fieldid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น
สืบค้น:

เขตข้อมูล ข้อมูล
บทคัดย่อ
การพัฒนาระบบจอดรถอัตโนมัติโดยใช้การเรียนรู้แบบเสริมกำลังเชิงลึก จากสภาพแวดล้อมจำลอง. : การจอดรถเป็นหนึ่งในกิจกรรมที่ผู้ใช้ยานพาหนะทุกคนต้องประสบพบเจอและมีความท้าทาย โดยเฉพาะอย่างยิ่งในปัจจุบันที่จำนวนผู้ใช้รถยนต์มีการเพิ่มขึ้นอย่างต่อเนื่อง ส่งผลให้การค้นหาที่จอดรถเป็นเรื่องที่ยากลำบากขึ้น และยังเพิ่มความเสี่ยงต่ออันตรายจากการชนหรือเฉี่ยวชนขณะเข้าจอด เพื่อเป็นการยกระดับความสะดวกและรวดเร็วในการจอดรถ เทคโนโลยีระบบปัญญาประดิษฐ์ (AI) สำหรับการจอดรถอัตโนมัติจึงเข้ามามีบทบาทสำคัญ การวิจัยนี้มุ่งเน้นการนำเทคโนโลยี AI มาใช้ในการพัฒนาและฝึกอบรมโมเดลสำหรับระบบจอดรถอัตโนมัติ โดยใช้สภาพแวดล้อมจำลองที่สร้างขึ้นจากแพลตฟอร์ม Unity ซึ่งเป็นเครื่องมือที่มีประสิทธิภาพในการจำลองสถานการณ์เสมือนจริง โมเดล AI จะได้รับการฝึกฝนและพัฒนาให้เรียนรู้พฤติกรรมการจอดรถโดยใช้เทคนิค Proximal Policy Optimization (PPO) ซึ่งเป็นหนึ่งในรูปแบบของ Reinforcement Learning (RL) โดยงานวิจัยในครั้งนี้ได้ทำการทดลองบนสภาพแวดล้อมจำลอง เทคนิคนี้เลียนแบบวิธีการเรียนรู้ของมนุษย์ โดยเน้นการเรียนรู้ผ่านการลองผิดลองถูกและการได้รับผลตอบแทนจากการกระทำนั้นๆ คล้ายกับการฝึกฝนสิ่งมีชีวิตด้วยการให้รางวัลเมื่อกระทำได้ถูกต้อง และลดรางวัลหรือลงโทษเมื่อกระทำผิดพลาด เป้าหมายหลักของการฝึกฝนโมเดล PPO คือการลดระยะห่างระหว่างรถกับสิ่งกีดขวาง และเพิ่มความแม่นยำในการเข้าช่องจอด เพื่อประเมินประสิทธิภาพในการจอดรถในสถานการณ์จำลองที่หลากหลาย เช่น การจอดรถระหว่างรถสองคัน และการจอดในช่องจอดที่แคบ ผลการวิจัยที่คาดหวังจะนำไปสู่การพัฒนาระบบช่วยเหลือการจอดรถอัตโนมัติที่สามารถทำงานได้อย่างมีประสิทธิภาพและปลอดภัยในสภาพแวดล้อมจริง ซึ่งจะช่วยเพิ่มความสะดวกสบายและลดความเสี่ยงให้กับผู้ขับขี่ในอนาคต
ผู้แต่ง
วรพงษ์ ศรีสอาด
ประเภทสิ่งพิมพ์
วิทยานิพนธ์ (MET) 2025
เลขหน้า
85
หัวเรื่อง
สถาบันเทคโนโลยีไทย-ญี่ปุ่น.สาขาวิชาเทคโนโลยีวิศวกรรม--วิทยานิพนธ์
หัวเรื่อง
เทคโนโลยีวิศวกรรม--วิทยานิพนธ์
เอกสารฉบับเต็ม
Download full text