[논문]장애물 밀집 정보 기반 최적 경로계획 기술 개발

강원석; 김진욱; 김영덕; 이승현; 안진웅

문제 정의

하나의 염색체 구성은 출발점을 시작으로 앞에서 설명한 k-means 군집화에 의해 분류된 C인}들이 중간에 링크되어 경유지 역할을 수행하며 제일 마지막 노드에는 도착점으로 구성된다. 본 논문에서는 GA 기반으로 경유지 역할을 수행하는 Cell들이 무수한 반복을 거쳐 최적의 염색체 정보로 구성되는데 목적이 있다.
본 논문에서는 모바일 로봇이 작업하는 공간상에서 빠르고 안전한 최적 경로계획을 수행할 수 있게 하는 가변적 리드 맵을 이용한 장애물 밀집 정보 기반 경로계획을 제안한다. 모바일 로봇이 작업 공간에 대해서 빠르고 안전한 경로계획을 해 클러스터링 기법을 이용하여 정적 및 동적 장애물의 분포에 대한 맵 정보를 재구성하여 정보화시킨다.
본 절에서는 모바일 로봇이 작업을 수행하는 공간에 대해서 장애물 정보를 군집화하여 경로계획에 활용할 수 있도록 하는 방법에 대해서 설명한다.

제안 방법

GA를 수행하기 위해서는 염색체 정보를 구성해야 되는데 본 논문에서는 그림 3과 같이 염색체를 구성하여 유전자 알고리즘 연산자 및 추가 연산자를 수행한다. 각 C邑1은 Population Operation 단계에서 임의의 C이1을 염색체 사이즈 수만큼 개체를 선택한다.
Step 2. 각 개체를 가장 가까운 중심점을 갖는 군집으로 할당한 후 새로운 군집의 중심점을 계산한다.
이러한 정보를 기반으로 GA의 전형적인 절 ■인 Population, Fitness, Selection, Crossover, Mutation 및 Substitution 연산자(Operation)을 수행한다. 그리고 동적인 염색체 크기를 제공하기 위해 기존의 GA Operatione] 추가/삭제 Operation을 추가하여 수행한다.
그림 6에서 분홍색은 시작점을 나타내고 도착점은 각각 녹색, 파란색, 갈색으로 나타내며 제안한 기법은 단위 Cell 크기를 변화 시키면서 실험을 수행하였다. 실험 결과 그림 6에서 보듯이 본 논문에서 제시한 기법은 사무실 환경과 같은 복잡한 맵에서 기존 알고리즘보다 수행 성능에서도 빠르게 처리함을 볼 수 있다.
최적의 해를 찾을 때 가지 반복 수행한다. 또한 동적 염색체 크기를 제공하기 위해서 추가/삭제 연산자를 개발하여 기존 유전자 알고리즘 수행단계를 변형하여 수행한다.
본 논문에서 제안하는 경로계획 기술은 수식 2)의 평가함수를 이용하여 개체 생성, 선택, 교배, 돌연변이 및 개체 대치연산자를 최적의 해를 찾을 때 가지 반복 수행한다. 또한 동적 염색체 크기를 제공하기 위해서 추가/삭제 연산자를 개발하여 기존 유전자 알고리즘 수행단계를 변형하여 수행한다.
본 논문에서 제안하는 알고리즘의 검증을 위해 기본 맵 정보를 고해상도 이미지를 사용한다. 개발환경으로 Visual Studio 6.
최적 해를 찾기 위해서 진화컴퓨팅 기반 알고리즘들이 많이 사용되고 있는데, [1]에서는 모바일 로봇의 회전수와 최단 거리를 찾기 위해서 GA 기반 경로계획 기술을 개발하였으며, [2] 는 지식 (knowledge) 기반 GA 경로계획 알고리즘을 제시하였는데. 여기에서는 유전자 연산자에 대해서 기존의 GA 연산자를 확장하여 추가연산자를 사용하여 최단 거리를 찾는 연구를 수행하였다. (3) 에서는 Goldberg와 Richardson이 제시한, 밀집된 개체 지역에서 각 개체들의 평가를 적게 함으로서 탐색 범위를 변경하는, niche 방법론을 이용하여 최단 거리 찾기 및 속도 개선 목적으로 연구가 개발되었다.
2절에서 설명했던 각 C이1단위로 작업공간을 Cell 단위로 분류하여 장애물 밀집도를 구하고 이를 기반으로 k개의 공간으로 분류한다. 이러한 정보를 기반으로 GA의 전형적인 절 ■인 Population, Fitness, Selection, Crossover, Mutation 및 Substitution 연산자(Operation)을 수행한다. 그리고 동적인 염색체 크기를 제공하기 위해 기존의 GA Operatione] 추가/삭제 Operation을 추가하여 수행한다.
각 셀은 Position, k-means 인덱스, 장애물 밀집도, 해당 군집의 밀집도 정보 등을 저장하고 있다. 이를 이용하여 GA 연산자에서 선택, 교배, 돌연변이, 대치, 추가 및 삭제 연산자를 수행한다. 하나의 염색체 구성은 출발점을 시작으로 앞에서 설명한 k-means 군집화에 의해 분류된 C인}들이 중간에 링크되어 경유지 역할을 수행하며 제일 마지막 노드에는 도착점으로 구성된다.

