JetRacer: Spurführung mit künstlicher Intelligenz: Unterschied zwischen den Versionen
Zur Navigation springen
Zur Suche springen
Keine Bearbeitungszusammenfassung |
Keine Bearbeitungszusammenfassung |
||
| Zeile 43: | Zeile 43: | ||
*[[Studentische_Arbeiten_bei_Prof._Schneider|Studentische Arbeiten bei Prof. Schneider]] | *[[Studentische_Arbeiten_bei_Prof._Schneider|Studentische Arbeiten bei Prof. Schneider]] | ||
*[[Anforderungen_an_eine_wissenschaftlich_Arbeit| Anforderungen an eine wissenschaftlich Arbeit]] | *[[Anforderungen_an_eine_wissenschaftlich_Arbeit| Anforderungen an eine wissenschaftlich Arbeit]] | ||
==Projektplan== | |||
[[Datei:MK-Projektplan_neu.png|900px|thumb|left|Abb.2: Projektplan<nowiki></nowiki>]] | |||
<br clear = all> | |||
== SVN-Repositorium == | == SVN-Repositorium == | ||
| Zeile 55: | Zeile 59: | ||
*[[Software_Planung| PAP Designer Einstieg]] | *[[Software_Planung| PAP Designer Einstieg]] | ||
*[[Software_Versionsverwaltung_mit_SVN| Einführung in SVN]] | *[[Software_Versionsverwaltung_mit_SVN| Einführung in SVN]] | ||
== [[Understand the existing system]] == | |||
== [[Optimize AI for speed and robustness in the lab]] == | |||
== [[Improve the controller (e.g., PD controller)]] == | |||
== [[Use MATLAB to train on Jetson Nano]] == | |||
== [[Drive JetRacer counterclockwise using a gamepad, limiting speed (e.g., 1 m/s)]] == | |||
== [[Record a lap using a MATLAB script]] == | |||
== [[Load and retrain a pretrained NN with a MATLAB GUI]] == | |||
== [[Optionally, automate NN training with classic lane tracking]] == | |||
== [[Develop a PD controller using the NN, coded in MATLAB for JetRacer GPU]] == | |||
== Mögliche Folgethemen == | == Mögliche Folgethemen == | ||
Version vom 18. Oktober 2024, 11:57 Uhr
Autor: Evrard Leuteu
Art: Projektarbeit
Starttermin: TBD
Abgabetermin: TBD
Betreuer: Prof. Schneider
Einführung
Installation der virtuellen Maschine VirtualBox
Aufgabenstellung
- Einarbeitung in das bestehende Framwework
- Optimierung der KI für den Rundkurs im Labor Autonome Systeme (Geschwindigkeit, Robustheit).
- Optimierung des Reglers (z. B. PD-Regler)
- Nutzung von MATLAB zum Anlernen des Jetson Nano.
- Drive the JetRacer in the right lane counterclockwise with the gamepad controller. Limit the speed via Software to a maximum (e. g. 1 m/s).
- Take a video while driving a lap with MATLAB® using a MATLAB®-script.
- Load the pretrained NN.
- Train the pretrained NN with MATLAB® with a MATLAB®-App (GUI) by clicking the desired path in the images.
- Option: Use classic lane tracking algorithms to teach the NN automatically.
- Write a PD-contoller that uses the NN to drive in the right lane. Program this in MATLAB® and let it run on the JetRacer-GPU using GPU Coder.
- Goal: the car should drive autonomously several laps in the right lane as fast as possible.
- Dokumentation nach wissenschaftlichem Stand im HSHL-Wiki
Anforderungen
Das Projekt erfordert Vorwissen in den nachfolgenden Themengebieten. Sollten Sie die Anforderungen nicht erfüllen müssen Sie sich diese Kenntnisse anhand im Rahmen der Arbeit anhand von Literatur/Online-Kursen selbst aneignen.
- Erfahrungen mit Künstlicher Intelligenz/Deep Learning
- Programmierung in C++, Python
- Dokumentenversionierung mit SVN
Anforderungen an die wissenschaftliche Arbeit
- Wissenschaftliche Vorgehensweise (Projektplan, etc.), nützlicher Artikel: Gantt Diagramm erstellen
- Wöchentlicher Fortschrittsberichte (informativ), aktualisieren Sie das Besprechungsprotokoll - Live Gespräch mit Prof. Schneider
- Projektvorstellung im Wiki
- Tägliche Sicherung der Arbeitsergebnisse in SVN
- Tägliche Dokumentation der geleisteten Arbeitsstunden
- Studentische Arbeiten bei Prof. Schneider
- Anforderungen an eine wissenschaftlich Arbeit
Projektplan
SVN-Repositorium
Getting started
Lesen Sie zum Einstieg diese Artikel
- Siddiquy, T.: Automated lane following of a Waveshare JetRacer with artificial intelligence. Bachelorarbeit
- Kamal, A.: JetRacer: Optimierung der Streckenführung. Projektarbeit
- Gantt Diagramm erstellen
- Tipps zum Schreiben eines Wiki-Artikels
- PAP Designer Einstieg
- Einführung in SVN
Understand the existing system
Optimize AI for speed and robustness in the lab
Improve the controller (e.g., PD controller)
Use MATLAB to train on Jetson Nano
Drive JetRacer counterclockwise using a gamepad, limiting speed (e.g., 1 m/s)
Record a lap using a MATLAB script
Load and retrain a pretrained NN with a MATLAB GUI
Optionally, automate NN training with classic lane tracking
Develop a PD controller using the NN, coded in MATLAB for JetRacer GPU
Mögliche Folgethemen
- Kreuzungserkennung
- Vorfahrterkennung
- Hinderniserkennung und Umfahrung
- Schildererkennung
Nützliche Artikel
- Deep Learning with MATLAB, NVIDIA Jetson, and ROS
- NVidia: JetRacer
- formulaedge.org
- Waveshare Wiki
- FAQ: Matlab to control jetracer(jetson nano tx1) motor
- Towards Autonomous Driving with Small-Scale Cars: A Survey of Recent Development
- Lane Detection in ROS 2 Using Deep Learning with MATLAB
- Train DQN Agent for Lane Keeping Assist
- Build Neural Networks for Self-Driving Cars with MATLAB
- DLI Training: Deep Learning for Autonomous Vehicles
- Machine Learning with Simulink and NVIDIA Jetson
- Comparative Transfer Learning Models for End-to-End Self-Driving Car
- Multi-task deep learning with optical flow features for self-driving cars
- Train DQN Agent for Lane Keeping Assist
- Real-Time End-to-End Self-Driving Car Navigation
- Hello AI World
- Jetson AI Courses and Certifications
- NVIDIA Developer Forums
- ChatGPT Anleitung für einen Lane Following Algorithmus
Literatur
Schreiber, C.: KI-gestützte „Follow-Me“-Funktion am Beispiel des JetRacer. Mittweida, Hochschule Mittweida – University of Applied Sciences, Fakultät Ingenieurwissenschaften, Masterarbeit, 2023. URL: [1]
→ zurück zum Hauptartikel: Studentische Arbeiten