WO2024096607A1 - 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템 - Google Patents

하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템 Download PDF

Info

Publication number
WO2024096607A1
WO2024096607A1 PCT/KR2023/017342 KR2023017342W WO2024096607A1 WO 2024096607 A1 WO2024096607 A1 WO 2024096607A1 KR 2023017342 W KR2023017342 W KR 2023017342W WO 2024096607 A1 WO2024096607 A1 WO 2024096607A1
Authority
WO
WIPO (PCT)
Prior art keywords
driving
agent
policy
path
driving policy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2023/017342
Other languages
English (en)
French (fr)
Inventor
정승환
최진영
황슬빈
김건우
변재정
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naver Labs Corp
Original Assignee
Naver Labs Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Naver Labs Corp filed Critical Naver Labs Corp
Publication of WO2024096607A1 publication Critical patent/WO2024096607A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/644—Optimisation of travel parameters, e.g. of energy consumption, journey time or distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags or using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/20—Control system inputs
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/617—Safety or protection, e.g. defining protection zones around obstacles or avoiding hazards
    • G05D1/622—Obstacle avoidance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present disclosure relates to a method and system for determining a driving policy based on a hybrid driving algorithm.
  • the final driving policy is determined by calculating values related to one or more driving paths based on the initial driving policy of the learned agent and the classical path planning algorithm. It is about decision-making methods and systems.
  • a reinforcement learning-based driving algorithm is being used as an existing route planning technology for autonomous driving.
  • reinforcement learning-based driving algorithms that predict 1-step behavior have good avoidance performance in dynamic environments, but prediction of the entire path is impossible and may not be compatible with classical path planning algorithms.
  • the entire path can be known, but since it predicts only one path, it may be difficult to be compatible with classical path planning algorithms.
  • the present disclosure provides a hybrid driving algorithm-based driving policy decision method, a computer-readable non-transitory recording medium and a device (system) recording commands to solve the above problems.
  • the present disclosure may be implemented in various ways, including as a method, device (system), or computer program stored in a readable storage medium.
  • a hybrid driving algorithm-based driving policy determination method performed by at least one processor includes an agent's initial driving policy learned using a trajectory library. Obtaining, calculating a first numerical value related to one or more driving paths by a first method using the initial driving policy of the learned agent, calculating a second numerical value related to one or more driving paths by a second method. A step of calculating and determining a final driving policy based on the calculated first value and the calculated second value.
  • a computer-readable non-transitory recording medium recording instructions for executing a method according to an embodiment of the present disclosure on a computer is provided.
  • an information processing system includes a communication module, a memory, and at least one processor connected to the memory and configured to execute at least one computer-readable program included in the memory, and a path library.
  • Obtain the initial driving policy of the learned agent using the learned agent's initial driving policy calculate a first numerical value related to one or more driving paths by a first method using the initial driving policy of the learned agent, and calculate a first numerical value related to one or more driving paths by using the initial driving policy of the learned agent.
  • a driving path output from a reinforcement learning-based algorithm includes a plurality of paths rather than a single driving path, so it is compatible with a classical path planning algorithm.
  • the initial driving policy of the agent based on reinforcement learning is learned to select the driving path that gives the highest reward from the path library, so that the agent currently drives on which path through the selected driving path. You can predict what will happen.
  • the avoidance performance of a target object in a dynamic environment can be improved by using a hybrid driving algorithm that combines a reinforcement learning-based driving algorithm and a classical path planning algorithm.
  • FIG. 1 is a diagram illustrating an example of a method for determining a driving policy based on a hybrid driving algorithm according to an embodiment of the present disclosure.
  • Figure 2 is a schematic diagram showing a configuration in which an information processing system according to an embodiment of the present disclosure is connected to enable communication with an autonomous mobile robot, which is a plurality of target objects.
  • Figure 3 is a block diagram showing an information processing system that provides a driving policy decision method based on a hybrid driving algorithm according to an embodiment of the present disclosure.
  • Figure 4 is a diagram showing the internal configuration of a processor according to an embodiment of the present disclosure.
  • Figure 5 is an example diagram showing a reinforcement learning model according to an embodiment of the present disclosure.
  • Figure 6 is a diagram illustrating an example of interaction between a route library, an agent, and an environment according to an embodiment of the present disclosure.
  • Figure 7 is a diagram illustrating an example of a route library being updated according to an embodiment of the present disclosure.
  • Figure 8 is a diagram illustrating an example of learning an agent's initial driving policy according to an embodiment of the present disclosure.
  • Figure 9 is a diagram illustrating an example of learning an agent's initial driving policy according to another embodiment of the present disclosure.
  • FIG. 10 is a diagram illustrating an example of calculating numerical values for a driving path and determining a final driving policy according to an embodiment of the present disclosure.
  • FIG. 11 is a flowchart illustrating an example of a method for determining a driving policy based on a hybrid driving algorithm according to an embodiment of the present disclosure.
  • a modulee' or 'unit' refers to a software or hardware component, and the 'module' or 'unit' performs certain roles.
  • 'module' or 'unit' is not limited to software or hardware.
  • a 'module' or 'unit' may be configured to reside on an addressable storage medium and may be configured to run on one or more processors.
  • a 'module' or 'part' refers to components such as software components, object-oriented software components, class components and task components, processes, functions and properties. , procedures, subroutines, segments of program code, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays, or variables.
  • Components and 'modules' or 'parts' may be combined into smaller components and 'modules' or 'parts' or further components and 'modules' or 'parts'.
  • a 'module' or 'unit' may be implemented with a processor and memory.
  • 'Processor' should be interpreted broadly to include general-purpose processors, central processing units (CPUs), microprocessors, digital signal processors (DSPs), controllers, microcontrollers, state machines, etc.
  • 'processor' may refer to an application-specific integrated circuit (ASIC), programmable logic device (PLD), field programmable gate array (FPGA), etc.
  • ASIC application-specific integrated circuit
  • PLD programmable logic device
  • FPGA field programmable gate array
  • 'Processor' refers to a combination of processing devices, for example, a combination of a DSP and a microprocessor, a combination of a plurality of microprocessors, a combination of one or more microprocessors in combination with a DSP core, or any other such combination of configurations. You may. Additionally, 'memory' should be interpreted broadly to include any electronic component capable of storing electronic information.
  • RAM random access memory
  • ROM read-only memory
  • NVRAM non-volatile random access memory
  • PROM programmable read-only memory
  • EPROM erasable-programmable read-only memory
  • a memory is said to be in electronic communication with a processor if the processor can read information from and/or write information to the memory.
  • the memory integrated into the processor is in electronic communication with the processor.
  • 'system' may include at least one of a server device and a cloud device, but is not limited thereto.
  • a system may consist of one or more server devices.
  • a system may consist of one or more cloud devices.
  • the system may be operated with a server device and a cloud device configured together.
  • each of a plurality of A' or 'each of a plurality of A' may refer to each of all components included in a plurality of A, or may refer to each of some components included in a plurality of A.
  • each of the plurality of driving paths may refer to each of all driving paths included in the plurality of driving paths or may refer to each of some driving paths included in the plurality of driving paths.
  • Reinforcement Learning is an area of machine learning, a learning method in which a computer selects an action that maximizes the reward among selectable actions for a given state.
  • the computer program that is the target of reinforcement learning can be referred to as an agent, and the agent can explore a given environment and establish a policy that indicates the probability of an action it can take in the current state. there is.
  • the agent can interact with the environment and learn actions or policies that can result in high rewards.
  • the agent or its policy is learned by interacting states, actions, and rewards between the given environment and the agent, and the goal of reinforcement learning may be to establish a policy through which the agent can receive the maximum reward.
  • 'machine learning model' may include any model used to infer an answer to a given input.
  • the machine learning model may include an artificial neural network model including an input layer (layer), a plurality of hidden layers, and an output layer.
  • each layer may include multiple nodes.
  • a plurality of machine learning models such as a first machine learning model, a second machine learning model, and a third machine learning model, are described as separate machine learning models, but are not limited thereto, and are a part or part of a plurality of machine learning models. The entire thing can be implemented as a single machine learning model.
  • a machine learning model may refer to an artificial neural network model
  • an artificial neural network model may refer to a machine learning model.
  • the agent 120 may be trained using the route library 110 (112).
  • the path library 110 may be built to include a plurality of driving paths on which the target object can drive, and may be updated to include driving paths used for skilled driving by an expert agent. there is.
  • the initial driving policy of the learned agent 120 may be obtained.
