Energy Conservation in Autonomous Agents using Reinforcement Learning
| dc.contributor.advisor | Кузьменко, Дмитро | uk_UA |
| dc.contributor.author | Беймук, Володимир | uk_UA |
| dc.date.accessioned | 2025-09-04T12:38:12Z | |
| dc.date.available | 2025-09-04T12:38:12Z | |
| dc.date.issued | 2025 | |
| dc.description | Our work aims to address this gap by exploring the intersection of autonomous racing, reinforcement learning, and energy conservation. Specifically, we investigate how incorporating a fuel consumption penalty into the reward function affects the resulting strategies of a reinforcement learning agent in a high-fidelity racing environment. Our goal is to incentivize the agent to find a balance between speed and energy efficiency, thereby forcing it to learn nontrivial trade-offs. Our key hypothesis is that by shaping the reward function to penalize fuel use in conjunction with lap time performance, the agent can be encouraged to adopt energy-efficient driving strategies without significantly compromising lap time. | en_US |
| dc.description.abstract | Метою кваліфікаційної роботи є дослідження можливостей алгоритмів навчання з підкріпленням для формування стратегій автономного водіння з урахуванням компромісу між енергоефективністю та швидкістю проходження траси. Основну увагу приділено модифікації функції винагороди шляхом додавання штрафу за витрату пального. Проведено аналіз сучасних підходів у сфері автономного водіння та перегонів, а також визначено основні труднощі, пов’язані з багатокритеріальною оптимізацією у реалістичних середовищах для перегонів. Описано реалізацію завдання з використанням алгоритму Soft Actor-Critic у середовищі Assetto Corsa. Розглянуто вплив різних рівнів штрафу за витрату пального на навчання агента, а також досліджено, як змінюються стратегія водіння, витрата пального та час проходження кола залежно від обраних параметрів винагороди. Окрему увагу приділено аналізу основних факторів, що впливають на витрату пального в симуляторі, таких як прискорення, оберти двигуна, передача та амплітуда кермового кута. | uk_UA |
| dc.identifier.uri | https://ekmair.ukma.edu.ua/handle/123456789/36442 | |
| dc.language.iso | en_US | en_US |
| dc.status | first published | en_US |
| dc.subject | автономне водіння | uk_UA |
| dc.subject | навчання з підкріпленням | uk_UA |
| dc.subject | компроміс швидкість-ефективнсть | uk_UA |
| dc.subject | Soft Actor-Critic | en_US |
| dc.subject | Reinforcement Learning | en_US |
| dc.subject | енергоефективність | uk_UA |
| dc.subject | симуляція перегонів | uk_UA |
| dc.subject | бакалаврська робота | uk_UA |
| dc.title | Energy Conservation in Autonomous Agents using Reinforcement Learning | en_US |
| dc.type | Other | en_US |
Files
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: