$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

심층 강화학습을 이용한 모바일 로봇의 맵 기반 장애물 회피 알고리즘
Map-Based Obstacle Avoidance Algorithm for Mobile Robot Using Deep Reinforcement Learning 원문보기

전기전자학회논문지 = Journal of IKEEE, v.25 no.2, 2021년, pp.337 - 343  

선우영민 (Dept. of Smart Robot Convergence and Application Engineering, Pukyong National University) ,  이원창 (Dept. of Electronic Engineering, Pukyong National University)

초록
AI-Helper 아이콘AI-Helper

심층 강화학습은 학습자가 가공되지 않은 고차원의 입력 데이터를 기반으로 최적의 행동을 선택할 수 있게 하는 인공지능 알고리즘이며, 이를 이용하여 장애물들이 존재하는 환경에서 모바일 로봇의 최적 이동 경로를 생성하는 연구가 많이 진행되었다. 본 논문에서는 복잡한 주변 환경의 이미지로부터 모바일 로봇의 이동 경로를 생성하기 위하여 우선 순위 경험 재사용(Prioritized Experience Replay)을 사용하는 Dueling Double DQN(D3QN) 알고리즘을 선택하였다. 가상의 환경은 로봇 시뮬레이터인 Webots를 사용하여 구현하였고, 시뮬레이션을 통해 모바일 로봇이 실시간으로 장애물의 위치를 파악하고 회피하여 목표 지점에 도달하는 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Deep reinforcement learning is an artificial intelligence algorithm that enables learners to select optimal behavior based on raw and, high-dimensional input data. A lot of research using this is being conducted to create an optimal movement path of a mobile robot in an environment in which obstacle...

주제어

#Mobile Robot   #Path Planning   #Deep Reinforcement Learning   #Dueling Double DQN   #Webots  

표/그림 (10)

참고문헌 (14)

  1. K. Zhu and T. Zhang, "Deep reinforcement learning based mobile robot navigation: A review," in Tsinghua Science and Technology, vol.26, no.5, pp.674-691, 2021. DOI: 10.26599/TST.2021.9010012. 

    상세보기 crossref

  2. X. Xue, Z. Li, D. Zhang and Y. Yan, "A Deep Reinforcement Learning Method for Mobile Robot Collision Avoidance based on Double DQN," 2019 IEEE 28th International Symposium on Industrial Electronics (ISIE), pp.2131-2136, 2019. DOI: 10.1109/ISIE.2019.8781522. 

    crossref

  3. Kober, Jens, J. Andrew Bagnell, and Jan Peters. "Reinforcement learning in robotics: A survey," The International Journal of Robotics Research, Vol.32, No.11, pp.1238-1274, 2013. DOI: 10.1177/0278364913495721 

    상세보기 crossref

  4. Otte, Michael W. "A survey of machine learning approaches to robotic path-planning," University of Colorado at Boulder, Boulder 2015. DOI: 10.1109/RISE.2017.8378228 

  5. S. Zhou, X. Liu, Y. Xu and J. Guo, "A Deep Q-network (DQN) Based Path Planning Method for Mobile Robots," 2018 IEEE International Conference on Information and Automation (ICIA), pp.366-371, 2018. DOI: 10.1109/ICInfA.2018.8812452. 

    crossref

  6. Mnih, Volodymyr, et al. "Playing atari with deep reinforcement learning," arXiv preprint arXiv:1312.5602, 2013. 

  7. J. Xin, H. Zhao, D. Liu and M. Li, "Application of deep reinforcement learning in mobile robot path planning," 2017 Chinese Automation Congress (CAC), pp.7112-7116, 2017. DOI: 10.1109/CAC.2017.8244061. 

    crossref

  8. X. Ruan, D. Ren, X. Zhu and J. Huang, "Mobile Robot Navigation based on Deep Reinforcement Learning," 2019 Chinese Control And Decision Conference (CCDC), pp.6174-6178, 2019. DOI: 10.1109/CCDC.2019.8832393. 

    crossref

  9. H. Sasaki, T. Horiuchi and S. Kato, "A study on vision-based mobile robot learning by deep Q-network," 2017 56th Annual Conference of the Society of Instrument and Control Engineers of Japan (SICE), pp.799-804, 2017. DOI: 10.23919/SICE.2017.8105597. 

    crossref

  10. Van Hasselt, Hado, Arthur Guez, and David Silver. "Deep reinforcement learning with double q-learning," Proceedings of the AAAI Conference on Artificial Intelligence. Vol.30, No.1, 2016. 

  11. Wang, Ziyu, et al. "Dueling network architectures for deep reinforcement learning." International conference on machine learning. PMLR, 2016. 

  12. Schaul, Tom, et al. "Prioritized experience replay." arXiv preprint arXiv:1511.05952, 2015. 

  13. "Webots: robot simulator" https://cyberbotics.com/#features 

  14. Kirtas, M., et al. "Deepbots: A Webots-Based Deep Reinforcement Learning Framework for Robotics." IFIP International Conference on Artificial Intelligence Applications and Innovations. Springer, Cham, 2020. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로