elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Imprint | Privacy Policy | Contact | Deutsch
Fontsize: [-] Text [+]

Reinforcement learning with variational quantum algorithms for trajectory planning

Hickmann, M. Lautaro (2022) Reinforcement learning with variational quantum algorithms for trajectory planning. Master's, Universität Ulm.

[img] PDF
4MB

Abstract

Das Ziel dieser Arbeit ist es, Reinforcement Learning (RL) mit Variational Quantum Circuits (VQCs) mit Fokus auf seine Anwendbarkeit auf verschiedene Standard-RL-Probleme und Spurwechselmanöver zu untersuchen. Die untersuchten Hauptaspekte umfassten Machbarkeit, Einschränkungen und mögliche Vorteile beim Vergleich quantenerweiterter Systeme mit klassischen Systemen in RL. Wir konnten zeigen, dass VQCs mehrere einfache RL-Umgebungen lösen können und ähnliche oder sogar bessere Ergebnisse erzielen als ein klassischer Agent. Für das komplexere Spurwechselmanöver erzielten wir suboptimale Ergebnisse für das aktuelle Setup mit eingeschränkter Hyperparametersuche. Wir haben ferner gezeigt, dass Umgebungen mit einer doppelt so großen Beobachtungsvektorgröße wie zuvor veröffentlicht gelöst werden können. Wir fanden auch Hinweise auf mögliche Quantenvorteile in der Konvergenzrate und Stabilität für diskrete Zustandsraumumgebungen. Darüber hinaus haben wir auch gezeigt, dass der mit einem VQC implementierte Q-Learning-Algorithmus stark rauschanfällig ist, was zu Problemen bei der Verwendung von Noisy Intermediate-Scale Quantum (NISQ)-Hardware führt.

Item URL in elib:https://elib.dlr.de/193987/
Document Type:Thesis (Master's)
Additional Information:Prüfer: Prof. Dr. Friedhelm Schwenker, Prof. Dr. Frank Köster Betreuer: Dr. Hans-Martin Rieser, Dr. Bogusz Bujnowski
Title:Reinforcement learning with variational quantum algorithms for trajectory planning
Authors:
AuthorsInstitution or Email of AuthorsAuthor's ORCID iDORCID Put Code
Hickmann, M. LautaroUNSPECIFIEDhttps://orcid.org/0000-0002-9501-4004144602967
Date:30 May 2022
Refereed publication:Yes
Open Access:Yes
Number of Pages:95
Status:Published
Keywords:Quantum Machine Learning, Quantum Neural Networks, Reinforcement Learning, Quantum Reinforcement Learning, Autonomous Driving, Trajectory Planning, Variational Quantum Circuits
Institution:Universität Ulm
Department:Fakultät für Ingenieurwissenschaften, Informatik und Psychologie: Institut für Neuroinformatik
HGF - Research field:Aeronautics, Space and Transport
HGF - Program:Transport
HGF - Program Themes:other
DLR - Research area:Transport
DLR - Program:V - no assignment
DLR - Research theme (Project):V - no assignment, R - Reinforcement learning with quantum algorithms, D - short study [KIZ]
Location: Ulm
Institutes and Institutions:Institute for AI Safety and Security
Institute of Transportation Systems > Cooperative Systems, BA
Deposited By: Hickmann, Manuel Lautaro
Deposited On:17 Oct 2023 11:30
Last Modified:17 Oct 2023 11:30

Repository Staff Only: item control page

Browse
Search
Help & Contact
Information
electronic library is running on EPrints 3.3.12
Website and database design: Copyright © German Aerospace Center (DLR). All rights reserved.