  • the initial driving policy of the agent 120 may include an arbitrary algorithm learned to select a driving path that gives the highest reward among a plurality of driving paths included in the path library 110, for example. For example, it can be learned using a machine learning model (e.g., artificial neural network model, etc.). Details of the initial driving policy of the agent 120 will be described later in FIGS. 7 and 8.
  • the learned agent 120 receives one or more driving routes included in the route library 110 (130) and uses an initial driving policy.
  • a first numerical value related to the driving path may be calculated (112).
  • the first number related to the driving path may include the value of one or more driving paths.
  • the classical route planning unit 140 receives one or more driving routes included in the route library 110 (142) and uses a classical route planning algorithm to calculate a second value related to the one or more driving routes. Calculation (152) can be done.
  • the second value related to the driving path may include a cost for one or more driving paths.
  • the final driving policy decision unit 160 receives the numerical value calculated by the agent 120 and the numerical value calculated by the classical route planning unit 140, and sets the agent's final driving policy 180 based on this. You can decide (170). For example, the final driving policy decision unit may apply a weight to each calculated value and determine the final driving policy 180 to select the driving path with the largest summed value. These weights can be dynamically adjusted to adjust the weight of each calculated value.
  • a driving policy can improve avoidance performance in a dynamic environment. may be determined or established.
  • Figure 2 is a schematic diagram showing a configuration in which the information processing system 230 according to an embodiment of the present disclosure is connected to communicate with autonomous mobile robots 210_1, 210_2, and 210_3, which are a plurality of target objects.
  • Information processing system 230 may include system(s) that determines driving policy.
  • information processing system 230 may be one or more server devices and/or databases capable of storing, serving, and executing computer-executable programs (e.g., downloadable applications) and data related to determining driving policies. , or may include one or more distributed computing devices and/or distributed databases based on cloud computing services.
  • the information processing system 230 may provide information corresponding to a signal input through an application (eg, a robot application and/or an artificial intelligence application, etc.) or perform corresponding processing.
  • an application eg, a robot application and/or an artificial intelligence application, etc.
  • the information processing system 230 may control a plurality of autonomous mobile robots 210_1, 210_2, and 210_3 through any application related to driving policy determination and/or driving path prediction.
  • the information processing system 230 may communicate with a plurality of autonomous mobile robots 210_1, 210_2, and 210_3 through the network 220.
  • the network 220 may be configured to enable communication between a plurality of autonomous mobile robots 210_1, 210_2, and 210_3 and the information processing system 230.
  • the network 220 may be, for example, a wired network such as Ethernet, a wired home network (Power Line Communication), a telephone line communication device, and RS-serial communication, a mobile communication network, a wireless LAN (WLAN), It may consist of wireless networks such as Wi-Fi, Bluetooth, and ZigBee, or a combination thereof.
  • the communication method is not limited, and may include communication methods utilizing communication networks that the network 220 may include (e.g., mobile communication networks, wired Internet, wireless Internet, broadcasting networks, satellite networks, etc.), as well as autonomous mobile robots (210_1, 210_2, 210_3), short-range wireless communication may also be included.
  • the network 220 may include (e.g., mobile communication networks, wired Internet, wireless Internet, broadcasting networks, satellite networks, etc.), as well as autonomous mobile robots (210_1, 210_2, 210_3), short-range wireless communication may also be included.
  • an autonomous mobile robot for professional services (210_1), an autonomous mobile robot for industrial use (210_2), and an autonomous mobile robot for personal services (210_3) are shown as examples of robots, but they are not limited thereto, and autonomous mobile robots (210_1, 210_2) , 210_3) may be any computing device capable of wired and/or wireless communication and on which a robot application, a driving policy decision application, an artificial intelligence application, etc. can be installed and executed.
  • the autonomous mobile robots 210_1, 210_2, and 210_3 may include autonomous vehicles, etc.
  • three autonomous mobile robots (210_1, 210_2, 210_3) are shown communicating with the information processing system 230 through a network 220, but the disclosure is not limited thereto, and a different number of devices may be connected to the network (210_1). It may be configured to communicate with the information processing system 230 through 220).
  • the autonomous mobile robots 210_1, 210_2, and 210_3 transmit a request for data related to the driving policy to the information processing system 230 through the network 220, and receive the driving policy and/or information from the information processing system 230. Alternatively, data related to the driving route may be received. In response to receiving data related to the driving policy and/or driving path, the autonomous mobile robots 210_1, 210_2, and 210_3 may autonomously move or operate according to the driving policy and/or driving path.
  • FIG. 3 is a block diagram illustrating an information processing system 230 that provides a driving policy determination method based on a hybrid driving algorithm according to an embodiment of the present disclosure.
  • the information processing system 230 for determining driving policy may include a memory 310, a processor 320, a communication module 330, and an input/output interface 340. As shown in FIG. 3, the information processing system 230 may be configured to communicate information and/or data over a network using a communication module 330.
  • Memory 310 may include any non-transitory computer-readable recording medium.
  • the memory 310 may include a non-permanent mass storage device, such as a disk drive, solid state drive (SSD), or flash memory.
  • non-perishable mass storage devices such as ROM, SSD, flash memory, disk drive, etc. may be included in the information processing system 2300 as a separate persistent storage device that is distinct from memory.
  • the memory 310 includes an operating system and at least one program code (e.g., an initial driving policy acquisition command installed and driven in the information processing system 2300, a numerical calculation command related to one or more driving paths, and a final driving policy decision commands, etc.) can be stored.
  • the memory 310 is shown as a single memory, but this is only for convenience of explanation, and the memory 310 may include a plurality of memories and/or buffer memories.
  • These software components may be loaded from a computer-readable recording medium separate from the memory 310.
  • Recording media readable by such a separate computer may include recording media directly connectable to the information processing system 230, for example, floppy drives, disks, tapes, DVD/CD-ROM drives, memory cards, etc. It may include a recording medium that can be read by a computer.
  • software components may be loaded into the memory 310 through the communication module 330 rather than a computer-readable recording medium.
  • at least one program is a computer program (e.g., for determining driving policy) installed by files provided through the communication module 330 by developers or a file distribution system that distributes the installation file of the application. It may be loaded into the memory 310 based on a program, etc.).
  • the processor 320 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations. Commands may be provided to a user terminal (not shown) or another external system by the memory 310 or the communication module 330. For example, the processor 320 may obtain or learn the initial driving policy of a learned agent using a route library.
  • the communication module 330 may provide a configuration or function for a user terminal (not shown) and the information processing system 230 to communicate with each other through a network, and the information processing system 230 may be connected to an external system (for example, a separate Configuration or functions for communicating with cloud systems, etc. can be provided.
  • control signals, commands, data, etc. provided under the control of the processor 320 of the information processing system 2300 pass through the communication module 330 and the network to the user through the communication module of the user terminal and/or external system. It may be transmitted to the terminal and/or external system.
  • an external system eg, a driving path determination system
  • the input/output interface 340 of the information processing system 230 is connected to the information processing system 230 or means for interfacing with a device (not shown) for input or output that the information processing system 230 may include. It can be.
  • the input/output interface 340 may include at least one of a PCI express interface and an Ethernet interface.
  • the input/output interface 340 is shown as an element configured separately from the processor 320, but the present invention is not limited thereto, and the input/output interface 340 may be included in the processor 320.
  • Information processing system 230 may include more components than those in FIG. 3 . However, there is no need to clearly show most prior art components.
  • the processor 320 of the information processing system 230 may be configured to manage, process, and/or store information and/or data received from a plurality of user terminals and/or a plurality of external systems. According to one embodiment, the processor 320 may receive driving route data. The processor may update the route library based on the received driving route data. In FIG. 3, the processor 320 is shown as a single processor, but this is only for convenience of explanation, and the processor 320 may include a plurality of processors.
  • FIG. 4 is a diagram showing the internal configuration of the processor 320 according to an embodiment of the present disclosure.
  • the processor 320 may include a route library 110, a learning unit 430, an agent 120, a classical route planning unit 140, and a final driving policy decision unit 160.
  • the route library 110, agent 120, learning unit 430, classical route planning unit 140, and final driving policy decision unit 160 are stored in any storage medium (e.g., memory 310, etc.). It may be stored or loaded in and accessed or executed by the processor 320.
  • each component of the processor 320 shows functionally distinct functional elements, and a plurality of components may be implemented in a form that is integrated with each other in an actual physical environment.
  • the processor 320 is implemented by dividing it into a route library 110, an agent 120, a learning unit 430, a classical route planning unit 140, and a final driving policy decision unit 160, but is limited to this. Some configurations may be omitted or other configurations may be added.
  • the path library 110 may be constructed to include a plurality of driving paths along which the target object can travel.
