Double Deep Q 네트워크 기반 장애물 회피 경로 계획 (Path Planning with Obstacle Avoidance Based on Double Deep Q Networks)

서지정보

· 발행기관 : 한국전자통신학회
· 수록지 정보 : 한국전자통신학회 논문지 / 18권 / 2호 / 231 ~ 240페이지
· 저자명 : 자오용지앙, 첸센폰, 성승제, 허정규, 임창균

초록

심층 강화 학습(Deep Reinforcement Learning)을 사용한 경로 계획에서 장애물을 자동으로 회피하기 위해 로봇을 학습시키는 일은 쉬운 일이 아니다. 많은 연구자가 DRL을 사용하여 시뮬레이션 환경에서 로봇 학습을 통한 장애물 회피할 가능성을 확인하려 한다. 다양한 환경 로봇과 센서의 영향 요인 때문에 실제 시나리오에서 로봇의 자동 장애물 회피를 실현하는 것은 흔치 않다. 본 논문에서는 장애물을 피해 가면서 자동 경로 계획을 위해 벽과 장애물로 구성된 테스트베드를 설계하고 로봇에 카메라를 장착하였다. 로봇의 목표는 가능한 한 빨리 벽에 부딪히지 않고 시작점에서 끝점까지 도달하는 것이다. 로봇이 벽과 장애물을 피하는 방법을 학습하기 위해 장애물을 회피하며 이동하기 위한 DRL의 가능성을 검증하기 위해 이중 심층 Q 네트워크(DDQN)를 제안한다. 실험에 사용된 로봇은 Jetbot이며 자동화된 경로 계획에서 장애물 회피가 필요한 일부 로봇 작업 시나리오에 적용할 수 있다.

영어초록

It remains a challenge for robots to learn to automatically avoid obstacles in path planning using deep reinforcement learning (DRL). More and more researchers use DRL to train a robot in a simulated environment and verify the possibility of DRL to achieve automatic obstacle avoidance. Since the influence factors of different environments robots and sensors it is rare to realize automatic obstacle avoidance of robots in real scenarios. In order to learn automatic path planning by avoiding obstacles in the actual scene we designed a simple Testbed with the wall and the obstacle and had a camera on the robot. The robot's goal is to get from the start point to the end point without hitting the wall as soon as possible. For the robot to learn to avoid the wall and obstacle we propose to use the double deep Q networks (DDQN) to verify the possibility of DRL in automatic obstacle avoidance. In the experiment the robot used is Jetbot, and it can be applied to some robot task scenarios that require obstacle avoidance in automated path planning.

참고자료

· 없음