지창훈, 한연희,

Journal of Advanced Technology Research, Vol. 8, No. 1, pp. 15-19, 6월. 2023
10.11111/JATR.2023.8.1.015, Full Text:
Keywords: 드론 자율 비행, EGO-Swarm, 계층적 심층강화학습
Abstract

최근 EGO-Swarm 시스템은 복잡한 실제 환경에서 성공적인 원활한 드론 비행 경로 생성을 함으로써 주목받고 있다. EGO-Swarm은 원활한 경로 생성을 위해 다양한 파라미터 값들을 설정하는데, 이러한 파라미터 중에서 드론의 최대 속도 와 최대 가속도는 드론 비행 성능 향상에 중요한 역할을 한다. EGO-Swarm은 처음 설정한 파라미터 값을 경로 생성 중에 고정되지만, 최대 속도와 최대 가속도의 경우 실시간으로 변하는 환경에 따라 최적의 값이 변하기 때문에 실시간으로 변 화하는 환경에 따라 새롭게 변경하는 것이 바람직하다. 본 논문에서는 실시간 환경 변화에 따라 최대 속도와 최대 가속도 를 계층적 심층강화학습을 통해 새롭게 설정하는 새로운 알고리즘을 제안한다. 제안 기법의 타당성을 검증하기 위해 ROS 시뮬레이션에서 기존 EGO-Swarm 알고리즘과 제안하는 알고리즘의 비교 실험을 진행하며, 실험 결과 제안하는 알고리 즘이 평균 속도 향상 및 경로의 길이 측면에서 기존 EGO-Swarm 알고리즘보다 성능이 더 좋다는 것을 확인할 수 있다.

Statistics
Cite this article