스스로 발전하는 인공지능 연구

Abstract

IV. 연구개발결과

<인공지능 기반 자율주행자동차의 안전 주행 기술 개발 > [연구성과정의] ○ 사고위험이 높은 도로에서 결정론적 강화학습 기반 자율주행차량 시뮬레이터 개발 [연구내용] ○ 알파고의 한계를 극복하는 심화강화학습 기반 인공지능 핵심 기술 개발 - 알파고는 바둑처럼 불연속적인 행동(action)을 처리하기 위해 심화 강화학습을 사용함. 하지만 자율주행 자동차에 알파고에서 적용한 강화학습은 ‘차원의 저주’라는 컴퓨터 계산의 한계에 봉착 - 불연속적인 행동 기반의 심화 강화학습의 한계를 극복하기 위해서는 자율주행자동차의 연속적인 3가지 행동(가속 페달, 브레이크, 핸들)을 제어할 수 있는 연속적인 강화학습인 DDPG를 개발함 - 실제 운전자가 차선변경이 빈번히 발생하는 위험한 도로 상황에서 고려한 자율주행 차량 시뮬레이터를 개발 - 알파고는 한 개의 agent가 필요하지만, 위험한 도로에서 자율주행차의 안전한 주행 학습을 위해 여러대의 agent가 필요로 하며, 이를 위해서 Multi-Agent 기반의 DDPG 알고리즘을 구현하여, 시뮬레이션을 수행함 ○ 드론을 이용한 위험한 도로에서 차량 운전 행태 분석 - 자율주행자동차에 양보를 학습하기 위해서, 실제로 차선변경이 자주 발생하는 위험도로에서 드론을 이용한 실제 차량 데이터 기반 운정 행태 분석

(출처 : 요약문 : 4p)

IV. R & D results

<Development of safe driving autonomous vehicles based on artificial intelligence> □ Definition of research result ○ Decision-making reinforcement learning-based autonomous vehicle simulator development on roads with high accident risk

□ Research content ○ Development of AI core technology that strengthens deepening learning - Autonomous vehicles based on discontinuous behavior developed DDPG - a continuous reinforcement learning that can control three consecutive actions (accelerator pedal, brake, hndle) - Developed an autonomous vehicle simulator that is considered in a dangerous road situation where the actual driver should frequently changes the lane

(출처 : SUMMARY 8p)