Sistem Penghindaran Rintangan Pada Mobil Otonom Menggunakan D3qn

Saputra, Firdaus Dheo (2022) Sistem Penghindaran Rintangan Pada Mobil Otonom Menggunakan D3qn. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111840000073-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Agar mobil otonom dapat berjalan dengan aman dan menghindari rintangan, diperlukan kemampuan untuk menghindari objek yang ada dengan menyesuaikan sudut setir kemudinya atau biasa disebut dengan Obstacle Avoidance. Salah satu metode yang digunakan untuk mengatasi permasalahan ini adalah dengan mensimulasikan mobil pada medan yang memiliki banyak rintangan kemudian menyimpan data dari sensor dan tindakan yang dilakukan oleh pengemudi. Metode lain yang dapat digunakan adalah dengan membiarkan mobil tersebut belajar untuk melakukan tindakan yang paling tepat. Dueling Deep Double Q-Networks (D3QN) adalah salah satu metode pelatihan yang membiarkan model dapat mencoba melakukan tindakan yang paling tepat. D3QN merupakan arsitektur yang menggunakan mekanisme Dueling dan Double-Q. Dengan menggunakan D3QN pada proses deep learning diharapkan waktu latihan mobil otonom berkurang. Hasil penelitian ini diharapkan menjadi metode alternatif untuk melatih mobil otonom.
==============================================================================================================================
For an autonomous car to run smoothly and safely to avoid obstacle, it requires a skillset that could avoid any object by controlling the steering wheel which is called obstacle avoidance. One of the method that could be use to resolve this promblem is by simulating a car through an environtment that has obstacle and record the car’s sensory input and action. Another method that can be used is to let the car learn by itself to do the most desired outcome. Dueling Deep Double Q-Networks (D3QN) is one of the methods that allow the model to train itself to do the most desired outcome. D3QN is an architecturer that uses Dueling and Double-Q mechanism. By utilizing D3QN, time used for training an autonomous car is expected to be reduced. This research is expected to be used as alternative to train an autonomous car.

Item Type:	Thesis (Other)
Additional Information:	RSE 629.893 2 Sap s-1 2022
Uncontrolled Keywords:	mobil otonom. deep reinforcement learning. D3QN. autonomous car. deep reinforcement learning. D3QN.
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	12 Jun 2026 03:56
Last Modified:	12 Jun 2026 03:56
URI:	http://repository.its.ac.id/id/eprint/133765

Actions (login required)

View Item