KSC 2018
Current Result Document :
| 한글제목(Korean Title) |
자율주행자동차의 안전 주행을 위한 강화학습 알고리즘의 연속적인 행동 공간 이산화 |
| 영문제목(English Title) |
Discretization of continuous Action Space of Reinforcement Algorithm for Safe Autonomous Vehicle Driving |
| 저자(Author) |
주호택
박현철
김경중
HoTaek Joo
HyunCheol Park
Kyungjoong Kim
|
| 원문수록처(Citation) |
VOL 45 NO. 02 PP. 0776 ~ 0778 (2018. 12) |
한글내용
(Korean Abstract) |
자율주행 자동차 분야에서 강화학습(Reinforcement Learning) 은 딥러닝 (deep learning)과 함께 가장 주목받는 기술이다. 강화학습이란 기계 학습의 방법 중 하나로 현재 상태(state)에서 어떤 행동(action)을 선택했을 때 받는 미래 보상(reward)의 힘을 최대화하는 방향으로 행동하여 학습하는 방법이다. 본 논문의 선행 연구에서 자율주행 자동차와 같은 연속적인 행동 공간(Continuous Action Space)에서 기존의 강화학습을 적용하면 직선코스에서의 핸들 떨림 문제를 확인하였다. 본 논문에서는 이 문제를 해결하기 위하여 연속적인 행동 공간을 이산화(discretization)하는 방법을 제시하였으며, 이를 구현하기 위해 경주용 차량 시뮬레이션인 TORCS(The Open Racing Car Simulator)에서 강화학습 알고리즘 중 하나인 PPO(Proximal Policy Optimization)을 접목하여 실험을 진행하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
