Navigation d'un véhicule autonome avec apprentissage par renforcement profond

Projet de fin d'etude en pour l'obtention d'un double master :

• Master Web Intelligence et Science Des Données (WISD) à l'Université Sidi Mohamed Ben Abdallah de Fès
• Master Exploration Informatique Des Données Et Décisionnel (EID) à l'Université Sorbonne Paris Nord

Résumé

L'irruption des véhicules autonomes dans le secteur des transports est irréversible. Toutefois, le passage des véhicules conventionnels aux véhicules autonomes ne se fera pas du jour au lendemain, mais sera un processus de plusieurs années au cours duquel, progressivement, de nouvelles fonctionnalités autonomes seront équipées des véhicules et présentées aux clients. Ces fonctionnalités automatisées/autonomes sont, de nos jours, connues sous le nom d'ADAS (Advanced Driver Assistance Systems). L'objectif de ce projet est, par la combinaison de différentes fonctions ADAS, faire en sorte que le véhicule navigue sur une autoroute de manière autonome, mais en même temps, en respectant les exigences du code de la route et en garantissant la sécurité sur la route. Afin d'atteindre cet objectif, l'approche proposée consiste à mettre en œuvre les méthodes d'apprentissage par renforcement profond pour sélectionner la fonction ADAS appropriée à chaque instant. Les algorithmes sont testés à l'aide d'un simulateur d’autoroute à cinq voies dans des conditions de trafic dense. Le véhicule sera guidé par les données LIDAR provenant du capteur installé dans le véhicule (capteur équipant la plupart des futurs véhicules autonomes). Les résultats ont montré qu'au fur et à mesure que l'apprentissage de la conduite progressait, la vitesse moyenne et le nombre de dépassements du véhicule augmentaient, tandis que le nombre de changements de voie du véhicule diminuaient.

Auteurs :

• SAID ABDEREMANE

Encadrant :

Pr. ALI YAHYAOUY