Bestärkendes Lernen zur automatisierten Erkundung und Kartographierung von Indoor-Umgebungen mittels unbemanntem Luftfahrtsystem

Zusammenfassung

In dieser Arbeit wird die automatisierte Indoor-Erkundung und -Kartographierung als Schlüsselverfahren zur Digitalisierung von Umgebungsstrukturen in der Fabrikplanung untersucht. Aus dem Anwendungsfall werden vier Anforderungen abgeleitet, deren Erfüllung in anderen aktuellen Arbeiten nur teilweise erfolgt. Zur Schließung dieser Lücke wird ein integrierter Reinforcement-Learning-Algorithmus in einer entwickelten Simulationsumgebung mit UAS, virtueller Indoor-Struktur und mehreren Agenten evaluiert. Vier Versuchskonfigurationen variieren Sensorausrichtung und Netzarchitektur (CNN vs. MLP). Die Bewertung erfolgt mittels Konvergenzanalyse und leistungsbezogener Kennzahlen. Ergebnisse zeigen, dass der Algorithmus in mindestens einer Konfiguration beide Teilaufgaben integriert löst. Geneigte Sensoren verschlechtern das Lernverhalten, während CNN-Architekturen MLP-Netze deutlich übertreffen. Die Machbarkeit einer Navigationslösung unter den gegebenen Anforderungen wird bestätigt.

Schlagworte

Publikation durchsuchen

Bibliographische Angaben

Copyrightjahr

2025

ISBN-Online

978-3-69030-168-8

Verlag

TEWISS, Garbsen

Reihe

Berichte aus dem IPH

Band

01/2025

Sprache

Deutsch

Seiten

118

Produkttyp

Monographie