  • the route library 110 may classify and store driving routes that can reach a target point by stage.
  • the saved driving path is moved and stored in a storage medium (e.g., memory 310, buffer memory, external storage medium, etc.), or is stored in the learning unit 430, agent 120, and/or classical route planning unit 140. can be provided.
  • the route library 110 may be updated to construct a driving route necessary for skilled driving by an expert agent.
  • a machine learning model configured to output the expected reward using the state and action of the target object (e.g., robot, etc.) as input can be used. Details related to the update of the route library are described later in FIG. 7.
  • the learning unit 430 can train the agent 120 using a path library.
  • the agent 120 can be trained to select a driving path that gives the highest reward among a plurality of driving paths included in the path library. Through this, it is possible to obtain an initial driving policy that allows the agent 120 to select a driving path that allows the target object to reach the destination without colliding.
  • the learning unit 430 may update the driving route included in the route library 110.
  • the learning unit 430 may update the route library to include the expert agent's driving route.
  • the learning unit 430 may use a machine learning model stored in any storage medium accessible by the processor to update the path library.
  • the agent 120 can select a driving route to be taken.
  • the driving path selected in this way may be determined as the movement path of the target object.
  • the agent 120 is trained using the route library 110, so that an initial driving policy can be learned or established. For example, the agent 120 is trained to select a route that can receive the highest reward among the route libraries, and through the selected driving route, the agent 120 can determine which route to currently drive.
  • the agent 120 may calculate a first numerical value related to one or more driving paths using a driving policy. For example, the agent 120 may calculate a value for each of a plurality of driving routes included in the route library 110 through an initial driving policy established using the route library 110. Through this, the agent 120 can provide the final driving policy decision unit 160 with data for determining a final driving policy that can find the optimal driving path.
  • the classical route planning unit 140 may calculate a second numerical value related to one or more driving paths among a plurality of driving paths stored in the route library 110 by using a classical route planning algorithm.
  • the classical route planning unit 140 may calculate a cost for each of one or more driving routes included in the route library 110 based on a classical route planning algorithm.
  • each of the costs for one or more driving paths may include a goal distance cost, a path distance cost, a target velocity cost, and It may include at least one of collision costs or a combined cost.
  • the classical path planning algorithm is a dynamic window approach algorithm, a trajectory rollout algorithm, a focused trajectory planning algorithm, or a sampling-based local path. It may include at least one of the planner algorithms (sampling-based local trajectory planner algorithm).
  • the classical route planning unit 140 like the agent 120, can provide the final driving policy decision unit 160 with data for establishing a final driving policy that can find the optimal driving path.
  • the final driving policy decision unit 160 determines the final driving policy of the agent searching for the optimal driving path based on the values calculated by each of the agent 120 and the classical route planning unit 140. You can. For example, the final driving policy decision unit 160 may determine the agent's final driving policy by considering the value and/or cost of a plurality of routes included in the route library 110.
  • the final driving policy may include a plurality of driving paths including driving paths in each of one or more states of the target object.
  • the final driving policy decision unit 160 may apply a weight to each calculated value and calculate a combined score.
  • a total score can be calculated by applying a positive weight for value and a negative weight for cost.
  • the weights can be dynamically adjusted to adjust the proportion between the calculated values depending on the situation.
  • the final driving policy decision unit 160 may establish or determine a final driving policy for selecting a driving route based on the calculated total score. For example, the final driving policy decision unit 160 may determine the final driving policy to select a driving route that maximizes the total score.
  • FIG. 5 is an example diagram showing a reinforcement learning model according to an embodiment of the present disclosure.
  • Reinforcement Learning is a field of machine learning and refers to a learning method in which an agent 510 selects an action that maximizes reward among selectable actions for the current state in a given environment 500. You can.
  • the agent 510 may include an algorithm and/or a machine learning model (e.g., artificial neural network model, etc.) that are subject to reinforcement learning, and may explore the given environment to determine the actions it can take in the current state. A policy representing probability can be established.
  • agent 510 may correspond to agent 120 disclosed herein.
  • reinforcement learning may include any algorithm that can handle continuous actions.
  • the agent may be trained using policy-based reinforcement learning (policy-based RL).
  • policy-based reinforcement learning may refer to a learning method that directly models a policy as a function using a neural network. When a state is input to the policy neural network modeled in this way, an action in response to it can be directly output.
  • the agent may be trained using an actor-critic algorithm.
  • the actor-critic algorithm can determine actions through policy-based reinforcement learning and can help learn this policy using a value function.
  • Advantage Actor-Critic A2C
  • Asynchronous Advantage Actor-Critic A3C
  • Proximal Policy Optimization PPO
  • the present disclosure may include both a policy-based reinforcement learning algorithm and an actor-critic algorithm, and both methods may use policy gradient (PG).
  • policy gradient may refer to a method of gradually changing policy parameters so that the agent can receive more rewards. Through this, the modeled policy neural network can be learned as an optimal policy.
  • This policy gradient algorithm may include a method that outputs the probability of an action for a given state (Stochastic Policy Optimization) and a method that directly outputs an action for a given state (Deterministic Policy Optimization).
  • the algorithm that outputs the probability of action may include A2C (Advantage Actor-Critic), SAC (Soft Actor Critic), PPO (Proximal Policy Optimization), TRPO (Trust Region Policy Optimization), etc.
  • the algorithm (decision policy gradient) that directly outputs the action may include, but is not limited to, DDPG (Deep Deterministic Policy Gradient) and TD3 (Twin Delayed Deep Deterministic Policy Gradient).
  • state 520 may refer to current location information of a target object.
  • the current location information may refer to absolute location information such as GPS information, location information in a specific space, or relative location information from a specific reference object.
  • Action 540 may include driving according to a driving path.
  • the reward 530 is a benefit obtained for the action of the target object, and may refer to the weight of the agent's machine learning model (e.g., artificial neural network model) that is updated when the target object reaches the goal point, but is limited to this. This does not occur, and the parameters that can maximize the objective function of reinforcement learning can be updated through compensation.
  • the agent's machine learning model e.g., artificial neural network model
  • the environment 500 refers to any environment that is associated with the driving of the target object or represents or characterizes the driving of the target object (e.g., a robot, etc.), for example, map information, driving path, and associated with the driving of the target object. It may include information about obstacles existing in the surroundings. Additionally, the environment 500 may also include information (e.g., location, speed, etc.) about the target object traveling according to the agent's control command. Additionally, environment 500 may refer to environment 610, which will be described later.
  • the agent 510 when the agent 510 receives a specific state from a given environment 500 (or the agent acquires a specific state through monitoring), the agent 510 generates a control command according to the state and , the generated control command can be transmitted to the target object of the environment 500.
  • the target object in the environment 500 may provide the agent 510 with a reward 530 for the action.
  • the agent 510 can learn to interact with the environment 500 and determine actions that can result in high rewards.
  • MDP Markov Decision Process
  • MDP is a decision-making model that adds the concepts of reward (530), action (540), and policy to the Markov Process, which represents a process in which the state changes stochastically as time progresses.
  • the navigation task M of the target object based on the MDP can be expressed as Equation 1.
  • O may represent an observation
  • A may represent the space of the action 540.
  • the observation value may indicate any information associated with the state of the target object, which may refer to the state 520, for example, the current location, driving speed, driving direction, etc.
  • the action 540 may indicate that the target object is It can indicate a control command regarding which route to drive.
  • r may represent a reward function for the action of the target object.
  • each of P and ⁇ can represent the state transition probability and decay rate.
  • FIG. 6 is a diagram illustrating an example of interaction between the path library 110, the agent 120, and the environment 610 according to an embodiment of the present disclosure.
  • the agent 120 may include an algorithm and/or a machine learning model that is the subject of reinforcement learning, and may interact with the given environment 610 of the target object to determine which agent it can take from the current state.
  • a policy representing the probability of action 620 may be established or determined.
  • the action 620 may refer to one or more driving paths among a plurality of driving paths included in the route library 110.
  • the agent 120 may include a driving path selection algorithm, and the probability of an action 620 navigating a given environment 610 for a target object (e.g., an autonomous mobile robot) to reach the destination without colliding.
  • Policies that represent can be established or decided.
  • the driving route of the agent 120 may be a route included in the route library 110.
  • the path library 110 may be updated to reflect the given environment 610 of the target object (630).
  • the route library 110 receives data about the state and action of a target object (e.g., a robot) from the environment 610 and creates a route that maximizes the expected reward that will be obtained when the target object travels to the destination. It may be updated to include: That is, the route library 110 may be updated so that a driving route with a maximized expected reward is included in the route library 110.
