Интегративные достижения в области глубокого обучения с подкреплением для оптимизации электромеханических систем и автономной навигации

Руководитель проекта: Жолтаев Дархан Муратович

Источник финансирования: ГФ молодых ученых по проекту «Жас ғалым»

Цель: ​​ Цель состоит в том, чтобы усовершенствовать алгоритмы глубокого обучения с подкреплением (ГОП) с использованием жидкостные нейронные сети (ЖСН) и модели большого языка (МБЯ), для создания более адаптивных и эффективных систем ГОП. Будет тестированы эти алгоритмы на сложных электромеханических системах, эффективности системы и ее адаптируемости в динамических средах.

Годы реализации: 2024–2026​

Объем финансирования: 29 858 850 тенге​​​

1. Разработка системы автономной навигации на базе TD3 и depth-камеры;
2. Проектирование и оптимизация наградной функции;
3. Улучшение симуляционной среды для обучения и стресс-тестирования.

Разработана система автономной навигации мобильного робота с использованием алгоритма глубокого обучения с подкреплением TD3 и depth-камеры, обеспечивающей трёхмерное восприятие окружающей среды. Спроектирована эффективная наградная функция, учитывающая расстояние до цели, избегание препятствий и плавность движения, что позволило ускорить обучение и повысить устойчивость поведения агента. Также улучшена симуляционная среда за счёт добавления динамических препятствий и реалистичных условий, необходимых для стресс-тестирования и повышения обобщающей способности модели.

• Был концептуально проверен и улучшен алгоритм с использованием глубокого обучения с подкреплением в электромеханических системах с использованием моделирования.​
• Был получен проверенный и улучшенный алгоритм глубокого обучения с подкреплением на моделировании, и была начата его реализация на аппаратном обеспечении.​