Search academic texts

Information × Registration Number 2125U003074, Article popup.category Бакалаврська робота Title Навчання з підкріпленням в симуляції для керування дроном в середовищах з фізичними перешкодами (AI translated) popup.author Дорофєєв Ілля ДмитровичDorofieiev Illya Dmytrovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76257 popup.publisher Київ Description Дипломна робота: 85 с., 3 рис., 5 табл., 2 додатки, 20 джерел. У дипломній роботі розглянуто побудову симуляційного середовища для навчання автономного дрона уникненню перешкод за допомогою алгоритмів глибокого навчання з підкріпленням. Реалізовано середовище на основі рушія Unreal Engine із вбудованим симулятором AirSim, що дозволяє моделювати фізику польоту та реалістичну взаємодію з об’єктами, зокрема деревами. Метою дослідження є створення повного циклу моделювання: від побудови сцени та інтеграції дрона до збору даних із камери та тренування нейронної мережі, що керує поведінкою агента в умовах невизначеності. Реалізовано сценарій польоту між контрольними точками через складну місцевість, з подальшим збором зображень і дій для формування навчальної вибірки. Об’єктом дослідження є процес автономного управління дроном у симульованому середовищі, предметом – алгоритмічне забезпечення ухилення від перешкод на основі зображень із камери та навчання з підкріпленням. У ході роботи використано алгоритм, який дозволяє враховувати неперервний простір дій. Результати роботи дозволяють зробити висновок про перспективність підходу для задач візуального обльоту перешкод. Запропонована інфраструктура може бути використана як основа для подальшого навчання та тестування моделей автономної навігації. Thesis: 85 pages, 3 fig., 5tabl., 1 app., 20 sources. This thesis presents the development of a simulation environment for training an autonomous drone to avoid obstacles using deep reinforcement learning algorithms. The environment is built with Unreal Engine integrated with the AirSim simulator, which enables realistic modeling of drone flight and physical interaction with objects such as trees. The aim of the study is to implement a full simulation-training pipeline: from forest scene construction and drone integration to camera data collection and training of a neural network that controls agent behavior under uncertainty. A flight scenario between predefined checkpoints through a dense environment was implemented to collect data and train the policy. The object of research is autonomous drone control in simulated conditions; the subject is the algorithmic mechanism of obstacle avoidance using onboard camera input and reinforcement learning. The algorithm was used to support continuous action space. The results demonstrate the feasibility of the proposed approach for visual obstacle avoidance. The developed infrastructure can serve as a foundation for future training and validation of autonomous navigation systems. popup.nrat_date 2025-11-05 Close