Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 허건수 | - |
dc.contributor.author | 류재언 | - |
dc.date.accessioned | 2023-05-11T12:01:48Z | - |
dc.date.available | 2023-05-11T12:01:48Z | - |
dc.date.issued | 2023. 2 | - |
dc.identifier.uri | http://hanyang.dcollection.net/common/orgView/200000651502 | en_US |
dc.identifier.uri | https://repository.hanyang.ac.kr/handle/20.500.11754/180050 | - |
dc.description.abstract | 자율주행 시스템에서 주행 판단과 경로 생성은 인지 시스템과 제어 시스템을 연결해주는 매우 중요한 시스템이다. 특히 고속도로에서 자율주행을 위한 supervisor는 안전과 원활한 교통량에 직결되는 중요한 시스템이다. 기존 연구들은 rule-based 알고리즘을 통한 주행 판단 시스템을 제시한다. 하지만 차량 속도가 빠르고 주변 객체가 많은 dense-traffic 상황에선 그 규칙이 매우 복잡해져 주행 성능이 떨어지거나 규칙의 오류로 인한 사고로 이어질 가능성이 있다. 따라서 본 논문에선 Deep Reinforce-Learning을 통해 dense traffic 상황에 대해 어떤 주행 판단이 안전하고 원활한 주행이 될 수 있을지 학습하여 수행 능력을 평가한다. 이 과정에서 자율주행 환경이라는 특수한 조건에서 기존 방식보다 performance를 높이기 위해 보상의 무작위성을 고려하도록 하는 distributional reinforcement learning 알고리즘 중 quantile regression 기법과, 보상의 희소성을 극복하고 여러 탐험을 통해 학습할 수 있도록 random network distillation 기법을 사용하였다. 또한 supervisor의 강건성을 높이기 위해 curriculum learning 방식을 통해 간단한 교통 상황부터 교통량을 점차 높여가며 학습함으로써 다양한 상황에 대한 판단 성능을 확보하였다. | - |
dc.publisher | 한양대학교 | - |
dc.title | 강화학습을 이용한 고속도로 자율주행로에서의 주행 판단 정책 | - |
dc.title.alternative | Reinforcement Learning Based Decision Policy in Highway Autonomous Driving | - |
dc.type | Theses | - |
dc.contributor.googleauthor | 류재언 | - |
dc.contributor.alternativeauthor | JAE UN RYU | - |
dc.sector.campus | S | - |
dc.sector.daehak | 대학원 | - |
dc.sector.department | 미래자동차공학과 | - |
dc.description.degree | Master | - |
dc.contributor.affiliation | 미래자동차-SW융합전공 | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.