  • the state of the target object may include arbitrary information necessary for the target object to autonomously drive within the environment 610, but is not limited to this, for example, driving range, positioning, It may include current velocity, etc.
  • the action of the target object may refer to the path on which the target object will travel.
  • FIG. 7 is a diagram illustrating an example in which the route library 110 is updated (720) according to an embodiment of the present disclosure.
  • the path library 110 may be updated using an action-value function (720).
  • the action value function may refer to the sum of the expected rewards received in the future in a specific state of the target object. Additionally, the action value function may refer to the expected return value received when a specific action is taken according to a specific policy in a specific state of the target object.
  • the action value function for updating the path library 110 is expressed as Equation 2 below.
  • Q may refer to the expected reward that can be obtained when the target object (e.g., robot) travels from the current step (t) to the last step.
  • a machine learning model can be used to obtain this expected reward.
  • ⁇ may refer to an artificial neural network parameter.
  • ⁇ may include a Q network parameter.
  • s may refer to the current state of the target object.
  • the current state of the target object may include any information necessary for driving within the environment associated with the target object, including, but not limited to, the driving range of the target object, the current location of the target object, It may include the current driving speed of the target object.
  • a may refer to the action of the target object.
  • a may refer to the driving path along which the target object will travel.
  • E may refer to an expectation, and D may refer to a replay buffer.
  • r may refer to the reward that will be obtained when the target object performs a specific action a in a specific state s.
  • ⁇ may refer to the driving policy of the target object, and t may refer to the stage of the driving process of the target object.
  • the path library 110 may be updated using a machine learning model.
  • the path library 110 may be updated by the first machine learning model 710 configured to output the expected reward from the current step to the last step by taking the state and action of the target object as input (720).
  • the first machine learning model 710 may be learned using learning information including the learning state and learning action of the target object, and information about the expected learning reward corresponding to the learning information.
  • the machine learning model 710 can receive the learning state and learning action of the target object and output an expected reward. It can be learned to minimize the loss value between the output expected reward and the given learning expected reward. .
  • the first machine learning model 710 may be built or learned using the above-described action value function to update the path library 110.
  • the first machine learning model 710 may update the path library 110 in a direction that maximizes the expected reward calculated by the above-described action value function.
  • gradient ascent can be used to maximize the expected reward.
  • the gradient ascent method can refer to finding the gradient of a function and continuing to move in the direction of the gradient, repeating the process until it reaches the extreme value.
  • the formula for maximizing the expected reward of the action value function using the gradient ascent method is as shown in Equation 3 below.
  • the route library 110 may be updated so that the route output through the learning process of the first machine learning model 710, that is, the route required for skilled driving, is included in the route library 110. Furthermore, the path library 110 may be updated in real time to reflect the state of the target object.
  • FIG. 8 is a diagram illustrating an example in which the initial driving policy of the agent 120 is learned (820) according to an embodiment of the present disclosure.
  • a second machine learning model 810 may be used to learn the initial driving policy of the agent 120 (820).
  • the second machine learning model 810 for establishing the initial driving policy of the agent 120 is the environment 610 and the target object, including the driving path included in the route library 110 and the state and action of the target object.
  • An initial driving policy can be established or learned using the expected reward according to the state and action.
  • the second machine learning model 810 may be built or learned using an action value function to establish the initial driving policy of the agent 120.
  • the second machine learning model 810 may be configured to output an expected reward using the state and action of the target object as input.
  • the second machine learning model 810 is the first machine learning model 710. It may have the same configuration as and the action value function described above in FIG. 7 can be used.
  • the second machine learning model 810 learns the initial driving policy of the agent 120 based on the probability value calculated by the softmax function to maximize the expected reward of the action value function. It can be configured to do so (820).
  • the softmax function is a multidimensional generalization of the logistic function and may refer to an activation function for calculating a probability distribution used to build or learn a machine learning model. For example, as an example of a softmax function, Equation 4 below can be used.
  • ⁇ may refer to the driving policy of an object (e.g., a robot).
  • ⁇ may refer to Gaussian noise for a Gaussian distribution.
  • ⁇ may refer to the entropy regularization coefficient.
  • A may refer to the behavior of an object (e.g. a robot). For example, A may refer to the path along which an object (e.g., a robot) will travel.
  • the second machine learning model 810 which is configured to calculate the probability value for the expected reward using the softmax function, can be used to establish and learn an initial driving policy considering the exploration of the agent 120.
  • the second machine learning model 810 can be learned using learning information including the learning state and learning action of the target object, and information about the learning probability value for the expected reward corresponding to the learning information.
  • the second machine learning model 810 can receive the learning state and learning action of the target object and output a probability value for the expected reward, and learn to minimize the loss value between the output probability value and the given learning probability value. It can be.
  • the second machine learning model 810 is shown as an external configuration of the agent 120, but the present invention is not limited thereto, and the second machine learning model 810 may be included in some configuration of the agent 120. .
  • FIG. 9 is a diagram illustrating an example in which the initial driving policy of the agent 120 is learned (920) according to another embodiment of the present disclosure.
  • a machine learning model may be used to learn the initial driving policy of the agent 120 (920).
  • the third machine learning model 910 for establishing the initial driving policy of the agent 120 establishes the initial driving policy from the environment 610 including the path included in the path library 110 and the state of the target object. You can do it or learn it.
  • the third machine learning model 910 takes as input the state of the target object and a plurality of driving paths included in the path library, and outputs the probability of selecting each of the plurality of driving paths included in the path library. It can be configured to do so.
  • the third machine learning model 910 can be learned using the learning state of the target object, a plurality of learning driving information corresponding to the learning state, and learning information about the learning probability value for selecting each of the plurality of learning driving information. there is. That is, the third machine learning model 910 receives the learning state of the target object and a plurality of driving information, and outputs a probability value for each of the plurality of driving information. The loss between the output probability value and the given learning probability value is possible. It can be learned to minimize the value. The probability output in this way can be used as data for the agent 120 to select a driving route.
  • the third machine learning model 910 may be configured to select a driving path with the maximum probability from among a plurality of driving paths included in the path library.
  • An initial driving policy of the agent 120 may be established or learned using the selected driving path.
  • the third machine learning model 910 may be built or learned using an objective function (J) configured to select a driving path with maximum probability, for example, learning to maximize the objective function (J). It can be.
  • the objective function (J) for establishing the initial driving policy of the agent 120 is expressed in Equation 5 below.
  • J may refer to the objective function
  • Q may refer to the action value function (Q function)
  • V may refer to the state value function.
  • ⁇ may refer to the driving policy of an object (e.g., a robot).
  • ⁇ may refer to an artificial neural network parameter.
  • ⁇ may include an actor network parameter.
  • ⁇ may refer to other artificial neural network parameters.
  • ⁇ may include the Q network parameter.
  • Equation 5 E may refer to the expected value, and D may refer to the playback buffer. Additionally, p may refer to an unknown state transition probability, and ⁇ may refer to an entropy normalization coefficient.
  • the third machine learning model 910 learns the initial driving policy of the agent 120 to maximize the objective function (J), thereby driving the driving path with the maximum expected reward among the plurality of driving paths included in the path library 110.
  • An initial driving policy for agent 120 may be established or learned such that a route is selected.
  • the third machine learning model 910 is shown as an external configuration of the agent 120, but the present invention is not limited thereto, and the third machine learning model 910 may be included in some configuration of the agent 120. .
  • FIG. 10 is a diagram illustrating an example of calculating a driving path value and determining a final driving policy (1080) (1070) according to an embodiment of the present disclosure.
  • the agent 120 on which the initial driving policy has been learned, may receive a plurality of driving paths included in the route library 110 (1010) and calculate a value (1030) for each driving path. (1020).
  • the value 1030 for each driving path may include a probability for each driving path.
  • the classical route planning unit 140 receives a plurality of driving routes included in the route library 110 based on a classical route planning algorithm (1040) and calculates the cost for each of the plurality of driving routes.
  • (1060) can be calculated as (1050).
  • the cost 1060 for each driving path may be at least one of a cost for the distance to the target point, a cost for the driving distance, a cost for the target speed, or a collision cost, or may be the sum of these costs.
  • the classical path planning unit 140 may use a dynamic window approach algorithm (DWA) as a classical path planning algorithm for cost calculation.
  • DWA dynamic window approach algorithm
  • the dynamic window access algorithm corresponds to local path planning and is a destination tracking algorithm that can avoid collisions by reflecting the dynamic state of the object. It can be applied in a hybrid control form fused with the global path control algorithm.
