Anwendung von Reinforcement Learning und Potentialfeldern für eine Multi-Agenten-Steuerung für Drohnen zur Lokalisierung von Funksignalen

Abstract

In dieser Arbeit wird die Generierung von Potentialkarten mit einem CNN Autoencoders und Reinforcement Learning behandelt. Hierfür wird eine mit dem MARS-Framework entwickelte Simulationsumgebung genutzt, um die generierten Karten zu erforschen und zu bewerten. Neben dem technischen Aufbau werden die Ergebnisse der verschiedenen getesteten Netzkonfigurationen erläutert.

This thesis deals with the generation of potential maps with a CNN autoencoder and reinforcement learning. For this purpose, a simulation environment developed with the MARS framework is used to explore and evaluate the generated maps. In addition to the technical setup, the results of the various network configurations tested are explained.