| Titre : | Deep Reinforcement Learning based mapless navigation and control of mobile robots. |
| Titre original : | Navigation autonome sans carte basée sur l’Apprentissage par Renforcement Profond et commande des robots mobiles |
| Auteurs : | Khalil Raibia, Auteur ; Abderaouf Khelfaoui, Auteur ; Hakim Achour, Directeur de thèse ; Khelouat, Samir, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2025 |
| Format : | 1 fichier PDF (12.1 Mo) |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études :Automatique : Alger, École Nationale Polytechnique : 2025 Bibliogr. p. 97-98 |
| Langues : | Anglais |
| Index. décimale : | PA00325 |
| Tags : | mapless navigation Deep Reinforcement Learning artificial neural networks fuzzy T-S controller trajectory tracking mobile robots |
| Résumé : |
This thesis presents a pipeline for mapless navigation of mobile robots, where decision-
making and control are handled in separate stages. A Deep Reinforcement Learning (DRL) agent, trained with artificial neural networks, generates velocity commands that allow the robot to reach a goal while avoiding obstacles, using only onboard sensor data. These commands are then passed to a fuzzy Takagi-Sugeno (T-S) controller, which ensures accurate and robust trajectory tracking. In the single-agent case, the DRL-based navigation is compared with a classical navigation approach. The framework is further extended to a multi-robot setup, demonstrating decentralized coordination in shared environments. Simulation results validate the effectiveness and adaptability of the proposed pipeline. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PA00325 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Automatique | Téléchargeable |