  • the dynamic window approach algorithm can be used to avoid obstacles and reach the destination by evaluating the direction, speed, and distance to the obstacle to the destination to derive the optimal linear and angular speed.
  • the classical route planning unit 140 may use a trajectory rollout algorithm as a classical route planning algorithm for cost calculation.
  • the Trajectory Rollout algorithm can be used in real time to plan a globally optimal path in a cost map using gradient techniques and to calculate local speed commands using a predictive dynamic controller.
  • the classical path planning unit 140 may use a focused trajectory planning algorithm as a classical path planning algorithm for cost calculation.
  • the focus trajectory planning algorithm is a two-stage motion planning system that can be composed of reference trajectory planning and tracking trajectory planning.
  • Reference driving path planning uses dense grid sampling and optimization techniques to generate human-like driving paths.
  • Tracking driving path planning can be used to generate, evaluate, and select driving paths that better meet dynamic constraints. Since the focus trajectory planning algorithm creates a driving path based on a reference path, the path library 110 uses the target linear speed and target rotational speed from the current position of the target object to the front gaze point as a reference. and can be configured to include the difference from that speed.
  • the classical path planning unit 140 may use a sampling-based local trajectory planner algorithm as a classical path planning algorithm for cost calculation.
  • the sampling-based local path planner algorithm is an algorithm that uses a two-stage motion planning architecture, where a support vector machine (SVM)-based approach can be used to refine the reference path in the first stage, and in the second stage In this step, a set of terminal states matching the refined reference driving path can be sampled and used to predict the driving path.
  • the driving path is created based on the reference path, so the path library 110 uses the target linear speed and target rotational speed from the current location of the target object to the forward gaze point as a reference. and can be configured to include the difference from that speed.
  • the final driving policy decision unit 160 applies a weight to each of the calculated value 1030 and cost 1060 and selects the driving route with the largest sum of the agent's final driving policy ( 1080) can be determined (1070).
  • the applied weight may be dynamically adjusted by considering the weight between the value 1030 and the cost 1060 calculated according to the context.
  • FIG. 11 is a flowchart illustrating an example of a driving policy determination method 1100 based on a hybrid driving algorithm according to an embodiment of the present disclosure.
  • Method 1100 may be performed by at least one processor (eg, processor 320) of an information processing system. As shown, the method 1100 may be initiated by obtaining the initial driving policy of the learned agent using a route library (S1110).
  • the route library may be updated to include the expert agent's driving routes. Additionally, the path library can be updated by a first machine learning model configured to output an expected reward using the state and action of the target object as input. In this case, the first machine learning model may be configured to update the path library in a direction that maximizes the expected reward using a gradient ascent method.
  • the agent's initial driving policy may be learned to select a driving path that gives the highest reward among a plurality of driving paths included in the path library.
  • the agent's initial driving policy can be learned using a second machine learning model configured to output an expected reward using the state and action of the target object as input.
  • the second machine learning model may be configured to learn the agent's initial driving policy based on the probability value calculated by the softmax function.
  • the agent's initial driving policy takes as input a plurality of driving paths included in the state and path library of the target object and uses a third machine learning model configured to output the probability of selecting each of the plurality of driving paths. This can be learned.
  • the third machine learning model may be configured to learn the agent's initial driving policy to select a driving path with the maximum probability among a plurality of driving paths.
  • the processor may calculate a first numerical value related to one or more driving paths by a first method using the initial driving policy of the learned agent (S1120).
  • one or more driving routes may be routes included in the route library.
  • the first number may include a value for one or more driving paths
  • the first method may include calculating a value for one or more driving paths based on the learned agent's initial driving policy. You can.
  • the processor may calculate a second numerical value related to one or more driving paths by a second method (S1130).
  • the second measure may include a cost for one or more driving routes
  • the second way may include calculating the cost for one or more driving routes based on a classical route planning algorithm.
  • the cost for each of one or more driving paths may include a cost that is the sum of a cost for the distance to the target point, a cost for the driving distance, a cost for the target speed, and a collision cost.
  • the classical route planning algorithm may include a dynamic window access algorithm, a trajectory rollout algorithm, an algorithm for generating a driving path based on a reference path, etc.
  • the path library may be constructed by using the target linear speed and target rotational speed from the current position of the target object to the front gaze point as a reference and including the difference from the speed.
  • the processor may determine the agent's final driving policy based on the calculated first value and the calculated second value (S1140).
  • the agent's final driving policy may be determined to select a driving route with the largest sum of values by applying weights to each of the first and second values. In this case, the weight applied to each of the first and second values may be dynamically adjusted.
  • the order of each step may be changed, some steps may be performed repeatedly, some steps may be omitted, or some steps may be added.
  • the processor may simultaneously calculate a first value and a second value related to one or more driving paths. That is, the processes of steps S1120 and S1130 may be performed simultaneously.
  • the above-described method may be provided as a computer program stored in a computer-readable recording medium for execution on a computer.
  • the medium may continuously store a computer-executable program, or may temporarily store it for execution or download.
  • the medium may be a variety of recording or storage means in the form of a single or several pieces of hardware combined. It is not limited to a medium directly connected to a computer system and may be distributed over a network. Examples of media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, And there may be something configured to store program instructions, including ROM, RAM, flash memory, etc. Additionally, examples of other media include recording or storage media managed by app stores that distribute applications, sites or servers that supply or distribute various other software, etc.
  • the processing units used to perform the techniques may include one or more ASICs, DSPs, digital signal processing devices (DSPDs), programmable logic devices (PLDs). ), field programmable gate arrays (FPGAs), processors, controllers, microcontrollers, microprocessors, electronic devices, and other electronic units designed to perform the functions described in this disclosure. , a computer, or a combination thereof.
  • the various illustrative logical blocks, modules, and circuits described in connection with this disclosure may be general-purpose processors, DSPs, ASICs, FPGAs or other programmable logic devices, discrete gate or transistor logic, discrete hardware components, or It may be implemented or performed as any combination of those designed to perform the functions described in.
  • a general-purpose processor may be a microprocessor, but in the alternative, the processor may be any conventional processor, controller, microcontroller, or state machine.
  • a processor may also be implemented as a combination of computing devices, such as a DSP and a microprocessor, a plurality of microprocessors, one or more microprocessors in conjunction with a DSP core, or any other configuration.
  • RAM random access memory
  • ROM read-only memory
  • NVRAM non-volatile random access memory
  • PROM on computer-readable media such as programmable read-only memory (EPROM), electrically erasable PROM (EEPROM), flash memory, compact disc (CD), magnetic or optical data storage devices, etc. It may also be implemented as stored instructions. Instructions may be executable by one or more processors and may cause the processor(s) to perform certain aspects of the functionality described in this disclosure.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Feedback Control In General (AREA)

Abstract

본 개시는 적어도 하나의 프로세서에 의해 수행되는, 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법에 관한 것이다. 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법은, 경로 라이브러리를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하는 단계, 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출하는 단계, 제2 방식에 의하여, 하나 이상의 주행 경로와 관련된 제2 수치를 산출하는 단계 및 산출된 제1 수치 및 산출된 제2 수치에 기초하여, 에이전트의 최종 주행 정책을 결정하는 단계를 포함한다.

Description

하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템
본 개시는 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템에 관한 것으로, 구체적으로, 학습된 에이전트의 초기 주행 정책 및 고전 경로 계획 알고리즘에 기초하여 하나 이상의 주행 경로와 관련된 수치를 산출함으로써, 최종 주행 정책을 결정하는 방법 및 시스템에 관한 것이다.
최근 4차 산업 혁명에 따른 자동화 기술로서 자율 주행 자동차 및 자율 이동 로봇에 대한 관심이 높아지고 있으며, 관련 기술에 대한 개발이 가속화되고 있다. 자율 주행 기술이 실현되기 위해서는 주변 지도 작성, 위치 인식 기술, 장애물 회피 기술뿐만 아니라 목적지까지의 경로를 결정하기 위한 경로 계획 기술이 필요하다.
한편, 자율 주행을 위한 기존의 경로 계획 기술로서 강화학습 기반의 주행 알고리즘이 이용되고 있다. 그러나, 1-step 행동을 예측하는 강화학습 기반 주행 알고리즘의 경우, 동적 환경에서 회피 성능이 좋지만 전체 경로에 대한 예측이 불가능하고, 고전 경로 계획 알고리즘과 호환되지 않을 수 있다. 또한, multi-step 행동을 예측하는 강화학습 기반 주행 알고리즘의 경우에도, 전체 경로를 알 수 있으나 한 개의 경로만을 예측하기 때문에 고전 경로 계획 알고리즘과 호환되기 어려울 수 있다.
