Vi har i flera examensarbeten studerat Deep Learning och hur man bäst konfigurerar och tränar ett djupt nät. Vi har använt en robotbil som labbmiljö, som vi har tränat att upptäcka och undvika hinder. Vi har idag över 50.000 bilder, som vi använder för att träna nätet med. Träningen görs off-line och tar allt från 90 minuter till 48 timmar att genomföra. Vi har nått en tillförlitlighetsnivå på 85% - 90%. Nu vill vi pröva ett annat angreppssätt och träna nätet i realtid.

Uppgiften är att göra en kvalitativ och/eller en kvantitativ studie på vilka belöningssystem som är lämpliga att använda för att implementera ett självlärande system på vår robotbil. Resultaten ska utvärderas mot resultaten från de tidigare examensarbetena inom Deep Learning. Det självlärande systemet behöver inte nödvändigtvis vara ett neuralt nät eller ett djupt nät.

Vi söker dig som läser till civilingenjör på D, IT, MT, U, Y eller liknande utbildning.

För mer information kontakta Åsa Detterfelt, 070-6595812, asa.detterfelt@mindroad.se.

Fält med * är krav. Övriga är valfria.