driving, and then explain more technical things, from the distribution of levels of driving automation to the sensors and methods used in autonomous driving to the current state of autonomous driving. In the second part of the paper, we will discuss four different open source simulators that can be used to develop autonomous driving. Then we will explain the concept of reinforced learning and in the last part of the thesis, we will show how to use this technique in the CARLA simulator to create autonomous vehicle capable to navigate through a race track we have created.