prikaz prve stranice dokumenta Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama
No public access
master's thesis
Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:691805
Vitez, Gabriela
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Vitez, G. (2024). Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:691805

Vitez, Gabriela. "Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:691805

Vitez, Gabriela. "Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:691805

Vitez, G. (2024). 'Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:691805

Vitez G. Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:691805

G. Vitez, "Stohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:691805

Metadata
TitleStohastičko optimiranje hiperparametara za modelsko prediktivno upravljanje u autonomnim utrkama
Title (english)Stochastic hyperparameter optimization for model predictive control in autonomous racing
AuthorGabriela Vitez
MentorIvan Marković (mentor)
Committee memberIvan Marković (član povjerenstva)
Committee memberIvan Petrović (član povjerenstva)
Committee memberLuka Petrović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-07-10, Croatia
Abstract
Diplomski rad istražuje automatske tehnike optimizacije hiperparametara modelskog prediktivnog upravljanja (MPC) za autonomne utrke vozila koristeći stohastičko optimiranje. Autonomna vozila u utrkama zahtijevaju precizne regulatore i tehnike za održavanje optimalnih trajektorija i stabilnosti. Visokodimenzionalnost prostora parametara čini ručno podešavanje hiperparametara u MPC-ima složenim. Metode su implementirane u MATLAB-u i Simulinku. Ispituje se primjena metode unakrsne entropije s različitim razdiobama, uključujući multivarijatnu Gaussovu i Gaussove mješavine, te uz korištenje surogatnih modela. Također se proučava Bayesovska optimizacija kao alternativni pristup za podešavanje hiperparametara. Početno je cilj bio maksimizirati prosječnu longitudinalnu brzinu vozila, što je pokazalo učinkovitost svih metoda. Kasnije je kriterijska funkcija prilagođena tako da maksimizira brzinu uz istovremeno minimiziranje lateralnog pomaka i kutnog odstupanja od središnje linije staze. To je rezultiralo poboljšanjem cjelokupnog ponašanja sustava održavajući visoku brzinu uz preciznije praćenje trajektorije.
Abstract (english)
This master's thesis explores automatic hyperparameter optimization techniques for Model Predictive Control (MPC) in autonomous vehicle racing using stochastic optimization. Autonomous vehicles in racing require precise controllers and techniques to maintain optimal trajectories and stability. The high-dimensional parameter space makes manual tuning of MPC hyperparameters complex. The methods are implemented in MATLAB and Simulink. Application of Cross-Entropy Method is investigated with various distributions, including multivariate Gaussian and Gaussian mixtures, along with the use of surrogate models. Bayesian optimization is also studied as an alternative approach for hyperparameter fine-tuning. Initially, the goal was to maximize average longitudinal vehicle speed, and this demonstrated the effectiveness of all the methods. Later, the objective function was adjusted to maximize speed while simultaneously minimizing lateral displacement and angular deviation from the track centerline. This improved overall performance by maintaining high velocity and ensuring better trajectory following.
Keywords
Keywords (english)
Languageenglish
URN:NBNurn:nbn:hr:168:691805
Study programmeTitle: Information and Communication Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 22:25:51