INTELLIGENCE ARTIFICIELLE IAR-1001
Application: Voiture autonome: Projet DAVE 2 (NVDIA) Perceptions Capture d’images de la route Capture des angles de braquage du volant Entraînement d’un CNN Conduite autonome avec le CNN entraîné Voir la référence : End to End Learning for Self-Driving Cars, Zieba K. et al. Voir le site de NVIDIA: https://devblogs.nvidia.com/deep-learning-self-driving-cars/
Application: Voiture autonome: Projet DAVE 2 (NVIDIA) Notes de cours (site ftp UQTR): Self-Driving-Car-NVIDIA.pdf LECTURES: Chapitre 24 Russell & Norvig Autre projet: Apprentissage automatique de la conduite par renforcement (voir le site: https://wayve.ai/blog/learning-to-drive-in-a-day-with-reinforcement-learning) Notes de cours (site ftp UQTR): selfDriving-CNN-ReinformentLearning.pdf
Perceptions Développement d’une voiture autonome à partir de cartes/systèmes NVIDIA: schéma général du système de capture
Entraînement d’un CNN
Entraînement d’un CNN Forme du CNN
Entraînement d’un CNN Sortie des couches convolutionnelles 1 et 2
Entraînement d’un CNN Sortie des couches convolutionnelles 1 et 2
Conduite autonome avec le CNN entraîné Schéma du système de conduite autonome
Conduite autonome avec le CNN entraîné Simulateur permettant l’évaluation des performances du système de conduite autonome
Conduite autonome avec le CNN entraîné Simulateur permettant l’évaluation des performances du système de conduite autonome
Apprentissage automatique de la conduite par renforcement