נושא הפרוייקט
מספר פרוייקט
מחלקה
שמות סטודנטים
אימייל
שמות מנחים
גישה חדשה מבוססת למידה מבוזרת לניווט משותף בסביבות מקומיות
Novel distributed learning-based approach for joint navigation in local environments
תקציר בעיברית
מאמר זה מציע גישה חדשה מבוססת למידה מבוזרת לניווט משותף בסביבות מקומיות עבור כלי רכב אוטונומיים. המטרה היא לשפר את הבטיחות בכביש ולייעל את זרימת התנועה באמצעות קבלת החלטות משותפת. פתרונות מסורתיים מסתמכים לעתים קרובות על מחשוב ריכוזי, המציב אתגרים משמעותיים, לרבות חששות פרטיות, סיכון לנקודת כשל בודדת והנחה לא מציאותית של תקשורת מתמדת וללא הפרעות. כדי לטפל בבעיות אלו, אנו מציעים גישה היררכית שבה נבחר רכב ראשי (master) מקבוצת כלי רכב סמוכים. כל רכב מעביר את הסטטוס שלו למאסטר, אשר יוצר וקטור גנרי המכיל בתוכו את הסטטוס הקולקטיבי של כל כלי הרכב. וקטור זה משמש כל רכב ליצירת רצף של פעולות ומצבים, המאפשר ניווט מתואם. הגישה שלנו נועדה להתמודד עם מצבים משתנים ולהסתגל לתנאים משתנים בזמן אמת. כדי לאמת את יעילותו של המודל, אנו מתכננים לערוך סדרה של ניסויים תוך שימוש במדדים כמותיים ואיכותיים. ניסויים אלה יעריכו את השפעת הגישה ההיררכית על יעילות הניווט, יבחנו את הגישה בתרחישים שונים ויעריכו את ביצועיה באמצעות מדדים כגון שיעור הצלחה וזמן להשלמת משימה. באמצעות הערכה מקיפה זו, אנו שואפים להוכיח שהגישה שלנו יעילה בסביבות שונות.
תקציר באנגלית
This paper proposes a novel, distributed learning-based approach for joint navigation in local environments for autonomous vehicles (AVs). The aim is to enhance on-road safety and optimize traffic flow through cooperative decision-making. Traditional solutions often rely on centralized computing, which poses significant challenges including privacy concerns, risk of a single point of failure, and the unrealistic assumption of constant, uninterrupted communication. To address these issues, we propose a hierarchical approach where a master vehicle is selected from a group of nearby vehicles. Each vehicle communicates its status to the master, which creates a generic vector encapsulating the collective status of all vehicles. This vector is used by each vehicle to generate a sequence of actions and states, facilitating coordinated navigation. Our approach is designed to handle varying situations and adapt to changing conditions in real-time. To validate its effectiveness, we plan to conduct a series of experiments using both quantitative and qualitative measures. These experiments will assess the impact of the hierarchical approach on navigation efficiency, test the approach in different scenarios, and evaluate its performance using metrics such as success rate and time to complete a task. Through this comprehensive evaluation, we aim to demonstrate that our approach is robust and effective across different environments.