From 838d1628b41ceac4037a37cc469fa9cd198a56cd Mon Sep 17 00:00:00 2001 From: Paweł Dybiec Date: Tue, 13 Feb 2018 00:55:05 +0100 Subject: stan badań MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- Chapters/chapter1.tex | 14 ++++++++++++++ bibitems.tex | 1 + iithesis.pdf | Bin 480647 -> 482694 bytes 3 files changed, 15 insertions(+) diff --git a/Chapters/chapter1.tex b/Chapters/chapter1.tex index 63ddfbf..722723b 100644 --- a/Chapters/chapter1.tex +++ b/Chapters/chapter1.tex @@ -131,6 +131,20 @@ Inny moduł potrafi tworzyć mapy na podstawie obrazu z kamery oraz mapy głębo Wynik tej rekonstrukcji można obejrzeć za pomocą innych usług służących do wizualizacji różnych typów danych takich jak obraz, wartości zmieniających się w czasie, chmury punktów lub mapy terenu. +\section{Stan badań} +Już w latach 80. pojawiły się podejścia do problemu jazdy autonomicznej. +ALVINN to 3-warstwowa gęsta sieć neuronowa\cite{alvinn}, której wejściem były: obraz z kamery oraz +informacje z laserowaego czujnika odległości, a wyjściem taki kierunek skrętu, aby pojazd +utrzymał się na drodze. Wytrenowanie takiej sieci na tylko prawdziwych danych +było trudne, ze względu na potrzebną różnorodność danych. Z tego powodu dane treningowe +do tego pojazdu były generowane na symulatorze. W rezultacie pojazd potrafi przejachać 400 metrów przy dobrym oświetleniu z prędkością metra na sekundę. + +Rozwiązanie NVIDIi DAVE-2 z roku 2016 jest dużo bardziej efektywne od starego ALVINN-a\cite{nvidia}. Liczba parametrów +oraz wielkość sieci jest wielokrotnie większa od ALVINN-a. DAVE-2 jest konwolucyjną siecią neuronową +uruchamianą na sprzęcie NVIDIA Drive PX, którego głównym przeznaczeniem jest jazda autonomiczna. Zebrane dane uczące to 72 godziny jazdy po drogach w różnych warunkach. +Proces uczenia łączy odtwarzanie nagrań z symulowaniem. W zależności od pozycji +pojazdu w symulacji obraz z nagrania jest przekształcany w taki sposób, aby przypomiał widok z pozycji +w której znalazłby się model po wykonaniu instrukcji od DAVE-2. % \section{Autonomia Aleph 1} %Co zostało zrobione na przedmiocie: diff --git a/bibitems.tex b/bibitems.tex index b264fd8..249dfe6 100755 --- a/bibitems.tex +++ b/bibitems.tex @@ -12,5 +12,6 @@ Xin Zhang, Jake Zhao, Karol Zieba \href{https://arxiv.org/abs/1604.07316}{End to End Learning for Self-Driving Cars}, 2016 +\bibitem{alvinn} Dean A. Pomerleau \href{http://repository.cmu.edu/compsci/1875/}{ALVINN, an autonomous land vehicle in a neural network}, 1989 \bibitem{cnn} Alex Krizhevsky, Ilya Sutskever,Geoffrey E. Hinton \href{https://www.cs.toronto.edu/~kriz/imagenet_classification_with_deep_convolutional.pdf}{ImageNet Classification with Deep Convolutional Neural Networks}, 2012 \bibitem{ig} Mukund Sundararajan, Ankur Taly, Qiqi Yan \href{https://arxiv.org/abs/1703.01365}{Axiomatic Attribution for Deep Networks}, 2017 diff --git a/iithesis.pdf b/iithesis.pdf index 412a2cc..284852f 100644 Binary files a/iithesis.pdf and b/iithesis.pdf differ -- cgit 1.4.1