메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이홍석 (한국과학기술정보연구원) 박은수 (모두의연구소) 김승일 (모두의연구소)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제12호
발행연도
2018.12
수록면
670 - 674 (5page)
DOI
10.5626/KTCP.2018.24.12.670

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2018

자율주행을 위한 멀티에이전트 심화 강화학습
이홍석 ,  박은수 ,  김승일 정보과학회 컴퓨팅의 실제 논문지 2018.12 학술저널

2017

자율주행자동차 주행을 위한 심화강화학습
이홍석 ,  박은수 ,  김승일 한국정보과학회 학술발표논문집 2017.12 학술대회자료

초록· 키워드

오류제보하기
자율주행은 도로에서 차선 변경, 추월, 양보 등을 할 때 정교한 상황판단 기술을 적용해야 하는 멀티-에이전트 문제이다. 자율주행차량들의 연속적인 행동을 제어하기 위하여 본 논문에서는 심화 결정론적 정책 경사 강화학습 알고리즘을 적용하였다. 이를 위하여 차선변경이 빈번히 발생하는 도로 환경을 시뮬레이터로 구현하였고, 강화학습에서 적용된 보상은 개별 차량이 목적지 차선에 도착하면 높은 보상을 받지만, 차량이 다른 목적지 차선에 도착할 경우나 차량끼리 충돌이 발생할 경우에는 벌칙을 받도록 설계하였다. 16개의 멀티-에이전트 차량을 학습한 결과 학습시간이 충분할수록 차선변경을 제어할 수 있음을 알았다. 하지만 심화 강화학습과 시뮬레이터 환경의 한계로, 학습이 진행되는 과정에서 보상 값이 급격히 감소하였고, 이로 인하여 차량 주행은 매우 불안정한 주행을 하였다.
#인공지능 #자율주행 #심화 강화학습 #멀티-에이전트 #Artificial intelligence #autonomous driving #deep reinforcement #multi-agent

목차

요약
Abstract
1. 서론
2. 연구내용 및 방법
3. 시뮬레이션 결과
4. 요약 및 향후 계획
References

참고문헌 (11)

참고문헌 신청
Mariuze Bojarski, et al., End to End Learning for Self-Driving Cars, arXiv:1604.07316, 2016. El Sallab, A., Abdou, M., Perot, E., and Yogamani, S., Deep Reinforcement Learning framework for Autonomous Driving, Autonomous Vehicles and Machines, Electronic Imaging, arXiv:1704.02532, 2017. Shai Shalev-Shwartz, Shaked Shammah, and Amnon Shashua, Safe, Multi-agent, Reinforcement Learning for Autonomous Driving, arXiv:1610.03295, 2016. Mnih V, Kavukcuoglu K, Silver D, et al., Humanlevel control through deep reinforcement learning, Nature, Vol. 518, No. 7540, pp 529-533, 2015. Silver D, Huang A, Maddison C J, et al., Mastering the game of Go with deep neural networks and tree search, Nature, Vol. 529, No. 7587, pp. 484-489, 2016.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자율주행자동차 주행을 위한 심화강화학습
이홍석 ,  박은수 ,  김승일 한국정보과학회 학술발표논문집 2017 .12
수능 한국사의 절대평가 방안 시론 : 북마크 방법에 의한 분할점수 산출을 중심으로
李勇尙 ,  朴振東 ,  姜兌勳 역사교육 2015 .09
Deep Reinforcement Learning 기반의 자율비행 드론 알고리즘 비교 및 분석
황인용 ,  왕수현 ,  노승민 외 1명 한국통신학회 학술대회논문집 2018 .11
모바일 로봇의 자율 네비게이션을 위한 심층 강화 학습 기반 자연행동 학습
김기서 ,  문정환 ,  김동규 외 2명 제어로봇시스템학회 논문지 2018 .03
강화학습 에이전트 시야 정보 차이에 의한 학습 성능 비교
김찬섭 ,  장시환 ,  양성일 외 1명 한국게임학회 논문지 2021 .10

최근 본 자료

전체보기

댓글(0)

0