KCI등재
강화학습을 이용한 실내 자율주행 시스템
저자
발행기관
학술지명
한국산학기술학회논문지(Journal of Korea Academia-Industrial cooperation Society)
권호사항
발행연도
2023
작성언어
Korean
주제어
KDC
505
등재정보
KCI등재
자료형태
학술저널
수록면
863-868(6쪽)
DOI식별코드
제공처
자율주행은 미래 이동체의 핵심 기술 중 하나로 강화학습은 주행 에이전트가 환경과 상호작용하며 최적의 행동을 학습하는 데 유용한 도구이다. 본 논문은 실내 환경에서 강화학습을 이용하여 자율주행을 구현하는 방법으로, 실시간으로 변화하는 실내 자율주행 환경을 인식하고 주변 사물의 출현에 대응하여 회피하며 사전 설정된 다수의 목적지에 도달하기 위한 방법을 제안한다. 이 기술은 라이다 센서와 영상 센서를 탑재한 이동체가 실내를 반복적으로 순회하면서 강화학습 모듈이 지형과 지물을 학습함으로써 실내 환경을 스스로 인지한다. 우선, 주행 환경을 2D 시뮬레이션으로 모델링 하고, 주행 경로와 장애물을 정확하게 표현하며, 강화학습 주행 에이전트는 강화학습 알고리즘을 사용하여 환경에서 행동을 수행하고 보상을 받는다. 에이전트는 자율주행을 위한 최적 정책을 학습하고, 에피소드를 반복하면서 환경에서 행동을 수행하고 보상을 최대화하기 위한 정책을 학습한다. 실제 강화학습 모듈을 탑재한 자율주행 차량은 실내 주행을 수행하며 환경의 변화에 적응한다. 연구 결과, 강화학습을 통해 자율주행 시스템이 동적 환경에서 안정적이고 효율적으로 작동할 수 있음을 입증하였다. 이러한 연구는 자율주행 기술의 발전과 미래 도시 모빌리티에 기여할 것으로 기대된다.
더보기Autonomous driving is one of the key technologies for future mobile vehicles, and reinforcement learning is a useful tool for driving agents interacting with the environment and learning optimal behavior. This paper presents a method of applying reinforcement learning to autonomous driving in an indoor environment. It recognizes an indoor autonomous driving environment that changes in real time; it deals with the unexpected appearances of objects, and returns to a number of preset destinations. We suggest a method to reach. This technology uses reinforcement learning in which a mobile device, equipped with a lidar sensor and an image sensor, is programmed to recognize the indoor environment on its own by repeatedly traveling around the room to learn the layout and features. First, the driving environment is modeled in a 2D simulation; the driving path and obstacles are accurately expressed, and the reinforcement learning driving agent uses a reinforcement learning algorithm to perform actions in the environment and get rewards. The agent learns the optimal policy for autonomous driving, performs actions in the environment through repeated episodes, and learns a policy to maximize rewards. The final model is deployed in an actual autonomous vehicle to drive indoors and adapt to changes in the environment. Results demonstrate that this autonomous driving system can operate stably and efficiently in a dynamic environment through reinforcement learning. This research is expected to contribute to the development of autonomous driving technology and future urban mobility.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)