PEKİŞTİRMELİ ÖĞRENME İLE OTONOM DRONE UÇUŞU VE GÖREV PLANLAMASI: HEDEFLERE ULAŞMA VE ENGELLERİ AŞMA STRATEJİLERİNİN GELİŞTİRİLMESİ

Abstract

Bu çalışmanın amacı, pekiştirmeli öğrenme yöntemleri kullanılarak otonom dron uçuşu ve görev planlamasında hedeflere ulaşma ve engelleri aşma stratejilerini geliştirmektir. Bu, dron teknolojisinin etkinliğini ve güvenilirliğini artırmayı hedefleyen önemli bir araştırma alanını temsil etmektedir. Pekiştirmeli öğrenme algoritmalarının otonom dronların karar alma süreçlerini optimize ederek, değişen koşullara uyum sağlayabileceği ve etkili hedeflere ulaşma ve engelleri aşma stratejilerini geliştirebileceği varsayılmaktadır. Bu çalışma kapsamında farklı çevresel koşullara ve görev senaryosuna sahip dronun pekiştirmeli öğrenme algoritmaları performansı değerlendirilecektir. Örneklem büyüklüğü, farklı senaryolarda kapsamlı veri toplama ve analiz yapma kapasitesini içerecek şekilde planlanmıştır. Otonom dron sistemleri üzerine kurulan pekiştirmeli öğrenme algoritmaları, simülasyon ortamlarında elde edilen veriler detaylı bir şekilde incelenecektir. Pekiştirmeli öğrenme algoritmalarının otonom dronların görev performansını artırmada etkili olup olmadığı, hedeflere ulaşma ve engelleri aşma stratejilerindeki gelişmeleri göstererek analiz edilecektir. Bu tez, pekiştirmeli öğrenme ile otonom dron uçuşu ve görev planlamasının stratejik önemini vurgulayarak, yeni algoritmaların uygulanabilirliğini ve etkinliğini değerlendirme amacını taşımaktadır.

The aim of this study is to develop strategies for achieving targets and overcoming obstacles in autonomous drone flight and mission planning by utilizing reinforcement learning methods. This represents a significant area of research aimed at enhancing the efficiency and reliability of drone technology. It is hypothesized that reinforcement learning algorithms can optimize the decision-making processes of autonomous drones, enabling them to adapt to changing environmental conditions and develop effective strategies for target achievement and obstacle avoidance. Within the scope of this study, the performance of reinforcement learning algorithms will be evaluated under different environmental conditions and mission scenarios. The sample has been designed to ensure the collection and analysis of comprehensive data across various scenarios. Reinforcement learning algorithms implemented for autonomous drone systems will be examined in detail using data obtained from simulation environments. The effectiveness of reinforcement learning algorithms in improving the task performance of autonomous drones will be analyzed by demonstrating their progress in achieving targets and overcoming obstacles. This thesis aims to emphasize the strategic importance of reinforcement learning in autonomous drone flight and mission planning, while also assessing the applicability and effectiveness of newly developed algorithms.