ВКР ТУСУР: Виртуальное окружение для обучения и тестирования автопилота

ВКР ТУСУР: Виртуальное окружение для обучения и тестирования автопилота

Бесплатная консультация по вашей теме: Telegram: @Diplomit Телефон/WhatsApp/MAX: +7 (987) 915-99-32, Email: admin@diplom-it.ru

Актуальность темы

Автономные автомобили — это не будущее. Это уже сегодня. Tesla, Waymo, Яндекс.Авто — все они используют миллионы километров виртуальных тестов, прежде чем машина выедет на реальную дорогу. Почему? Потому что тестировать автопилот на реальных людях — это не этично, не безопасно и невероятно дорого. А вот в виртуальной среде — можно создать 10 000 сценариев: дождь, снег, дети на дороге, сломанный светофор, резкий поворот — и проверить, как нейросеть справится.

В ТУСУР, где ведутся исследования в области ИИ и систем управления, студенты хотят разрабатывать собственные алгоритмы автопилота. Но где взять данные? Где протестировать? Существующие симуляторы (CARLA, AirSim) — мощные, но сложные: требуют установки Linux, GPU, знания Python, C++. Для студента — это как попробовать собрать ракету, не зная, что такое болт.

Ваша дипломная работа — это создание простого, веб-ориентированного виртуального окружения, где любой студент сможет загрузить свою модель автопилота (например, нейросеть на PyTorch) и сразу увидеть, как она ведет себя в городе, на трассе, в туннеле. Это не просто симулятор. Это платформа для обучения и экспериментов, которую можно использовать на любом ноутбуке — без установок, без зависимостей.

Вы создадите инструмент, который сделает ИИ-обучение доступным для всех — и сделаете это на базе технологий, которые изучаете в ТУСУР.

Возникли трудности с выбором движка или реализацией физики? Наши эксперты по защите информации помогут! Звоните или пишите: Telegram: @Diplomit
+7 (987) 915-99-32 (WhatsApp/MAX), admin@diplom-it.ru.

Если вы еще не определились с архитектурой, ознакомьтесь с полным руководством по написанию ВКР ТУСУР Информационные системы и технологии Полное руководство по написанию ВКР ТУСУР Информационные системы и технологии.

Цель и задачи

Цель исследования: Разработать веб-ориентированное виртуальное окружение для обучения и тестирования моделей автопилота, позволяющее пользователям загружать свои алгоритмы и наблюдать за их поведением в симулированных дорожных условиях.

Для достижения цели необходимо решить следующие задачи:

• Проанализировать существующие симуляторы автопилота (CARLA, AirSim, Webots)
• Определить требования к веб-симулятору: производительность, масштабируемость, доступность
• Разработать архитектуру системы: клиент (веб), сервер (API), симулятор (JS/Python)
• Создать 3D-сцену с дорогой, машинами, пешеходами, погодными условиями
• Реализовать интерфейс для загрузки и запуска моделей автопилота (TensorFlow.js, ONNX)
• Разработать систему метрик: точность, безопасность, время реакции, количество аварий
• Реализовать функцию записи и воспроизведения сценариев
• Провести тестирование с участием студентов ТУСУР, изучающих ИИ и машинное обучение

Объект и предмет исследования

Объект исследования: Процессы обучения и тестирования моделей автопилота в условиях виртуальной среды.

Предмет исследования: Методы и технологии разработки веб-ориентированного виртуального окружения для обучения и тестирования автопилота на базе современных технологий веб-разработки и машинного обучения.

Фокус работы — на доступности сложных технологий. Как сделать так, чтобы студент, не знающий C++, смог загрузить свою нейросеть и увидеть, как она едет? Это не программирование — это дизайн для образования. Именно здесь ваша работа становится научно значимой и социально важной.

Примерный план (Содержание) работы

Глава 1. Теоретические основы симуляции автопилотов и веб-технологий

• 1.1. Принципы работы автопилотов: восприятие, принятие решений, управление
• 1.2. Роль симуляторов в обучении и тестировании ИИ-систем
• 1.3. Обзор существующих симуляторов: CARLA, AirSim, SUMO, Webots — плюсы и минусы
• 1.4. Современные веб-технологии для 3D: WebGL, Three.js, Babylon.js
• 1.5. Перенос моделей ML в веб: TensorFlow.js, ONNX.js, PyTorch WebAssembly

Глава 2. Проектирование и разработка виртуального окружения

• 2.1. Формирование требований к системе: функциональные и нефункциональные
• 2.2. Выбор технологического стека: React.js + Three.js + Node.js + TensorFlow.js
• 2.3. Проектирование архитектуры: клиент, сервер, API, симулятор
• 2.4. Создание 3D-сцены: дорога, транспорт, пешеходы, погода, освещение
• 2.5. Реализация физики движения: кинематика, столкновения, правила дорожного движения
• 2.6. Разработка интерфейса загрузки моделей: drag-and-drop, форматы, валидация
• 2.7. Реализация системы метрик и визуализации результатов
• 2.8. Создание системы сценариев и записи/воспроизведения

Глава 3. Тестирование и оценка эффективности

• 3.1. Методика тестирования: сравнение с CARLA, юзабилити-тесты
• 3.2. Оценка производительности: скорость загрузки, задержки, потребление памяти
• 3.3. Анализ удобства использования (SUS-шкала, NPS)
• 3.4. Оценка эффективности обучения: улучшение результатов студентов после использования
• 3.5. Рекомендации по внедрению в учебный процесс ТУСУР

Возникли трудности с реализацией физики или загрузкой модели? Наши эксперты по защите информации помогут! Звоните или пишите: Telegram: @Diplomit
+7 (987) 915-99-32 (WhatsApp/MAX), admin@diplom-it.ru.

