Teknik Peningkatan Performa Pelatihan Berbasis Visual Reinforcement Learning

Abstrak

Kemampuan kendaraan otonom dalam bermanuver dan menghindari tabrakan merupakan aspek penting dalam pengembangan sistem kendaraan otonom. Penelitian ini bertujuan untuk mengimplementasikan metode Reinforcement Learning (RL) berbasis Value Based supaya meningkatkan kemampuan agen dalam bermanuver dan menghindari tabrakan secara mandiri menggunakan hanya sensor visual berbasis kamera. Penelitian ini mencakup proses pengumpulan data dari simulasi kendaraan otonom, pengembangan dan pelatihan model menggunakan algoritma Value Based, serta evaluasi kinerja model dengan metrik seperti reward function, tingkat keberhasilan penghindaran tabrakan, dan manuver. Beberapa Teknik kemudian diusulkan dalam penelitian ini untuk menyempurnakan yang ditemukan pada algoritma value based seperti overestimation, penggunaan pengalaman yang tidak efisien, dan keterbatasan observasi secara parsial yang lazim menjadi masalah pada Value Based Reinforcement Learning. Model ini diujicobakan dan dijalankan pada dunia simulator Enduro. Hasil dari penelitian ini diharapkan dapat meningkatkan ketepatan penghindaran tabrakan kendaraan otonom dan kemampuan bermanuver. Selain itu, penelitian ini memberikan kontribusi bagi pengembangan teknologi kendaraan otonom berbasis kecerdasan buatan, yang dapat diaplikasikan dalam sistem kendaraan di masa depan.