선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 정적 장애물이 존재하는 영역에서 자율주행장치들의 최적화된 다중 경로 계획을 제안 하였다. 전역 경로 계획은 최적화의 대표적인 알고리즘인 유전자알고리즘을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하였으며, 각 자율주행장치의 이동 방향을 고려한퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행하였다.
제안 방법
- 최적화의 대표적인 알고리즘인 유전자 알고리즘(Genetic Algorithm, GA)을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하며, 각 자율주행장치의 이동 방향을 고려한 퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행한다. 경로 계획을 위한 환경에 대한 정보는 간단한 신경망 (neural network)모델을 이용하여 장애물 지역과 비장애물 지역을 확인하였으며, 제안된 방법의 성능은 정적 환경 (static environment)에서 다수의 자율주행장치를 시뮬레이션을 통하여 확인하였다.
- 경로를 수정하는 자율주행장치는 작업 우선순위에 따라 결정하여야 하지만 본 논문에서는 주로 첫 번째 자율주행장치의 경로를 수정하였다.
- 수행하였다. 교배 연산에서는 적합도가 가장 높은염색체 2개를 선택하여 교배를 시켰으며 재생산 연산에서는 높은 적합도를 가지는 염색체들을 나열하여, 전체염색체 수의 50%까지를 다음 세대로 선택되게 하였다. 유전자 알고리즘을 사용함으로써 자율주행장치들의 주어진 환경 내에서 정적 장애물을 피하고 목적지까지의 최적 경로 계획이 가능하며, 적합도의 계산은 식(1)과 같이계산된다.
- 전역 경로 계획은 최적화의 대표적인 알고리즘인 유전자알고리즘을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하였으며, 각 자율주행장치의 이동 방향을 고려한퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행하였다. 기존의 다중 경로 계획의 기법은 작업 우선순위가 낮은 자율주행장치를 멈추게 함으로써 충돌을 회피하였지만, 제안한 방법은 퍼지 추론 기법을 이용하여 충돌발생 구간을 예측하여 경로 계획을 함으로써 보다 효율적인 목적지까지의 이동이 가능하였다. 향후 연구 과제로는 자율주행장치의 속도와 동적 장애물을 고려한 경로계획을 해야 할 것이다.
- 본 논문에서 제안된 방법은 Borland C++6.0 툴을 이용한 시뮬레이션을 구현하여 실험을 하였으며, 아래에 각각환경에 따른 결과를 나타내었다. 실험한 환경은 장애물과충돌구간의 유무로 분류한 총 3가지의 환경으로 각각의결과는 아래 그림들과 같다.
- 유전자 알고리즘의 연산자로는 교배(crossover)와 재생산(reproduction)을 사용하였으며, 최대 반복횟수는 10000 으로 수행하였다. 교배 연산에서는 적합도가 가장 높은염색체 2개를 선택하여 교배를 시켰으며 재생산 연산에서는 높은 적합도를 가지는 염색체들을 나열하여, 전체염색체 수의 50%까지를 다음 세대로 선택되게 하였다.
- 반면, 지역 경로 계획은 최적화된 경로 계획을 할 수는 없지만비교적 적은 연산량을 필요로 하기 때문에 실시간으로적용이 가능하나 지역 최소화(local minimum)에 빠질 위험이 있다[3]. 이런 지역 최소화의 문제점을 해결하기 위해 현재 많은 연구가 진행되고 있으며, 대부분의 경우 센서들의 정보를 융합하여 지역 최소화 문제를 해결한다[4L 본 논문에서는 정적 장애물이 존재하는 영역에서 전역경로 계획과 퍼지 추론 기법을 이용하여 자율주행장치들의 최적화된 다중 경로 계획을 제안한다. 최적화의 대표적인 알고리즘인 유전자 알고리즘(Genetic Algorithm, GA)을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하며, 각 자율주행장치의 이동 방향을 고려한 퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행한다.
- 하였다. 전역 경로 계획은 최적화의 대표적인 알고리즘인 유전자알고리즘을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하였으며, 각 자율주행장치의 이동 방향을 고려한퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행하였다. 기존의 다중 경로 계획의 기법은 작업 우선순위가 낮은 자율주행장치를 멈추게 함으로써 충돌을 회피하였지만, 제안한 방법은 퍼지 추론 기법을 이용하여 충돌발생 구간을 예측하여 경로 계획을 함으로써 보다 효율적인 목적지까지의 이동이 가능하였다.
