Deep learning for drone navigation (2020)
- Authors:
- USP affiliated author: BICAIO, WILLIAN MARCON - EESC
- School: EESC
- Sigla do Departamento: SAA
- Subjects: AERONAVES NÃO TRIPULADAS; CORRIDAS; COMPETIÇÃO; REDES NEURAIS
- Keywords: Navegação autônoma de drones
- Language: Inglês
- Abstract: Corridas e navegação de drones autônomos são aplicações emergentes da aprendizagem profunda que podem ser utilizadas em competições e potencialmente na automação de uma série de tarefas realizadas por drones. Nesta monografia, aplicamos o método Deep Deterministic Policy Gradient (DDPG) para treinar uma rede neural cujo objetivo é dirigir um quadricóptero simulado rumo a um alvo, reproduzindo um ambiente de corrida de drones simplificado. O modelo explorado na monografia não utiliza nenhum método de visão computacional. Ele assume que a posição e a velocidade do drone em relação ao alvo são conhecidas em qualquer instante, e essas variáveis são passadas como inputs para o modelo. Baseada unicamente nessas variáveis, a rede neural controla as velocidades angulares dos rotores do quadricóptero, que por sua vez determinam a trajetória de voo realizada pelo drone. A aplicação do DDPG para o treinamento de redes neurais requer a construção de uma função de recompensa eficiente, o que é essencial para a convergência do modelo. Algumas opções de funções de recompensa foram testadas e serão apresentadas na monografia. Os resultados demonstraram que o DDPG é um método adequado para o treinamento de redes neurais aplicadas ao problema de deep drone racing, como sugere o fato de que, após o treinamento, o drone foi capaz de se dirigir ao alvo para um certo intervalo de distâncias iniciais e independentemente do vetor diretor inicial do drone ao alvo. Apesar disso, alguns problemas secundários restam a ser solucionados e podem servir como temas de futuros trabalhos. Entre esses problemas estão os fatos de que as trajetórias escolhidas pela rede neural geralmente não são ótimas e de que o drone tende a divergir do alvo quando a distância entre os dois é inferior a cerca de um metro.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2020
-
ABNT
BICAIO, Willian Marcon. Deep learning for drone navigation. 2020. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2020. Disponível em: https://bdta.abcd.usp.br/directbitstream/0e646032-57f7-4101-a5a4-d076924539dd/Bicaio_Willian_tcc.pdf. Acesso em: 26 abr. 2024. -
APA
Bicaio, W. M. (2020). Deep learning for drone navigation (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/0e646032-57f7-4101-a5a4-d076924539dd/Bicaio_Willian_tcc.pdf -
NLM
Bicaio WM. Deep learning for drone navigation [Internet]. 2020 ;[citado 2024 abr. 26 ] Available from: https://bdta.abcd.usp.br/directbitstream/0e646032-57f7-4101-a5a4-d076924539dd/Bicaio_Willian_tcc.pdf -
Vancouver
Bicaio WM. Deep learning for drone navigation [Internet]. 2020 ;[citado 2024 abr. 26 ] Available from: https://bdta.abcd.usp.br/directbitstream/0e646032-57f7-4101-a5a4-d076924539dd/Bicaio_Willian_tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Bicaio_Willian_tcc.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
