The study numerical to detect collisions using neural network with D* algorithm
Bibliographic entry
Medvedev, M. Yu. The study numerical to detect collisions using neural network with D* algorithm / M. Yu. Medvedev, A. K. Farhood // Транспорт и транспортные системы: конструирование, эксплуатация, технологии : сборник научных статей / Белорусский национальный технический университет ; редкол.: С. В. Харитончик (гл. ред.) [и др.]. – Минск : БНТУ, 2022. – Вып. 4. – С. 114-119.
Abstract
A numerical study of the proposed iterative algorithm using the Matlab complex is carried out. During the study, the task of teaching a neural network to plan a route was solved in the same way as the "teacher" algorithm, for which D* was chosen. The initial filtering option is selected in such a way that, when a collision occurs, a trajectory point that preceded the collision is fed into the filtered sample, i.e., in which the neural network incorrectly classified the situation. This method of filtering was not effective, because the wrong decision that led to the collision could have been made not immediately before the collision, but earlier. In this regard, the procedure for filtering examples for training has been modified so that when a collision occurs, maps with the robot's position at all points of its trajectory are added to the training sample. This allows you to significantly increase the success of achieving the goal.
Abstract in another language
Проведено численное исследование предложенного итерационного алгоритма с использованием комплекса Matlab. В ходе исследования решалась задача обучения нейронной сети планировать маршрут таким же образом, что и алгоритм «учителя», в качестве которого выбран D*. Начальный вариант фильтрации выбран таким образом, при возникновении коллизии в фильтруемую выборку подается точка траектории, которая предшествовала коллизии, т. е. в которой нейронная сеть неправильно классифицировала ситуацию. Такой способ фильтрации оказался не эффективным, т. к. неверное решение, которое привело к коллизии, могло быть принято не непосредственно перед коллизией, а ранее. В этой связи процедура фильтрации примеров для обучения была модифицирована таким образом, чтобы при возникновении коллизии в обучающую выборку добавлялись карты с положением робота во всех точках его траектории. Это позволяет существенно повысить успешность достижения цели.