본 개시는 상기와 같은 문제점을 해결하기 위한 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법, 명령어들을 기록한 컴퓨터 판독가능한 비일시적 기록매체 및 장치(시스템)를 제공한다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 하이브리드(hybrid) 주행 알고리즘 기반 주행 정책(policy) 결정 방법은, 경로 라이브러리(trajectory library)를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하는 단계, 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출하는 단계, 제2 방식에 의하여, 하나 이상의 주행 경로와 관련된 제2 수치를 산출하는 단계 및 산출된 제1 수치 및 산출된 제2 수치에 기초하여, 최종 주행 정책을 결정하는 단계를 포함한다.
본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위한 명령어들을 기록한 컴퓨터로 판독 가능한 비일시적 기록 매체가 제공된다.
본 개시의 일 실시예에 따른, 정보 처리 시스템은, 통신 모듈, 메모리, 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 경로 라이브러리를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하고, 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출하고, 제2 방식에 의하여, 하나 이상의 주행 경로와 관련된 제2 수치를 산출하고, 산출된 제1 수치 및 산출된 제2 수치에 기초하여, 최종 주행 정책을 결정하기 위한 명령어들을 포함한다.
본 개시의 일 실시예에 따르면, 강화 학습 기반 알고리즘으로부터 출력된 주행 경로가, 하나의 주행 경로가 아닌 복수의 경로들을 포함하고 있기 때문에, 고전 경로 계획 알고리즘과 호환될 수 있다.
본 개시의 일 실시예에 따르면, 강화 학습 기반의 에이전트의 초기 주행 정책이 경로 라이브러리로부터 가장 높은 보상(reward)을 주는 주행 경로를 선택하도록 학습됨으로써, 선택된 주행 경로를 통해 에이전트가 현재 어떤 경로로 주행할 것인지 예측할 수 있다.
본 개시의 일 실시예에 따르면, 강화학습 기반의 주행 알고리즘과 고전 경로 계획 알고리즘을 결합한 하이브리드 주행 알고리즘을 이용함으로써, 동적인 환경에서 대상 객체(예: 로봇 등)의 회피 성능이 향상될 수 있다.
본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법의 일 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 대상 객체인 자율 이동 로봇과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3는 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법을 제공하는 정보 처리 시스템을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 프로세서의 내부 구성을 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 강화학습 모델을 나타내는 예시도이다.
도 6은 본 개시의 일 실시예에 따른 경로 라이브러리, 에이전트 및 환경 사이의 상호 작용에 대한 예시는 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 경로 라이브러리가 업데이트되는 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따라 에이전트의 초기 주행 정책이 학습되는 예시를 나타내는 도면이다.
도 9은 본 개시의 다른 실시예에 따라 에이전트의 초기 주행 정책이 학습되는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따라 주행 경로에 대한 수치를 산출하고, 최종 주행 정책을 결정하는 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법의 예시를 나타내는 흐름도이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.
본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다. 예를 들 어, 복수의 주행 경로의 각각은, 복수의 주행 경로에 포함된 모든 주행 경로의 각각을 지칭하거나 복수의 주행 경로에 포함된 일부 주행 경로의 각각을 지칭할 수 있다.
본 개시에서, 강화학습(Reinforcement Learning, RL)은 기계학습의 한 영역으로, 컴퓨터가 주어진 상태(state)에 대해 선택 가능한 액션(action)들 중 보상(reward)을 최대화하는 액션을 선택하는 학습 방법을 지칭할 수 있다. 여기서, 강화학습의 대상이 되는 컴퓨터 프로그램을 에이전트(agent)라고 지칭할 수 있고, 에이전트는 주어진 환경을 탐색하여 현재의 상태에서 자신이 취할 수 있는 액션의 확률을 나타내는 정책(policy)을 수립할 수 있다. 또한, 주어진 환경(environment)에 의해 에이전트에게 특정 상태(state)가 주어지면(에이전트가 관찰에 의해 상태를 얻게 된다고 볼 수도 있음), 에이전트는 상태에 따라 액션을 하고, 환경은 에이전트에게 보상을 주게 된다. 이러한 과정으로 에이전트는 환경과 상호작용을 하며 보상을 많이 취할 수 있는 액션들 또는 정책을 학습할 수 있다. 즉, 주어진 환경과 에이전트 사이에서 상태, 액션, 보상을 상호작용하면서 에이전트 또는 에이전트의 정책이 학습되고, 이를 통해 에이전트가 최대의 보상을 받을 수 있는 정책을 수립하는 것이 강화학습의 목표일 수 있다.
본 개시에서, '기계학습 모델'은 주어진 입력에 대한 해답(answer)을 추론하는데 사용하는 임의의 모델을 포함할 수 있다. 일 실시예에 따르면, 기계학습 모델은 입력 레이어(층), 복수 개의 은닉 레이어 및 출력 레이어를 포함한 인공신경망 모델을 포함할 수 있다. 여기서, 각 레이어는 복수의 노드를 포함할 수 있다. 본 개시에서, 제1 기계학습 모델, 제2 기계학습 모델, 제3 기계학습 모델 등 복수의 기계학습 모델을 별도의 기계학습 모델로서 설명하나, 이에 한정되지 않으며, 복수의 기계학습 모델의 일부 또는 전체는 하나의 기계학습 모델로 구현될 수 있다. 또한, 본 개시에서, 기계학습 모델은 인공신경망 모델을 지칭할 수 있으며, 인공신경망 모델은 기계학습 모델을 지칭할 수 있다.
도 1은 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법의 일 예시를 나타내는 도면이다. 일 실시예에 따르면, 경로 라이브러리(110)를 이용하여 에이전트(120)가 학습될 수 있다(112). 이 경우, 경로 라이브러리(110)는 대상 객체가 주행할 수 있는 복수의 주행 경로를 포함하도록 구축될 수 있으며, 전문가 에이전트(expert agent)의 숙련된 주행을 위해 사용하는 주행 경로를 포함하도록 업데이트될 수 있다. 그 후, 학습된 에이전트(120)의 초기 주행 정책이 획득될 수 있다. 이 경우, 에이전트(120)의 초기 주행 정책은, 경로 라이브러리(110)에 포함된 복수의 주행 경로 중에서, 가장 높은 보상을 주는 주행 경로를 선택하도록 학습된 임의의 알고리즘을 포함할 수 있으며, 예를 들어, 기계학습 모델(예: 인공신경망 모델 등)을 이용하여 학습될 수 있다. 에이전트(120)의 초기 주행 정책에 대한 세부적인 내용을 도 7 및 도 8에서 후술한다.
일 실시예에 따르면, 학습된 에이전트(120)는 경로 라이브러리(110)에 포함된 하나 이상의 주행 경로를 입력받고(130), 초기 주행 정책을 이용하여. 주행 경로와 관련된 제1 수치를 산출할 수 있다(112). 이 경우, 주행 경로와 관련된 제1 수치는 하나 이상의 주행 경로에 대한 가치(value)를 포함할 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 경로 라이브러리(110)에 포함된 하나 이상의 주행 경로를 입력받아(142) 고전 경로 계획 알고리즘을 이용하여, 하나 이상의 주행 경로와 관련된 제2 수치를 산출(152)할 수 있다. 이 경우, 주행 경로와 관련된 제2 수치는 하나 이상의 주행 경로에 대한 비용(cost)을 포함할 수 있다.
그 후, 최종 주행 정책 결정부(160)는 에이전트(120)에 의해 산출된 수치 및 고전 경로 계획부(140)에 의해 산출된 수치를 수신하고, 이를 기초로 에이전트의 최종 주행 정책(180)을 결정할 수 있다(170). 예를 들어, 최종 주행 정책 결정부는 산출된 수치 각각에 가중치를 적용하여 합산한 수치가 가장 큰 주행 경로를 선택하도록 최종 주행 정책(180)을 결정할 수 있다. 이러한 가중치는 산출된 수치 각각의 비중을 조절하기 위해 동적으로 조절될 수 있다.
이와 같이, 강화학습 기반의 주행 알고리즘을 이용한 에이전트(120) 및 고전 경로 계획 알고리즘을 이용한 고전 경로 계획부(140)로부터 산출된 수치들을 이용함으로써, 동적인 환경에서 회피 성능을 향상시킬 수 있는 주행 정책이 결정되거나 설립될 수 있다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)이 복수의 대상 객체인 자율 이동 로봇(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 정보 처리 시스템(230)은 주행 정책을 결정하는 시스템(들)을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 주행 정책을 결정하는 것과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 정보 처리 시스템(230)은 어플리케이션(예: 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등)을 통해 입력되는 신호에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다. 예를 들어, 정보 처리 시스템(230)은 주행 정책 결정 및/또는 주행 경로 예측과 관련된 임의의 어플리케이션을 통해 복수의 자율 이동 로봇(210_1, 210_2, 210_3)을 제어할 수 있다.
