Este repositório foi desenvolvido como parte da entrega do Projeto 1 da disciplina de Robôs Móveis Autônomos, pelos alunos Felipe Pereira Furlaneto e Marcos Vinicios dos Santos.
Este projeto tem como objetivo desenvolver um sistema de navegação autônoma para um robô movel DC, desenvolvido pelo Laboratório de Robótica e Sistemas Inteligentes da Universidade Federal de São Carlos( Autora:Kelen Teixeira Vivaldini disponível em:https://github.com/vivaldini/dcrobot ) por meio da integração de técnicas de aprendizado por reforço (Q-learning) e percepção baseada em Fast LiDAR. A proposta consiste em treinar um agente em um ambiente simulado, controlado e simplificado, utilizando dados discretizados sensoriais do modole simulado LiDAR Velodyne HDL-32E,desenvolvido por Lovro Marković, disponivel em:https://github.com/lmark1/velodyne_simulator , bem como neste repositório na pasta velodyne simulator. Esse sensor, será resposavel pela identificação dos obstaculos e por consequência na tomada de decisão em tempo real. Ao final, como trabalho futuro busca-se avaliar a capacidade do agente de generalizar o comportamento aprendido para cenários distintos, mesmo diante de incertezas e mudanças no ambiente.
cd seu workspace/src
git clone https://github.com/FelipePF22/Qlearn-AutoDrive.gitcd
catkin clean
catkin build
source devel/setup.bashroslaunch q_learning_control q_learning_sim.launchApós rodar o código de cima, as seguinte telas serão abertas
Ambiente no Gazebo:
Visualização no RViz:
⚠️ Este repositório contém os resultados preliminares da primeira parte da avaliação Dessa forma, o diretorio contem apenas o seguimento de treinamento inicial, as tecnicas de otimização de aprendizagem de maquinas, bem como a implementação da politica em um ambiente mais complexo, se destinaram para a segunda fase do projeto.