Entraînement Comportemental de Voitures Autonomes Utilisant un Réseau Neuronal Profond

La conduite autonome devient de plus en plus répandue de nos jours. Avec l'aide d'un certain nombre d'images de mouvements de voitures provenant du jeu de données de conduite autonome de Kaggle, nous explorons la faisabilité d'utiliser les images obtenues pour entraîner un réseau neuronal profond à détecter et prédire l'angle de direction, qui est la partie critique du comportement de la voiture. Étant donné que les réseaux neuronaux profonds ont émergé comme des outils puissants pour entraîner des voitures autonomes et apprendre et améliorer leurs comportements de conduite, nous incorporons des couches convolutionnelles et des couches supplémentaires dans l'architecture du réseau neuronal profond afin qu'il puisse capturer les comportements de manière appropriée et fournir des résultats efficaces. Nous démontrons que la mise en œuvre de cette approche est réussie et que l'implémentation correspondante met en évidence le potentiel des réseaux neuronaux profonds dans l'avancement de la technologie des voitures autonomes. Notre évaluation complète suggère que de futures recherches devraient se concentrer sur le raffinement de l'architecture du réseau et l'amélioration des capacités de perception afin d'apporter des avancées prometteuses au domaine.