mdh.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
DECISION-MAKING FOR AUTONOMOUS CONSTRUCTION VEHICLES
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.
Mälardalens högskola, Akademin för innovation, design och teknik, Inbyggda system.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Autonomous driving requires tactical decision-making while navigating in a dynamic shared space environment. The complexity and uncertainty in this process arise due to unknown and tightly-coupled interaction among traffic users. This thesis work formulates an unknown navigation problem as a Markov decision process (MDP), supported by models of traffic participants and userspace. Instead of modeling a traditional MDP, this work formulates a Multi-policy decision making (MPDM) in a shared space scenario with pedestrians and vehicles. The employed model enables a unified and robust self-driving of the ego vehicle by selecting a desired policy along the pre-planned path. Obstacle avoidance is coupled within the navigation module performing a detour off the planned path and obtaining a reward on task completion and penalizing for collision with others. In addition to this, the thesis work is further extended by analyzing the real-time constraints of the proposed model. The performance of the implemented framework is evaluated in a simulation environment on a typical construction (quarry) scenario. The effectiveness and efficiency of the elected policy verify the desired behavior of the autonomous vehicle.

Ort, förlag, år, upplaga, sidor
2019.
Nyckelord [en]
shared-space users, MPDM, timing analysis, planning and decision-making, autonomous vehicle, MDP, reinforcement learning, social force model
Nationell ämneskategori
Robotteknik och automation Inbäddad systemteknik
Identifikatorer
URN: urn:nbn:se:mdh:diva-44250OAI: oai:DiVA.org:mdh-44250DiVA, id: diva2:1326805
Externt samarbete
Volvo Construction Equipment, Eskilstuna
Ämne / kurs
Datavetenskap
Handledare
Examinatorer
Tillgänglig från: 2019-06-25 Skapad: 2019-06-18 Senast uppdaterad: 2019-06-25Bibliografiskt granskad

Open Access i DiVA

fulltext(2428 kB)59 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2428 kBChecksumma SHA-512
581843df5a07cef5952a8b9242aae0c76ba758af6ed64988b2a0bd7e5c6e4e2b19cea10f33fab08f446febc4798b4951b2cb093e3ef015413d883143d213422c
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Marielle, GallardoSweta, Chakraborty
Av organisationen
Inbyggda system
Robotteknik och automationInbäddad systemteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 59 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 206 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf