Blar i NTNU Open på forfatter "Lekkas, Anastasios"
-
Continuous-Curvature Path Generation using Fermat's Spiral
Lekkas, Anastasios; Dahl, Andreas R; Breivik, Morten; Fossen, Thor I. (Journal article; Peer reviewed, 2013)This paper proposes a novel methodology, based on Fermat's spiral (FS), for constructing curvature-continuous parametric paths in a plane. FS has a zero curvature at its origin, a property that allows it to be connected ... -
Deep Reinforcement Learning Applied to Targeted Oceanographic Sampling for an Autonomous Underwater Vehicle: Comparing Machine Learning and Model Based Approaches in a Simulated Environment
Kingman, Ivan Håbjørg (Master thesis, 2021)Dyp forsterkende læring ble benyttet i et forsøk på å få en autonom under-vannsdrone til å oppsøke biologiske varmepunkter ("hotspots") av plankton iet simulert miljø. Prosedyrisk generert planktondata ble benyttet for å ... -
Deep Reinforcement Learning based tracking behavior for underwater vehicles
Khan, Abir (Master thesis, 2018)This thesis introduces the use of Machine Learning, specifically Reinforcement Learning, to create a model-free tracking property for Remotely Operated Vehicles (ROV). In detail, the ROV is trained by a RL algorithm to ... -
Deep Reinforcement Learning for Valve Manipulation
Vermedal, Arild (Master thesis, 2019)Denne oppgaven er inspirert av den raske utviklingen innen kunstig intelligens, særlig forsterkende læring, og den økte anvendelsen for praktiske formål, blant annet til undervannsoperasjoner i olje- og gassindustrien, og ... -
Design and usage of a multi-rotor platform for reinforcement learning research
Russvoll, Sondre Vincent (Master thesis, 2020)Motivert av de siste fremskrittene innen dyp forsterkende læring (DRL), har en kvadrokopterplattform for DRL blitt designet og bygd. Den består av et kvadrokopter, samt programvare for å fasilitere forskning innen DRL. Det ... -
Differentiable decision trees for reinforcement learning
Eik, Ruben (Master thesis, 2022)Forsterkende læring (engelsk: Reinforcement learning) bruker ofte dype nett til å beregne oppførsel i et miljø. Dype nett er en type maskinlæringsmodell som er svært vanskelig for mennesker og tolke, og blir derfor ofte ... -
End-to-end training for path following and control of marine vehicles
Martinsen, Andreas Bell (Master thesis, 2018)The problem of following, or tracking a predefined path, has been a long standing problem in the control engineering community. In most cases, previous works utilized existing or newly-presented models to represent the ... -
Experiments on the Mask RCNN Architecture with Synthetic Maritime Datasets
Angelsen, Lars Mansåker (Master thesis, 2020)Denne oppgaven utvider funksjonaliteten til instans-segmenterings arkitekturen "Mask RCNN" ved å inkludere en modul for retningsestimering. Senere blir modifiserte versioner av "Integrated Gradients" og LIME brukt til å ... -
Explainable AI for path following with Model Trees
Carbone, Nicolas Blystad (Master thesis, 2020)Den økende mengden applikasjoner som involverer maskinlæringsmetoder, utgjør en utfordring når eksperter prøver å forstå deres indre virkemåte. Deep Reinforcement Learning (DRL) er en maskinlæringsmetode som bruker kunstig ... -
Explainable AI methods for Cyber-Physical systems
Myklebust, Iver Osborg (Master thesis, 2021)Fremskrittene i kunstig intelligens (AI) det siste tiåret har banet vei for et innovativt og mer digitalisert samfunn. Til dags dato er AI-løsninger til stede i mange situasjoner vi møter hver dag. Basert på denne evolusjonen ... -
Explainable Artificial Intelligence for the docking of a marine vessel using SHAP and LIME
Sauar, Aurora Opheim (Master thesis, 2023)Autonom dokking av skip har vært et forskningsområde i flere tiår, og det første automatiske dokkingssystemet ble utviklet på 1960-tallet. Fremskritt innen teknologi har ført til stadig mer sofistikerte systemer, som kan ... -
Explaining a Deep Reinforcement Learning Agent Using Regression Trees
Løver, Jakob (Master thesis, 2021)Bruken av "svart-boks"-modeller innen maskinlæring skaper problemer for systemer med fokus på sikkerhet. Systemer som nyttegjør seg av dyp forsterkende læring (engelsk: deep reinforcement learning / DRL) designes ofte med ... -
High-level Action Planning for Marine Vessels Using Active Inference and Reinforcement Learning
Sanden, Vegard (Master thesis, 2022)I de senere år har det vært en økning i undersøkelser rundt, utvikling og bruk av autonome marine fartøy. Et felt innen kunstig intelligens som har blitt brukt for å øke autonomiteten for marine fartøy er forsterkende ... -
High-level Action Planning for Marine Vessels using Reinforcement Learning
Eilertsen, Espen (Master thesis, 2019)Det har i det siste årene vært økende fokus på autonome marine fartøy. Motivasjonen bak dette kan tenkes å være både finansielle, sikkerhets og miljømessige. Denne oppgaven skal forsøke å utnytte reinforcement learning for ... -
Hovering Control of a Quadrotor Using Monocular Images and Deep Reinforcement Learning
Hansen Henriksen, Lasse (Master thesis, 2019)I de siste årene har fagfeltet forsterkendelæring opplevd en renessanse på grunn av gjennombrudd i feltet selv, og på grunn av andre muliggjørende teknologier slik som effektive software verktøy, beregningskraft og særlig ... -
Identifying clothing articles by use of iterative classification
Blindheim, Simon André Johnsen (Master thesis, 2018)Supervised machine learning is commonly applied in order to give machines the ability to assign labels to input data. Given a set of categories, the machine is tasked with identifying which class new observations belong ... -
Machine learning in robotics: Explaining autonomous agents in real time
Gjærum, Vilde Benoni (Doctoral theses at NTNU;2023:134, Doctoral thesis, 2023)Artifcial intelligence (AI) and machine learning (ML) offer a number of benefits in multiple applications within the field of robotics, such as computer vision, object grasping, motion control, and planning. Although AI ... -
Motion Planning Algorithms for Marine Vehicles
Hvamb, Knut (Master thesis, 2015)In this Master's thesis some of the most popular techniques in the motion-planning field are implemented in two-dimensional areas with obstacles. The Voronoi diagram method, the probabilistic roadmap method and the ... -
Multi-robot informative path planning under communication constraints
Meyer, Kevin (Master thesis, 2021)Samarbeidende multirobotsystemer utnyttes i større grad fordi de kan utvide mulighetene til et robotsystem utover evnene som hver enkelt robot innehar. Dette er spesielt tydelig når det gjelder heterogene robotlag, der ... -
Optimal Model-Based Trajectory Planning With Static Polygonal Constraints
Martinsen, Andreas Bell; Lekkas, Anastasios; Gros, Sebastien (Peer reviewed; Journal article, 2021)The main contribution of this article is a novel method for planning globally optimal trajectories for dynamical systems subject to polygonal constraints. The proposed method is a hybrid trajectory planning approach, which ...