DOI QR코드

DOI QR Code

A Study about Application of Indoor Autonomous Driving for Obstacle Avoidance Using Atari Deep Q Network Model

Atari Deep Q Network Model을 이용한 장애물 회피에 특화된 실내 자율주행 적용에 관한 연구

  • Baek, Ji-Hoon (Dept of Electrical, Electronic and Control, Hankyong National University) ;
  • Oh, Hyeon-Tack (Dept of Electrical, Electronic and Control, Hankyong National University) ;
  • Lee, Seung-Jin (Dept of Electrical, Electronic and Control, Hankyong National University) ;
  • Kim, Sang-Hoon (Dept of Electrical, Electronic and Control, Hankyong National University)
  • 백지훈 (한경대학교 전기전자제어공학과) ;
  • 오현택 (한경대학교 전기전자제어공학과) ;
  • 이승진 (한경대학교 전기전자제어공학과) ;
  • 김상훈 (한경대학교 전기전자제어공학과)
  • Published : 2018.10.31

Abstract

최근 다층의 인공신경망 모델이 수많은 분야에 대한 해결 방안으로 제시되고 있으며 2015년 Mnih이 고안한 DQN(Deep Q Network)는 Atari game에서 인간 수준의 성능을 보여주며 많은 이들에게 놀라움을 자아냈다. 본 논문에서는 Atari DQN Model을 실내 자율주행 모바일 로봇에 적용하여 신경망 모델이 최단 경로를 추종하며 장애물 회피를 위한 행동을 학습시키기 위해 로봇이 가지는 상태 정보들을 84*84 Mat로 가공하였고 15가지의 행동을 정의하였다. 또한 Virtual world에서 신경망 모델이 실제와 유사한 현재 상태를 입력받아 가장 최적의 정책을 학습하고 Real World에 적용하는 방법을 연구하였다.

Keywords