Análise de desempenho e generalização do algoritmo Soft Actor-Critic (SAC) integrado à otimização de trajetória K1999 em veículos autônomos simulados
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
O desenvolvimento de veículos autônomos simulados (AWS DeepRacer) enfrenta o
desafio da instabilidade de convergência e do elevado custo exploratório inerentes
ao algoritmo Soft Actor-Critic (SAC) em espaços de ação contínuos. Este trabalho
propõe avaliar o impacto da integração da otimização geométrica de trajetória
(K1999) como um guia estruturado para a exploração do SAC, visando mitigar
o caos exploratório inicial e o sobreajuste (overfitting) geométrico. Utilizou-se o
ambiente em nuvem da AWS para treinar dois modelos SAC por 6 horas cada:
um controle (trajetória central) e um proposto (K1999). A função de recompensa
incorporou decaimento exponencial de distância e velocidade à linha ideal. Os
resultados indicam que o modelo K1999 mitigou o caos exploratório, consolidando
sua política ótima 74 iterações antes da linha de base. Em testes de generalização
(zero-shot) em pista inédita, a abordagem reduziu as colisões em aproximadamente
66% e o tempo de volta pela metade. Conclui-se que a injeção de heurísticas pré-
calculadas reduz a entropia improdutiva e previne falhas catastróficas do SAC,
embora o modelo ainda apresente taxas residuais de overfitting ao lidar com
cenários totalmente desconhecidos.
Description
Keywords
Aprendizado por Reforço, Soft Actor-Critic (SAC), AWS DeepRacer, Condução Autônoma, Algoritmo K1999
Citation
SANTOS, Joao Victor de Sousa. Análise de desempenho e generalização do algoritmo soft actor-critic (SAC) integrado à otimização de trajetória k1999 em veículos autônomos simulados. Orientador: Francisco Marcelino Almeida de Araújo. 2026. 10 f. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal do Piauí, Campus Teresina Central, Teresina, 2026