Dissertação

A Deep Reinforcement Learning approach for Autonomous Docking of an Underactuated Surface Vessel EVALUATED

Com o crescente interesse em sistemas de navegação autónomos, estão a ser desenvolvidas técnicas avançadas de embarcações para assegurar que as estas possam controlar independentemente as suas próprias acções, especialmente em tarefas onde é necessária uma alta precisão. Uma destas tarefas é o procedimento de atracagem. O objectivo desta tarefa é a aproximação da embarcação à posição de atracagem em segurança, diminuindo gradualmente a velocidade até uma paragem completa. A baixas velocidades, a baixa propulsão no leme reduz a manobrabilidade da embarcação. Isto combinado com a alta densidade de obstáculos no ambiente portuário torna a tarefa de atracagem uma das tarefas mais desafiantes num cenário marítimo. Nesta investigação, propomo-nos resolver este problema, primeiro, através da construção de um ambiente portuário 3D realista. Em seguida, devido às capacidades de aprendizagem e à abordagem model-free, para esta investigação foram utilizadas técnicas de Aprendizagem de Reforço para desenvolver uma sistema de planeamento de acções para um navio subactuado, sem um planeamento prévio do percurso. Foi utilizada uma Duelling Network em combinação com o algoritmo Double Deep Q-Network para treinar o agente. O modelo foi testado para três cenários: 1) e 2) testam a capacidade do agente para se aproximar da posição de atracagem quando já está alinhado com esta; 3) testa a capacidade do agente para fazer toda a manobra de atracagem, começando perpendicularmente a esta. Relativamente à segurança e robustez, os resultados mostraram bom desempenho em todos os cenários, mas mostraram algumas limitações na suavidade do controlo.
Atracagem Autónoma, Aprendizagem por Reforço, LiDAR, Duelling Network

Fevereiro 9, 2021, 14:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Diogo Costa Arreda

BSB Driveline Solutions

Engenheiro

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado