Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/12578
Title: Estudo comparativo dos softwares de simulação para carros autônomos CARLA e Udacity
Authors: Bonon, Carlos Eduardo de Almeida
metadata.dc.contributor.advisor: Silva, João Marcos Meirelles da
metadata.dc.contributor.members: Fernandes, Natalia Castro
Ferreira, Vitor Hugo
Issue Date: 2019
Publisher: Universidade Federal Fluminense
Citation: BONON, Carlos Eduardo de Almeida. Estudo comparativo dos softwares de simulação para carros autônomos CARLA e Udacity. 2019. 48 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Telecomunicações)-Universidade Federal Fluminense, 2019.
Abstract: A grande maioria dos acidentes de trânsito podem ser evitados, não fosse a imprudência dos condutores. Soluções de automação, inteligência artificial e IoT para carros autô- nomos já se encontram em estudo e desenvolvimento, como visto nos artigos usados no estudo deste trabalho. Neste trabalho, foram abordados os conceitos de aprendizado de máquina e comunicação entre sensores dentro de duas ferramentas de simulação para veı́culos autônomos disponı́veis no mercado, CARLA e Udacity. Levando em conta as caracterı́sticas individuais de cada ferramenta, este trabalho abordou os aspectos de pro- cessamento de imagens com técnicas de aprendizado por reforço e técnicas de aprendizado supervisionado. A partir das experiências reunidas neste trabalho, foi possı́vel elaborar uma sı́ntese dos pontos fortes e fracos de cada ferramenta dentro de suas propostas através da avaliação de desempenho e verificação da acurácia dos modelos desenvolvidos dentro das ferramentas, juntamente com os resultados obtidos no decorrer no desenvolvimento e teste deste trabalho, formando assim uma tabela de análise resumindo os resultados obtidos dentro de critérios escolhidos para medir performance, com o intuito de ajudar iniciantes em uma aplicação dentro desta área e documentar os resultados e pontos fortes e fracos das análises relativas a cada modelo.
metadata.dc.description.abstractother: It is common knowledge that most of car accidents could be avoided if the drivers we- ren’t reckless. Solutions involving automation, machine learning and internet of things in autonomous cars are current studied and in development phase. However, there is still a big gap when it comes to having access to a development tool that may aid in creating those solutions. Besides only existing a few tools, not all of them are accessible or easy to understand and deploy applications. Having a development tool that is self-explanatory and easy to deploy is an ambitious proposal but also a necessary one. In this paper, the goal is to understand and test machine learning solutions and sensor communication in two of tools that are available in the market, CARLA and Udacity. Taking each tool’s characteristics into consideration, image processing and recognition solutions using rein- forcement learning and supervised learning were proposed. Next, a compilation with the experience was created, along with the resultant feedback. Finally, it was possible to create a summary with each tool’s strengths and weaknesses in order to aid those that choose to start to develop an application in this field.
URI: https://app.uff.br/riuff/handle/1/12578
Appears in Collections:TGT - Trabalhos de Conclusão de Curso - Niterói

Files in This Item:
File Description SizeFormat 
TCC_REFIXED Carlos Eduardo.pdf1.4 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons