Deep Reinforcement Learning based mapless navigation and control of mobile robots. / Khalil Raibia (2025)

Public ISBD 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 Type de document : document électronique Auteurs : Khalil Raibia, Auteur ; Abderaouf Khelfaoui, Auteur ; Hakim Achour, Directeur de thèse ; Khelouat, Samir, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2025 Importance : 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 (eng) Mots-clés : mapless navigation Deep Reinforcement Learning artificial neural networks fuzzy T-S controller trajectory tracking mobile robots Index. décimale : PA00325 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. Deep Reinforcement Learning based mapless navigation and control of mobile robots. = Navigation autonome sans carte basée sur l’Apprentissage par Renforcement Profond et commande des robots mobiles [document électronique] / Khalil Raibia, Auteur ; Abderaouf Khelfaoui, Auteur ; Hakim Achour, Directeur de thèse ; Khelouat, Samir, Directeur de thèse . - [S.l.] : [s.n.], 2025 . - 1 fichier PDF (12.1 Mo). 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 (eng) Mots-clés : mapless navigation Deep Reinforcement Learning artificial neural networks fuzzy T-S controller trajectory tracking mobile robots Index. décimale : PA00325 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.

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00891	PA00325	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Automatique	Téléchargeable