정보 처리 시스템(230)은 네트워크(220)를 통해 복수의 자율 이동 로봇(210_1, 210_2, 210_3)과 통신할 수 있다. 네트워크(220)는 복수의 자율 이동 로봇(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 자율 이동 로봇(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 전문 서비스용 자율 이동 로봇(210_1), 산업용 자율 이동 로봇(210_2) 및 개인 서비스용 자율 이동 로봇(210_3)이 로봇의 예로서 도시되었으나, 이에 한정되지 않으며, 자율 이동 로봇(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 로봇 어플리케이션, 주행 정책 결정 어플리케이션, 인공지능 어플리케이션 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 자율 이동 로봇(210_1, 210_2, 210_3)은 자율 주행 차량 등을 포함할 수 있다. 또한, 도 2에는 3개의 자율 이동 로봇(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 장치가 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.
일 실시예에서, 자율 이동 로봇(210_1, 210_2, 210_3)은 네트워크(220)를 통해 주행 정책과 관련된 데이터 요청을 정보 처리 시스템(230)으로 전송하고, 정보 처리 시스템(230)으로부터 주행 정책 및/또는 주행 경로와 관련된 데이터를 수신할 수 있다. 자율 이동 로봇(210_1, 210_2, 210_3)이 주행 정책 및/또는 주행 경로와 관련된 데이터를 수신하는 것에 응답하여, 주행 정책 및/또는 주행 경로에 따라 자율적으로 이동 또는 운행될 수 있다.
도 3는 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법을 제공하는 정보 처리 시스템(230)을 나타내는 블록도이다. 주행 정책 결정 위한 정보 처리 시스템(230)은 메모리(310), 프로세서(320), 통신 모듈(330) 및 입출력 인터페이스(340)를 포함할 수 있다. 도 3에 도시된 바와 같이, 정보 처리 시스템(230)은 통신 모듈(330)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다.
메모리(310)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(310)는 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 정보 처리 시스템(2300)에 포함될 수 있다. 또한, 메모리(310)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 정보 처리 시스템(2300)에 설치되어 구동되는 초기 주행 정책 획득 명령, 하나 이상의 주행 경로와 관련된 수치 산출 명령, 최종 주행 정책 결정 명령 등)가 저장될 수 있다. 도 3에서, 메모리(310)는 단일 메모리인 것으로 도시되었지만, 이는 설명의 편의를 위한 것일 뿐이며, 메모리(310)는 복수의 메모리 및/또는 버퍼 메모리를 포함할 수 있다.
이러한 소프트웨어 구성요소들은 메모리(310)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(330)을 통해 메모리(310)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(330)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 주행 정책 결정을 위한 프로그램 등)에 기반하여 메모리(310)에 로딩될 수 있다.
프로세서(320)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(310) 또는 통신 모듈(330)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(320)는 경로 라이브러리를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하거나 학습시킬 수 있다.
통신 모듈(330)은 네트워크를 통해 사용자 단말(미도시)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 정보 처리 시스템(230)이 외부 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 정보 처리 시스템(2300)의 프로세서(320)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(330)과 네트워크를 거쳐 사용자 단말 및/또는 외부 시스템의 통신 모듈을 통해 사용자 단말 및/또는 외부 시스템으로 전송될 수 있다. 예를 들어, 외부 시스템(예: 주행 경로 결정 시스템)은 정보 처리 시스템(230)으로부터 주행 정책 정보 등을 전달받을 수 있다.
또한, 정보 처리 시스템(230)의 입출력 인터페이스(340)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 예를 들면, 입출력 인터페이스(340)는 PCI express 인터페이스, 이더넷(ethernet) 인터페이스 중 적어도 하나를 포함할 수 있다. 도 3에서는 입출력 인터페이스(340)가 프로세서(320)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(340)가 프로세서(320)에 포함되도록 구성될 수 있다. 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.
정보 처리 시스템(230)의 프로세서(320)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에 따르면, 프로세서(320)는 주행 경로 데이터를 수신할 수 있다. 프로세서는 수신된 주행 경로 데이터에 기초하여 경로 라이브러리를 업데이트 할 수 있다. 도 3에서, 프로세서(320)는 단일 프로세서인 것으로 도시되었지만, 이는 설명의 편의를 위한 것일 뿐이며, 프로세서(320)는 복수의 프로세서를 포함할 수 있다.
도 4는 본 개시의 일 실시예에 따른 프로세서(320)의 내부 구성을 나타내는 도면이다. 프로세서(320)는 경로 라이브러리(110), 학습부(430), 에이전트(120), 고전 경로 계획부(140) 및 최종 주행 정책 결정부(160)를 포함할 수 있다. 이 경우, 경로 라이브러리(110), 에이전트(120), 학습부(430), 고전 경로 계획부(140) 및 최종 주행 정책 결정부(160)는 임의의 저장 매체(예: 메모리(310) 등)에 저장되거나 로딩되어, 프로세서(320)에 의해 접근되거나 실행될 수 있다. 도 4에서는 프로세서(320)의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로, 복수의 구성 요소가 실제 물리적 환경에서 서로 통합되는 형태로 구현될 수 있다. 또한, 도 4에서는 프로세서(320)는 경로 라이브러리(110), 에이전트(120), 학습부(430), 고전 경로 계획부(140) 및 최종 주행 정책 결정부(160)로 나누어서 구현되었으나, 이에 한정되지 않으며, 일부 구성이 생략되거나 다른 구성이 추가될 수 있다.
일 실시예에 따르면, 경로 라이브러리(110)는 대상 객체가 주행할 수 있는 복수의 주행 경로를 포함하도록 구축될 수 있다. 예를 들어, 경로 라이브러리(110)는 대상 지점까지의 도달할 수 있는 주행 경로를 단계 별로 분류하여 저장할 수 있다. 이렇게 저장된 주행 경로는 저장 매체(예: 메모리(310), 버퍼 메모리, 외부 저장 매체 등)에 이동하여 저장되거나, 학습부(430), 에이전트(120) 및/또는 고전 경로 계획부(140)에 제공될 수 있다.
경로 라이브러리(110)는 전문가 에이전트(expert agent)의 숙련된 주행을 위해 필요한 주행 경로를 구축하도록 업데이트될 수 있다. 이 경우, 대상 객체(예: 로봇 등)의 상태와 액션을 입력으로 하여 기대 보상을 출력하도록 구성된 기계학습 모델이 이용될 수 있다. 경로 라이브러리의 업데이트와 관련된 세부적인 내용은 도 7에서 후술한다.
일 실시예에 따르면, 학습부(430)는 경로 라이브러리를 이용하여 에이전트(120)를 학습시킬 수 있다. 예를 들어, 상기 경로 라이브러리에 포함된 복수의 주행 경로 중에서, 가장 높은 보상을 주는 주행 경로를 선택하도록 에이전트(120)를 학습시킬 수 있다. 이를 통해, 대상 객체가 목적지에 충돌하지 않고 도달하도록 하는 주행 경로를 에이전트(120)가 선택하도록 하는 초기 주행 정책을 획득할 수 있다.
또한, 일 실시예에 따르면, 학습부(430)는 경로 라이브러리(110)에 포함된 주행 경로를 업데이트할 수 있다. 예를 들어, 학습부(430)는 전문가 에이전트의 주행 경로를 포함하도록 경로 라이브러리를 업데이트할 수 있다. 이 경우, 학습부(430)는 경로 라이브러리를 업데이트하는데 있어 프로세서에 의해 접근 가능한 임의의 저장매체에 저장된 기계학습 모델을 이용할 수 있다.
일 실시예에 따르면, 에이전트(120)는 현재 어떤 경로로 주행할 것인지 주행 경로를 선택할 수 있다. 이렇게 선택된 주행 경로는 대상 객체의 이동 경로로 결정될 수 있다. 일 실시예에 따르면, 에이전트(120)는 경로 라이브러리(110)를 이용하여 학습됨으로써, 초기 주행 정책이 학습되거나 설립될 수 있다. 예를 들어, 에이전트(120)는 경로 라이브러리 중 가장 높은 보상을 받을 수 있는 경로를 선택하도록 학습되며, 선택된 주행 경로를 통해 에이전트(120)가 현재 어떤 경로로 주행할 것인지 결정할 수 있다.
