Earticle

현재 위치 Home

통신

셀 분해 알고리즘을 활용한 심층 강화학습 기반 무인 항공기 경로 계획
UAV Path Planning based on Deep Reinforcement Learning using Cell Decomposition Algorithm

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    한국인터넷방송통신학회 논문지 KCI 등재 바로가기
  • 통권
    제24권 제3호 (2024.06)바로가기
  • 페이지
    pp.15-20
  • 저자
    김경훈, 황병선, 선준호, 김수현, 김진영
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A452356

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Path planning for unmanned aerial vehicles (UAV) is crucial in avoiding collisions with obstacles in complex environments that include both static and dynamic obstacles. Path planning algorithms like RRT and A* are effectively handle static obstacle avoidance but have limitations with increasing computational complexity in high-dimensional environments. Reinforcement learning-based algorithms can accommodate complex environments, but like traditional path planning algorithms, they struggle with training complexity and convergence in higher-dimensional environment. In this paper, we proposed a reinforcement learning model utilizing a cell decomposition algorithm. The proposed model reduces the complexity of the environment by decomposing the learning environment in detail, and improves the obstacle avoidance performance by establishing the valid action of the agent. This solves the exploration problem of reinforcement learning and improves the convergence of learning. Simulation results show that the proposed model improves learning speed and efficient path planning compared to reinforcement learning models in general environments.
한국어
무인 항공기의 경로 계획은 고정 및 동적 장애물을 포함하는 복합 환경에서 장애물 충돌을 회피하는 것이 중요하 다. RRT나 A*와 같은 경로 계획 알고리즘은 고정된 장애물 회피를 효과적으로 수행하지만, 고차원 환경일수록 계산 복잡도가 증가하는 한계점을 가진다. 강화학습 기반 알고리즘은 복합적인 환경 반영이 가능하지만, 기존 경로 계획 알고 리즘과 같이 고차원 환경일수록 훈련 복잡도가 증가하여 수렴성을 기대하기 힘들다. 본 논문은 셀 분해 알고리즘을 활용 한 강화학습 모델을 제안한다. 제안한 모델은 학습 환경을 세부적으로 분해하여 환경의 복잡도를 감소시킨다. 또한, 에이 전트의 유효한 행동을 설정하여 장애물 회피 성능을 개선한다. 이를 통해 강화학습의 탐험 문제를 해결하고, 학습의 수렴 성을 높인다. 시뮬레이션 결과는 제안된 모델이 일반적인 환경의 강화학습 모델과 비교하여 학습 속도를 개선하고 효율 적인 경로를 계획할 수 있음을 보여준다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. A2C 및 셀 분해 알고리즘
1. A2C 강화학습 알고리즘
2. 셀 분해 알고리즘
Ⅲ. 시스템 모델
1. 환경 설계
2. 보상 함수 설계
Ⅳ. 시뮬레이션 결과
1. 시뮬레이션 파라미터 설정
2. 시뮬레이션 분석
Ⅴ. 결론
References

키워드

A2C Cell Decomposition Path Planning Reinforcement Learning UAV

저자

  • 김경훈 [ Kyoung-Hun Kim | 준회원, 광운대학교 전자융합공학과 ]
  • 황병선 [ Byungsun Hwang | 준회원, 광운대학교 전자융합공학과 ]
  • 선준호 [ Joonho Seon | 준회원, 광운대학교 전자융합공학과 ]
  • 김수현 [ Soo-Hyun Kim | 준회원, 광운대학교 전자융합공학과 ]
  • 김진영 [ Jin-Young Kim | 정회원, 광운대학교 전자융합공학과 ] 교신저자

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]
  • 간기
    격월간
  • pISSN
    2289-0238
  • eISSN
    2289-0246
  • 수록기간
    2001~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / 한국인터넷방송통신학회 논문지 제24권 제3호

    피인용수 : 0(자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장