주변 환경 감지를 통한 장애물 회피 알고리즘 개발

Abstract

차량 주행 중 사고 위험 상황에서 경고 또는 제어를 통해 운전자 부주의에 의한 사고를 예방할 수 있도록 도와주는 운전자보조시스템의 연구 개발이 활발하다. 최근에는 위 상황에서 제동 제어와 조향 제어를 모두 사용해 사고를 예방하는 운전자보조시스템의 연구가 진행되고 있다. 충돌 위험 상황에서 제동과 조향을 이용해 사고를 방지하는 운전자보조시스템의 경우, 충돌 회피 경로를 생성하고 이 경로를 추종할 수 있는 제어입력을 구해야 한다. 하지만 이 과정에 시간이 소요되므로, 충돌까지의 시간이 많지 않은 갑작스러운 충돌 위험 상황에서 사고로 이어질 수 있다. 따라서 본 논문에서는 위 상황에서 미리 학습된 행동(Action)을 통해 빠르게 사고 위험에 대해 대처할 수 있도록 도와주는 운전자보조시스템을 제안한다. 행동 학습 시, 충돌 위험 상황을 인지하기 위해 거리 측정 센서를 사용하므로 센서 출력 값의 가능한 경우의 수를 상태로 정의하면 그 수가 매우 많아 학습 시간이 오래 걸리거나 메모리 부족으로 학습이 불가능할 수 있다. 따라서 센서의 측정 범위에 따라 상태를 분할하여 독립적으로 학습시킨 후, 실제 사용 시 각 센서의 측정값으로 구한 Q-value들의 평균에서 가장 높은 값을 갖는 행동을 취하는 Q-value 평균 방식을 제안하고, 이를 시뮬레이션 실험을 통해 검증한다. 또한 학습된 정책의 실효성을 확인하기 위해 정적 장애물만 있는 경우와 동적 장애물이 함께 있는 경우의 충돌 위험 상황에서 충돌 회피 가능 여부를 확인한다.