Earticle

초록

한국어

최근 군사, 산업 등 다양한 분야에서 자율 이동 로봇이 활용되고 있다. 자율 이동 로봇이 특정 임무를 수행하는 데 있어 경로 계획은 핵심적인 역할을 한다. 오랜 기간 동안 A*, Rapidly exploring Random Tree 등 많은 경로 탐색 알고리즘이 연구되었다. 하지만 과거에 연구된 알고리즘들은 짧은 시간 내에 장애물과 충돌이 일어나지 않는 최단 경로를 찾는 데 애로사항이 존재한다. 이를 해결하기 위해 최근 활발하게 연구되고 있는 심층 신경망을 사용하여 경로를 생성하는 연구 사례들이 늘어나고 있다. 심층 신경망은 비선형 함수를 근사하는데 좋은 결과를 보여주어 경로 계획에 필요한 함수의 근사에 사용될 수 있다. 다양한 딥러닝 모델이 비선형 함수를 근사하지만 특히 예측 모델을 사용하는 것이 아닌 생성적 모델을 사용하는 것으로 원하는 경로를 좀 더 효율적으로 생성할 수 있을 것으로 예측된다. 본 논문에서는 컴퓨터 비전 분야에서 성공적인 결과를 보여준 Generative Adversarial Network를 통해 전역 경로를 이미지로 표시하는 데 성공한 사례를 제시한다. 또한 에이전트의 행동 제어에서 좋은 성과를 보여준 심층 강화학습을 사용해 자율 이동 로봇의 지역 경로 계획에 성공한 연구를 소개한다.

목차

Abstract
1. Introduction
2. Preliminaries
3. Deep Neural networks
3.1. Generative Adversarial Network(GAN)
3.2. Conditional Generative Adversarial Network
3.3. Deep Reinforcement Learning 
4. Case Study of Generative neural networks for path planning
4.1. Generative Adversarial Networks
4.2. Conditional Generative Adversarial Networks
4.3. Deep Reinforcement Learning
5. Conclusion
Acknowledgement
참고문헌

저자

• 김정은 [ 고려대학교 자동차융합학과 ]
• 서은성 [ 고려대학교 자동차융합학과 ]
• 석준희 [ 고려대학교 전기전자공학과 ]

참고문헌