Reinforcement Learning 기반 경로생성 알고리즘 심화
Q) 강화학습 기술을 어떻게 자율주행 시스템에 적용 시킬 수 있을까?
학습 내용)
1.
자율주행을 구현하기 위한 기술적 방법론
2.
End-to-End 학습 방식 자율주행
keyword 1)
자율주행 구현 기술적 방법론
→ 개별 요소 기술들의 통합시스템 방식
→ End-to-End 학습 방식
keyword 2)
End-to-End 학습 방식 자율 주행
→ End-to-End 학습 방식 자율주행 기술의 원리 이해
keyword 3)
강화학습 기반 경로생성 심화
→ 강화학습 기반 경로생성 기술 적용 및 원리 심화 이해
자율주행을 구현하기 위한 기술적 방법론
1.
인지/판단.제어 기술의 통합적인 시스템 접근 방식
→ 현재 대부분의 자율주행차 개발에서 사용되는 방법
2.
End-to-End 학습 방식
End-to-End 학습 방식 자율주행
1. 모방학습 (Imitation Learning)
•
숙련된 운전자의 주행 패턴을 따라하는 모방학습을 통해 자율주행을 구현
•
숙련된 운전자의 데이터 확보가 필요
◦
차량의 영상 데이터
◦
조향각도 데이터
◦
엑셀, 브레이크 영상 데이터
→ 데이터 자체가 결과값이 담겨 있기 때문에 별도의 라벨링이 필요 없음
→ 오류 검증
→ 안전성 검증
에는 취약하기 때문에 대응 필요
2. 강화학습
•
시뮬레이터 또는 운전자 수동 주행을 통해 강화학습 기반으로 모델 진화
⇒ 두가지 방법 다 인지/판단/제어 영역의 모든 과정을 하나의 신경망으로 대체 구성 가능