- 이런 지역 최소화의 문제점을 해결하기 위해 현재 많은 연구가 진행되고 있으며, 대부분의 경우 센서들의 정보를 융합하여 지역 최소화 문제를 해결한다[4L 본 논문에서는 정적 장애물이 존재하는 영역에서 전역경로 계획과 퍼지 추론 기법을 이용하여 자율주행장치들의 최적화된 다중 경로 계획을 제안한다. 최적화의 대표적인 알고리즘인 유전자 알고리즘(Genetic Algorithm, GA)을 사용하여 각 자율주행장치의 전역 경로 계획을 수행하며, 각 자율주행장치의 이동 방향을 고려한 퍼지 추론 기법을 이용하여 서로간의 충돌 회피를 수행한다. 경로 계획을 위한 환경에 대한 정보는 간단한 신경망 (neural network)모델을 이용하여 장애물 지역과 비장애물 지역을 확인하였으며, 제안된 방법의 성능은 정적 환경 (static environment)에서 다수의 자율주행장치를 시뮬레이션을 통하여 확인하였다.
- 경로를 결정한다. 퍼지 추론을 위해 각 자율주행장치의 진행 방향을 나타내는 퍼지 소속 함수의 소속도 값을계산하며, 계산된 퍼지 소속도 값은 충돌 회피를 위해 만들어진 퍼지 룰을 이용해 앞서 유전자 알고리즘을 통하여 생성된 경로에서 충돌 구간이 발생할 경우 경로를 재계획 하게 된다. 자율주행장치의 방향 퍼지 소속 함수의구조는 그림 2와 같다.
이론/모형
- 본 논문에서는 다중 경로 계획 중 자율주행장치들의충돌을 방지하기 위하여 퍼지 추론 기법을 이용하여 최종 경로를 결정한다. 퍼지 추론을 위해 각 자율주행장치의 진행 방향을 나타내는 퍼지 소속 함수의 소속도 값을계산하며, 계산된 퍼지 소속도 값은 충돌 회피를 위해 만들어진 퍼지 룰을 이용해 앞서 유전자 알고리즘을 통하여 생성된 경로에서 충돌 구간이 발생할 경우 경로를 재계획 하게 된다.
- 본 논문에서는 최적의 경로 계획을 위해 유전자 알고리즘을 이용하였다' 유전자 알고리즘이란 유전적 계승과생존경쟁이라는 자연형상을 알고리즘 형태로 모델링한확률직 남색 방법은 맘한니. 내혼-적인 직용부야-匕는 객체분류, 영상 및 처리, 학습, 시스템 디자인 등이 있다[引.
성능/효과
- 파란색 선이 초기 경로이며, 붉은색 선이 충돌 회피를 위해 수정된 경로이다. 결과와 같이 충돌 구간이 있어도 유전자 알고리즘을 통해 생성된기본 경로에서 크게 벗어나지 않는 것을 확인할 수 있다. 그림 6은 위의 경로에서 중앙부분에 장애물이 존재하고, 충돌 구간 역시 존재 할 때의 결과이다.
- 있었다. 또한 충돌 구간이 존재할 경우 최적 경로 그대로 이동하는 것은 아니지만 대체적으로 크게 벗어나는 경우가 없이 목적지까지 이동하는 것을 알 수 있었다.
- 이상의 실험을 통하여 자율주행장치가 제안한 유전자알고리즘과 퍼지 추론 기법을 적용하여 원하는 목적지까지 자율적으로 이동하는 것이 가능한 것을 알 수 있었다. 또한 충돌 구간이 존재할 경우 최적 경로 그대로 이동하는 것은 아니지만 대체적으로 크게 벗어나는 경우가 없이 목적지까지 이동하는 것을 알 수 있었다.
- 그림에서 파란색 선이 초기 경로이며, 붉은색 선이 충돌 회피를 위해수정된 경로이다. 장애물이 존재 할 경우에도 충돌이 일어나지 않고 실험결과를 봤을 때, 제안한 방법이 성공하였음을 알 수 있었다.
후속연구
- 향후 연구 과제로는 자율주행장치의 속도와 동적 장애물을 고려한 경로계획을 해야 할 것이다. 또한 제안된 방법의 유용성을 확인하기 위하여 실제 자율주행장치에 적용하여 성능을 검증하여야 할 것이다.
- 기존의 다중 경로 계획의 기법은 작업 우선순위가 낮은 자율주행장치를 멈추게 함으로써 충돌을 회피하였지만, 제안한 방법은 퍼지 추론 기법을 이용하여 충돌발생 구간을 예측하여 경로 계획을 함으로써 보다 효율적인 목적지까지의 이동이 가능하였다. 향후 연구 과제로는 자율주행장치의 속도와 동적 장애물을 고려한 경로계획을 해야 할 것이다. 또한 제안된 방법의 유용성을 확인하기 위하여 실제 자율주행장치에 적용하여 성능을 검증하여야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.