Título
[pt] ANÁLISE COMPARATIVA DE ALGORITMOS DE APRENDIZADO POR REFORÇO PROFUNDO EM AMBIENTE LOCAL DE SIMULAÇÃO DEEPRACER-FOR-CLOUD
Título
[en] COMPARATIVE ANALYSIS BETWEEN EVOLUTIONARY ALGORITHMS AND DEEP REINFORCEMENT LEARNING IN THE AWS DEEPRACER ENVIRONMENT
Autor
[pt] GUSTAVO ARCARY PASSOS
Vocabulário
[pt] ALGORITMO EVOLUCIONARIO
Vocabulário
[pt] AWS DEEPRACER
Vocabulário
[pt] APRENDIZADO POR REFORCO PROFUNDO
Vocabulário
[en] EVOLUTIONARY ALGORITHM
Vocabulário
[en] AWS DEEPRACER
Vocabulário
[en] DEEP REINFORCEMENT LEARNING
Resumo
[pt] Este trabalho tem como objetivo analisar o desempenho de algoritmos
de aprendizado por reforço profundo aplicados à tarefa de condução autônoma
em ambientes de simulação. A pesquisa utiliza a plataforma AWS DeepRacer
e sua versão de código aberto, o DeepRacer-for-Cloud (DRfC), para realizar
treinamentos e experimentos locais. Foram empregados os algoritmos Proximal
Policy Optimization (PPO) e Soft Actor-Critic (SAC), comparando-se seus
resultados em diferentes pistas e configurações de treinamento. A análise busca
compreender como variações nos hiperparâmetros e na função de recompensa
impactam o desempenho dos agentes, bem como discutir as vantagens e
limitações do uso de uma infraestrutura local em relação ao serviço em nuvem
da AWS.
Resumo
[en] This work aims to analyze the performance of deep reinforcement learning
algorithms applied to autonomous driving tasks in simulation environments.
The study uses the AWS DeepRacer platform and its open-source version,
DeepRacer-for-Cloud (DRfC), to perform local training and experiments.
The algorithms Proximal Policy Optimization (PPO) and Soft Actor-Critic
(SAC) were employed, comparing their results across different tracks and
training configurations. The analysis seeks to understand how variations in
hyperparameters and reward functions affect agent performance, as well as to
discuss the advantages and limitations of using a local infrastructure compared
to the AWS cloud service.
Orientador(es)
AUGUSTO CESAR ESPINDOLA BAFFA
Catalogação
2026-03-26
Tipo
[pt] TEXTO
Formato
application/pdf
Idioma(s)
PORTUGUÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75851@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=75851@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.75851
Arquivos do conteúdo
NA ÍNTEGRA PDF