Pengembangan Automatic Emergency Braking (AEB) pada Autonomous Driving Menggunakan Deep Q – Learning dengan PER

Abstrak

Penelitian ini membahas tentang kemampuan kendaraan otonom untuk menghindari rintangan, yang merupakan salah satu fitur penting dari sistem navigasi kendaraan otonom. Perancangan sistem pengereman darurat otomatis secara tradisional akan sulit karena membutuhkan biaya yang besar, kompleksitas, dan pertimbangan keamanan. Reinforcement Learning (RL) adalah salah satu metode kecerdasan buatan atau pembelajaran mesin yang dapat belajar langsung dari lingkungan. Penelitian ini menggunakan algoritma RL dengan metode deep q – learning (DQN) dan dioptimalkan dengan prioritized experience replay untuk menghindari rintangan. Simulasi dilakukan pada jalur dengan rintangan yang diposisikan satu jalan dengan model pada simulator CARLA.