使用說明

執行gui.exe

程式介面說明

• Select Map：讀取軌道
• Select Log：選擇行進路徑記錄檔(如果是要看模型訓練結果就不用選)
• Load Log：讓自走車根據紀錄檔中的路徑行走
• Self Drive：載入 MLP 模型，將左、前、右 3 個測距 sensor 測得的距離當 作模型輸入所得的結果
• 上方的 Left、right、front：sensor 所測到的車子與牆壁距離
• 右下方的 figure：自駕結果

如何重現實驗結果

點擊 select map -> 選取軌道座標點txt檔 -> 點擊 self-drive

程式碼說明

• GUI.py：包含 GUI 物件設定(layout)與 GUI 上各個按鈕按了之後呼叫函式的邏輯
• Car_and_Map.py: 定義 Car 與 Map 這兩個 class。
  • Map 提供讀取地圖後將地圖繪製於 GUI 上的功能(包含將車子的初始位置也 一起繪製)，Map 中也會儲存與地圖邊界相關的資訊。
  • Car 提供車子移動後的座標與面向更新、根據車子位置更新三個 sensor 的值、偵測車子是否撞到邊界、將車子繪製在 figure 上、判斷車子是否到達終點、將車子位置重置等功能。
• Dataset.py: 就像是 pytorch 裡的 dataset 一樣，做一些資料的前處理，讓資料可以送入模型訓練。
• Model.py: 定義模型與儲存、載入模型
• Class MLP
  • init: 根據傳入的參數，初始化權重、配置空間暫存每個神經元的輸出結果、配置空間儲存每一個神經元的 delta(區域梯度函數)和設定 activation function(目前只有 sigmoid 可用)
  • Forward: 傳入訓練資料，計算每一個神經元的輸出並儲存
  • Backward: 計算各個神經元的區域梯度函數並儲存
  • Derivative_of_activation_function: 根據活化函數的不同，計算微分後的結果
  • Update: 更新權重
• Generate_training_data.py: 一個 GUI 介面，用來生成訓練資料，方式包含手動開車、用訓練的不是很好的模型開車、根據觀察出來的規則開車
• Train_Model.py: 訓練模型(可以自由更改模型層數和 learning rate)，訓練後的模型存在 model 資料夾下