Detail studentské práce

Detail

1. Zásady pro vypracování:

   Zpracujte detailní rešerši přístupu známého jako “Reinforcement learning (RL)” - osvojte si obecné principy a popište rozdíly různých variant a parametrizací

2. Zvolte vhodnou úlohu (či úlohy) plánování trasy a vytvořte simulátor této úlohy

3. Implementujte vhodné varianty RL a na zvolených úlohách je v simulátoru porovnejte mezi sebou a také s algoritmy prohledávání stavového prostoru (brute-force, heuristické přístupy)

4. Vyhodnoťte přínos zapojení více agentů do řešení úlohy

5. Výsledné řešení přeneste do reálného prostředí na robotickou platformu dodanou vedoucím BP

   
   

   Literatura:

• Rastgoo, Naim & Nakisa, Bahareh & Nasrudin, Mohammad Faidzul & Zakree, Mohd & Ahmad Nazri, Mohd Zakree. (2015). A critical evaluation of literature on robot path planning in Dynamic environment. Journal of Theoretical and Applied Information Technology. 1070.

• Fadi AlMahamid, & Katarina Grolinger (2021). Reinforcement Learning Algorithms: An Overview and Classification. In 2021 IEEE Canadian Conference on Electrical and Computer Engineering (CCECE). IEEE.

• Hill, A., Raffin, A., Ernestus, M., Gleave, A., Kanervisto, A., Traore, R., Dhariwal, P., Hesse, C., Klimov, O., Nichol, A., Plappert, M., Radford, A., Schulman, J., Sidor, S., & Wu, Y.. (2018). Stable Baselines. 

• Matthias Plappert. (2016). Keras-rl. https://github.com/keras-rl/keras-rl