Path Planning and Obstacle Avoidance for Marine Vessels Using the Deep Deterministic Policy Gradient Method

Abstract

Med autonomi som et av hovedfokusene innen utviklingen av den maritime industrien er dokking-fasen et aspekt av et fullt autonomt fartøy som ennå ikke er utforsket fullt ut. På grunn av manøvreres kompleksitet er det vanskelig å beregne hva som er den optimale oppførselen nå r man dokker. Men med fremskritt av maskinlæring de siste å rene har nye metoder blitt tilgjengelige som mulige løsninger på problemet.

I denne oppgaven er problemet med autonom dokking delt inn i to separate må l. Disse er baneplanlegging og hinder unngåelse. En implementasjon av Deep Deterministic Policy Gradientmetoden blir deretter brukt som en kontrollalgoritme for å lø se begge de separate må lene. Til tross for begrenset suksess i trening og tester utført i dette arbeidet, viser algoritmen seg lovende gitt at visse foreslåtte forbedringer blir gjennomført.

With autonomy as one of the main focuses in the development of the maritime industry one aspect of a fully autonomous vessel which has yet to be fully explored is the docking phase. Due to the complexity of the maneuvers it is difficult to compute what is the optimal behaviour when docking. However with the advancement of machine learning in recent years new methods have become available as possible solutions to the problem.

In this thesis the problem of autonomous docking is separated into two separate objectives of path planning and obstacle avoidance. An implementation of the Deep Deterministic Policy Gradient method is then applied as a control algorithm for solving both the separate objectives. Despite limited success in the training and tests performed in this work the algorithm shows promise given certain suggested improvements are made.