Ожидаемые результаты и практическая значимость

Результатом работы станет полнофункциональное веб-окружение с открытым исходным кодом, включающее:

• 3D-сцену с городской и загородной дорогой, пешеходами, транспортом
• Интерфейс загрузки моделей автопилота (TensorFlow.js, ONNX)
• Система метрик: количество аварий, точность распознавания знаков, время реакции
• Редактор сценариев: создание, сохранение, воспроизведение
• Визуализация данных: графики, тепловые карты, режим замедления
• Отчет о тестировании с данными по производительности и эффективности

Практическая значимость — огромна. Окружение может быть внедрено в лабораторию ИИ ТУСУР, использовано в курсах «Машинное обучение», «Интеллектуальные системы» и «Автономные транспортные системы». Вы создадите инструмент, который сделает обучение ИИ доступным для всех студентов — и сделаете это на уровне, который ценят и вузы, и IT-компании. Это не просто диплом — это ваше портфолио, которое покажет работодателю: «Я умею создавать технологии, которые меняют образование».

Пример введения ВКР ТУСУР

Мир автономного транспорта развивается стремительно, но обучение и тестирование моделей автопилота остается одной из самых сложных и рискованных задач. Реальные тесты на дорогах требуют миллионов долларов, специальных автомобилей и несут огромный риск. Поэтому весь мир переходит на симуляторы — виртуальные миры, где можно проверить тысячи сценариев за час. Однако существующие платформы, такие как CARLA и AirSim, предназначены для исследователей с опытом в C++ и Linux. Для студента ТУСУР, изучающего машинное обучение, они слишком сложны: требуют установки, настройки, зависимости, а главное — времени, которого у него нет.

Целью настоящей магистерской диссертации является разработка веб-ориентированного виртуального окружения для обучения и тестирования моделей автопилота, позволяющее пользователям загружать свои алгоритмы и наблюдать за их поведением в симулированных дорожных условиях. Объектом исследования являются процессы обучения и тестирования моделей автопилота в виртуальной среде, предметом — методы и технологии разработки веб-ориентированного симулятора, использующего современные технологии веб-разработки и машинного обучения. Для достижения цели используются методы анализа существующих решений, проектирования архитектуры, разработки 3D-сцен и реализации интерфейсов. Научная новизна заключается в создании первого в Сибири веб-симулятора, который позволяет загружать и тестировать модели машинного обучения прямо в браузере без установки, используя только JavaScript и WebAssembly. Практическая значимость работы состоит в предоставлении готового, доступного и бесплатного инструмента, который может быть использован в учебном процессе ТУСУР для подготовки специалистов в области ИИ, значительно снижая порог входа в область автономных систем.

Заключение ВКР ТУСУР Информационные системы и технологии

В ходе выполнения выпускной квалификационной работы было разработано и протестировано веб-ориентированное виртуальное окружение для обучения и тестирования автопилота. Прототип продемонстрировал высокую доступность: 95% студентов смогли загрузить и запустить свою модель за 10 минут. Среднее время запуска симуляции — 3 секунды, что сопоставимо с тяжелыми системами. NPS составил 84, а студенты отметили: «Теперь я понимаю, как работает мой алгоритм».

Разработанное окружение полностью соответствует требованиям методички ТУСУР и демонстрирует высокий уровень профессионализма в области веб-разработки и машинного обучения. Полученные данные подтверждают, что доступность технологий — ключевой фактор их распространения. Работа может служить основой для дальнейших исследований, включая интеграцию с облачными сервисами и создание конкурсов по разработке автопилотов.

Требования к списку источников

Список литературы должен соответствовать ГОСТ 7.1-2003 и включать не менее 40 источников, из которых минимум 25% (10+) должны быть опубликованы за последние 2 года (2023–2025 гг.). Источники следует разделить на категории: научные статьи по автопилотам, руководства по симуляторам, технические документы по веб-технологиям, исследования по обучению ИИ.

Примеры корректного оформления:

• Brockman, G. et al. OpenAI Gym. — arXiv preprint arXiv:1606.01540, 2023.
• Dosovitskiy, A. et al. CARLA: An Open Urban Driving Simulator. — Conference on Robot Learning, 2023.
• Three.js Documentation. — URL: https://threejs.org/docs/ (дата обращения: 15.05.2025)
• TensorFlow.js Documentation. — URL: https://www.tensorflow.org/js (дата обращения: 15.05.2025)
• Смирнов, А.В. Методы обучения автономных транспортных средств на основе глубокого обучения // Вестник ТУСУР. — 2024. — № 2(55). — С. 78–85.
• Wang, L. et al. Web-based Deep Learning Frameworks: A Survey. IEEE Access. — 2024. — Vol. 12. — P. 12345–12360.

Обязательно включайте источники по симуляторам автопилотов, статьи по TensorFlow.js, WebAssembly, исследования по обучению ИИ в виртуальных средах, а также техническую документацию по Three.js и React. Все ссылки должны быть упомянуты в тексте работы.

Полезные материалы для написания магистерской диссертации

• Все готовые работы Информационные системы и технологии — образцы структур, кода и анализа
• Методические рекомендации по написанию ВКР ТУСУР по направлению 09.03.01
• Курс "Deep Learning for Self-Driving Cars" на Coursera (University of Toronto)
• Руководство по Three.js для начинающих