데이터처리

최적의 경로 계획을 위해서는 재구성된 장애물 밀집 클러스터 데이터를 이용하여 전통적 기법의 GA 방법을 변형한 최적 경로계획을 수행한다. 제안한 기술의 효율성을 검증하기 위해 그리드 기반 경로계획 중의 하나인 A* 알고리즘과 다양한 맵을 이용하여 성능 비교를 수행하였다. 실험 결과 제안한 경로계획 기술은 기존 알고리즘보다 빠른 처리 성능과 동적 장애물이 밀집한 지역을 회피하는 최적 경로계획을 수행함을 확인하였다.

성능/효과

그림 7은 최단 경로계획예 대한성능 비교를 나타낸 것이다. 본 논문에서 제시한 기법은 최단 경로 계획 또한 복잡한 맵에서도 균등하게 수렴하는 모습을 볼 수가 있다.
못함을 나타낸 것이다. 본 논문에서 제안한 기법은 복잡한 맵 또한 다양한 Grid 크기를 가진 상태에서도 균등한 성능을 보임을 알 수 있다. 그림 7은 최단 경로계획예 대한성능 비교를 나타낸 것이다.
본 논문에서는 모바일 로봇이 경로계획을 수행할 때 안전하게 움직일 수 있는 최적 경로 계획 기술을 제안하였다 시뮬레이션 결과를 통하여 기존의 그리드 기반 경로 계획 알고리즘에 비해 다양한 환경상에서 적용이 가능하며 수행 성능이 우수함을 보였다.
변화 시키면서 실험을 수행하였다. 실험 결과 그림 6에서 보듯이 본 논문에서 제시한 기법은 사무실 환경과 같은 복잡한 맵에서 기존 알고리즘보다 수행 성능에서도 빠르게 처리함을 볼 수 있다.
제안한 기술의 효율성을 검증하기 위해 그리드 기반 경로계획 중의 하나인 A* 알고리즘과 다양한 맵을 이용하여 성능 비교를 수행하였다. 실험 결과 제안한 경로계획 기술은 기존 알고리즘보다 빠른 처리 성능과 동적 장애물이 밀집한 지역을 회피하는 최적 경로계획을 수행함을 확인하였다.
그림 4는 고정 장애물 정보만 있는 환경에서 본 논문에서 제안한 기법으로 경로계획을 수행한 결과이고, 아래 그림은 파란색 정보 등이 동적 장애물 정보로 표기하여, 이들 정보를 기반으로 최적의 경로계획을 수행한 결과이다. 실험 결과에서 보듯이 본 논문에서 제안한 기법은 동적 장애물 밀집도가 낮은 지역을 경유지로 선택하여 최적의 경로계획을 수행함을 보여준다.

후속연구

그러나 최근 모바일 로봇이 작업해야 될 대상 공간이 넓어지고 다양한 정적 및 동적 장애물들이 작업공간에 분포되어 있어 기존 접근 방법은 실제 모바일 로봇이 경로계획을 수립하는데 방해하는 요소로 작용하여 경로계획을 처리하는데 효율성이 떨어지는 문제점이 있다. 모바일 로봇이 작업하는 공간에 대해서 동적 및 정적 장애물의 특성에 대해서 더 많은 정보를 가지고 있으면 보다 빠르고 안전한 경로계획을 수행할 수 있을 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

장애물 밀집 정보 기반 최적 경로계획 기술 개발
Development of Optimal Path Planning based on Density Data of Obstacles 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

장애물 밀집 정보 기반 최적 경로계획 기술 개발 Development of Optimal Path Planning based on Density Data of Obstacles 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

장애물 밀집 정보 기반 최적 경로계획 기술 개발
Development of Optimal Path Planning based on Density Data of Obstacles 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper