Difúzní modely pro robotické plánování
Diffusion models for path planning
Typ dokumentu
diplomová prácemaster thesis
Autor
Petr Zahradník
Vedoucí práce
Vonásek Vojtěch
Oponent práce
Rozsypálek Zdeněk
Studijní obor
Umělá inteligenceStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra počítačůPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Odšumovací difúzní probabilistický model (DDPM) je nedávno objevený způsob učení generativních neuronových sítí. V této práci popisujeme jeho aplikaci pro hledání průchozích cest pro roboty. Analyzujeme existující, veřejně dostupné implementace a jejich nedostatky znemožňující širší použití. Na základě námi navržených změn stavíme vylepšenou architekturu neuronové sítě. Dále testujeme model na různých úlohách a porovnáváme jej s jinými známými metodami. Náš přístup dosahuje úspěšných výsledků i v prostředích, která nebyla součástí trénovací množiny. V neposlední řadě navrhujeme, jak zkombinovat DDPM s jinými algoritmy pro plánování cest a dosáhnout ještě lepších výsledků. The Denoising Diffusion Probabilistic Model (DDPM) is a recent generative neural network framework. We describe its application to feasible path planning. We analyze the current open-source implementations and their shortcomings blocking wider adoptation. We propose significant improvements to one of them and build a neural network architecture using our implementation. We evaluate the performance of the model on a variety of tasks and compare it to other state-of-the-art methods achieving success even in previously unseen environments. Furthermore, we propose methods to combine DDPMs with other path-planning algorithms to improve their performance.
Kolekce
- Diplomové práce - 13136 [892]