Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Couto, Gustavo Claudio Karl
Orientador(a): Antonelo, Eric Aislan
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/251951
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
id UFSC_329331c97063ecec3e7fc6860abb49e9
oai_identifier_str oai:repositorio.ufsc.br:123456789/251951
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaCouto, Gustavo Claudio KarlAntonelo, Eric Aislan2023-11-14T23:28:54Z2023-11-14T23:28:54Z2023384831https://repositorio.ufsc.br/handle/123456789/251951Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.Veículos autônomos representam a próxima fronteira da robótica, envolvendo tarefas complexas de percepção e controle. Esta dissertação investiga algoritmos de aprendizado por imitação para treinar um agente a conduzir um veículo em ambientes urbanos usando sensores como câmeras frontais e um planejador de trajetos baseado no Sistema Global de Navegação por Satélite (GNSS). A arquitetura hierárquica de Aprendizagem por Imitação Adversarial Generativa (hGAIL) é proposta como uma solução completa para a navegação de veículos autônomos, mapeando diretamente percepções sensoriais para ações de baixo nível enquanto aprende uma representação de nível médio do ambiente. Ela é composta por uma arquitetura com dois módulos principais: a Rede Adversarial Generativa Condicional (CGAN) cria uma representação de Visão Aérea (BEV) a partir de imagens da câmera frontal, e a Aprendizagem por Imitação Adversarial Generativa (GAIL) aprende a controlar o veículo com base nas previsões do primeiro módulo. O agente é capaz de aprender a partir de demonstrações de especialistas, tornando-o adequado para tarefas onde os sinais de recompensa são difíceis de definir. Os resultados relatados mostraram que o GAIL, usando exclusivamente câmeras (sem BEV), não consegue sequer aprender a tarefa, enquanto o hGAIL, após treinamento exclusivo em uma cidade, conseguiu navegar autonomamente com sucesso em 98% das intersecções de uma nova cidade que não foi utilizada na fase de treinamento.Abstract: Autonomous vehicles represent the next frontier of robotics, involving intricate tasks of perception and control. This dissertation investigates imitation learning algorithms to train an agent to drive a vehicle in urban environments using sensors like forward-facing cameras and a Global Navigation Satellite System (GNSS) based path planner. The hierarchical Generative Adversarial Imitation Learning (hGAIL) architecture is proposed as an end-to-end solution for autonomous vehicle navigation, directly mapping sensory perceptions to low-level actions while learning a mid-level representation of the environment. It comprises an architecture with two main modules: the Conditional Generative Adversarial Network (CGAN) generates a Bird's-Eye View (BEV) representation from frontal camera images, and the Generative Adversarial Imitation Learning (GAIL) learns to control the vehicle based on the predictions from the first module. The agent is able to learn from expert demonstrations, making it suitable for tasks where reward signals are difficult to define. The reported results have shown that GAIL exclusively from cameras (without BEV) fails to even learn the task, while hGAIL, after training exclusively on one city, was able to autonomously navigate successfully in 98% of the intersections of a new city not used in training phase.69 p.| il., gráfs.engEngenharia de sistemasAutomaçãoVeículos autônomosRobóticaGenerative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environmentsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEAS0437-D.pdfPEAS0437-D.pdfapplication/pdf2125484https://repositorio.ufsc.br/bitstream/123456789/251951/-1/PEAS0437-D.pdf978a67317dc98998f78bbc806f9eea03MD5-1123456789/2519512023-11-14 20:28:55.022oai:repositorio.ufsc.br:123456789/251951Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732023-11-14T23:28:55Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
title Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
spellingShingle Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
Couto, Gustavo Claudio Karl
Engenharia de sistemas
Automação
Veículos autônomos
Robótica
title_short Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
title_full Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
title_fullStr Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
title_full_unstemmed Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
title_sort Generative adversarial imitation learning with bird?s-eye view input generation for autonomous driving on urban environments
author Couto, Gustavo Claudio Karl
author_facet Couto, Gustavo Claudio Karl
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Couto, Gustavo Claudio Karl
dc.contributor.advisor1.fl_str_mv Antonelo, Eric Aislan
contributor_str_mv Antonelo, Eric Aislan
dc.subject.classification.none.fl_str_mv Engenharia de sistemas
Automação
Veículos autônomos
Robótica
topic Engenharia de sistemas
Automação
Veículos autônomos
Robótica
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2023.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-11-14T23:28:54Z
dc.date.available.fl_str_mv 2023-11-14T23:28:54Z
dc.date.issued.fl_str_mv 2023
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/251951
dc.identifier.other.none.fl_str_mv 384831
identifier_str_mv 384831
url https://repositorio.ufsc.br/handle/123456789/251951
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 69 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/251951/-1/PEAS0437-D.pdf
bitstream.checksum.fl_str_mv 978a67317dc98998f78bbc806f9eea03
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758980351655936

Registros relacionados