또한, 일 실시예에 따르면, 에이전트(120)는 주행 정책을 이용하여 하나 이상의 주행 경로와 관련된 제1 수치를 산출할 수 있다. 예를 들어, 에이전트(120)는 경로 라이브러리(110)를 이용하여 설립된 초기 주행 정책을 통해 경로 라이브러리(110)에 포함된 복수의 주행 경로의 각각에 대한 가치를 산출할 수 있다. 이를 통해, 에이전트(120)는 최적의 주행 경로를 찾을 수 있는 최종 주행 정책을 결정하기 위한 데이터를 최종 주행 정책 결정부(160)에 제공할 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 고전 경로 계획 알고리즘에 의하여 경로 라이브러리(110)에 저장된 복수의 주행 경로 중에서, 하나 이상의 주행 경로와 관련된 제2 수치를 산출할 수 있다. 예를 들어, 고전 경로 계획부(140)는 고전 경로 계획 알고리즘에 기초하여, 경로 라이브러리(110)에 포함된 하나 이상의 주행 경로의 각각에 대한 비용을 산출할 수 있다. 예를 들어, 하나 이상의 주행 경로에 대한 비용의 각각은 목표 지점까지의 거리에 대한 비용(goal distance cost), 주행 거리에 대한 비용(path distance cost), 타겟 속도에 대한 비용(target velocity cost) 및 충돌 비용(collision cost) 중 적어도 하나 또는 이를 합산한 비용을 포함할 수 있다.
일 실시예에서, 고전 경로 계획 알고리즘은, 동적 창 접근 알고리즘(dynamic window approach algorithm), 트레젝토리 롤아웃 알고리즘(trajectory rollout algorithm), 포커스 트레젝토리 플래닝 알고리즘(focused trajectory planning algorithm) 또는 샘플링 기반 로컬 경로 플래너 알고리즘(sampling-based local trajectory planner algorithm) 중 적어도 하나를 포함할 수 있다. 이를 통해, 고전 경로 계획부(140)는 에이전트(120)와 마찬가지로 최적의 주행 경로를 찾을 수 있는 최종 주행 정책을 설립하기 위한 데이터를 최종 주행 정책 결정부(160)에 제공할 수 있다.
일 실시예에 따르면, 최종 주행 정책 결정부(160)는 에이전트(120) 및 고전 경로 계획부(140)의 각각에서 산출된 수치에 기초하여 최적의 주행 경로를 탐색하는 에이전트의 최종 주행 정책을 결정할 수 있다. 예를 들어, 최종 주행 정책 결정부(160)는 경로 라이브러리(110)에 포함된 복수의 경로의 가치 및/또는 비용을 고려하여 에이전트의 최종 주행 정책을 결정할 수 있다. 여기서, 최종 주행 정책은, 대상 객체의 하나 이상의 상태의 각각에서의 주행 경로를 포함한 복수의 주행 경로를 포함할 수 있다.
일 실시예에 따르면, 최종 주행 정책 결정부(160)는 산출된 수치 각각에 가중치를 적용하고 합산 점수를 산출할 수 있다. 예를 들어, 가치의 경우 가중치를 양수로, 비용의 경우 가중치를 음수로 적용하여 합산 점수를 산출할 수 있다. 이 경우, 가중치는 상황에 따라 산출된 수치 간 비중을 조절하기 위해 동적으로 조절될 수 있다.
또한, 최종 주행 정책 결정부(160)는 산출한 합산 점수에 기초하여 주행 경로를 선정하는 최종 주행 정책을 설립하거나 결정할 수 있다. 예를 들어, 최종 주행 정책 결정부(160)는 합산한 점수가 최대가 되는 주행 경로를 선택하도록 최종 주행 정책을 결정할 수 있다.
도 5는 본 개시의 일 실시예에 따른 강화학습 모델을 나타내는 예시도이다. 강화학습(Reinforcement Learning, RL)은 기계학습의 한 분야로, 에이전트(510)가 주어진 환경(500)에서의 현재 상태에 대해 선택 가능한 액션들 중 보상을 최대화하는 액션을 선택하는 학습 방법을 지칭할 수 있다. 여기서, 에이전트(510)는 강화학습의 대상이 되는 알고리즘 및/또는 기계학습 모델(예: 인공신경망 모델 등)을 포함할 수 있고, 주어진 환경을 탐색하여 현재의 상태에서 자신이 취할 수 있는 액션의 확률을 나타내는 정책(policy)을 수립할 수 있다. 여기서, 에이전트(510)는 본 명세서에서 개시된 에이전트(120)에 대응될 수 있다.
본 개시에서, 강화학습은 연속적인 액션을 다룰 수 있는 알고리즘은 모두 포함할 수 있다. 일 실시예에서, 에이전트는 정책 기반 강화학습(policy-based RL)을 이용하여 학습될 수 있다. 여기서, 정책 기반 강화학습은 신경망을 이용하여 정책(policy)을 함수로 직접 모델링하는 학습 방식을 지칭할 수 있다. 이렇게 모델링된 정책 신경망에 상태(state)가 입력으로 들어오면, 이에 대한 액션(action)을 직접 출력할 수 있다.
다른 실시예에서, 에이전트는 액터-크리틱(actor-critic) 알고리즘을 이용하여 학습될 수 있다. 여기서, 액터-크리틱 알고리즘은 정책 기반 강화학습을 통해 액션을 결정할 수 있고, 가치 함수(value function)를 이용하여 이 정책의 학습을 도와줄 수 있다. 예를 들어, A2C(Advantage Actor-Critic), A3C(Asynchronous Advantage Actor-Critic), PPO(Proximal Policy Optimization) 등이 액터-크리틱 알고리즘에 포함될 수 있다.
즉, 본 개시는, 정책 기반 강화학습 알고리즘 및 액터-크리틱 알고리즘을 모두 포함할 수 있는데, 두 방식은 모두 정책 그래디언트(Policy Gradient, PG)를 이용할 수 있다. 여기서, 정책 그래디언트는 에이전트가 더 많은 보상(reward)을 받을 수 있도록 정책의 파라미터를 조금씩 바꿔가는 방식을 지칭할 수 있다. 이를 통해, 모델링된 정책 신경망은 최적의 정책으로 학습될 수 있다.
이러한 정책 그래디언트 알고리즘은, 주어진 상태에 대하여 액션의 확률을 출력하는 방식인(Stochastic Policy Optimization) 및 주어진 상태에 대한 액션을 직접 출력하는 방식(Deterministic Policy Optimization)을 포함할 수 있다. 여기서, 액션의 확률을 출력하는 알고리즘(확률 정책 그래디언트)에는 A2C(Advantage Actor-Critic), SAC(Soft Actor Critic), PPO(Proximal Policy Optimization), TRPO(Trust Region Policy Optimization) 등이 사용될 수 있으며, 액션을 직접 출력하는 알고리즘(결정 정책 그래디언트)에는 DDPG(Deep Deterministic Policy Gradient), TD3(Twin Delayed Deep Deterministic Policy Gradient) 등이 사용될 수 있으나, 이에 한정되지 않는다.
본 개시에서, 상태(520)는 대상 객체의 현재 위치 정보를 지칭할 수 있다. 여기서, 현재 위치 정보는, GPS 정보, 특정 공간 내의 위치 정보 등과 같은 절대적인 위치 정보이거나 특정 참조 객체로부터의 상대적인 위치 정보를 지칭할 수 있다. 액션(540)은 주행 경로에 따라 주행하는 것을 포함할 수 있다. 또한, 보상(530)은 대상 객체의 액션에 대해 얻는 이익으로서, 대상 객체가 목표 지점에 도달하는 경우 갱신되는 에이전트의 기계학습 모델(예: 인공신경망 모델)의 가중치를 지칭할 수 있으나, 이에 한정되지 않으며, 강화학습의 목적 함수를 최대화할 수 있는 파라미터는 보상을 통해 갱신될 수 있다. 환경(500)은 대상 객체의 주행과 연관되거나 대상 객체(예: 로봇 등)의 주행을 나타내거나 특징화하는 임의의 환경을 지칭하며, 예를 들어, 대상 객체의 주행과 연관된 map 정보, 주행 경로 주변에 존재하는 방해물에 대한 정보 등을 포함할 수 있다. 또한, 환경(500)은, 에이전트의 제어 명령에 따라 주행하는 대상 객체에 대한 정보(예: 위치, 속도 등)도 포함할 수 있다. 또한, 환경(500)은 후술하는 환경(610)을 지칭할 수 있다.
일 실시예에 따르면, 에이전트(510)가 주어진 환경(500)로부터 특정 상태를 수신하면(또는 에이전트가 모니터링을 통해 특정 상태를 획득하게 되면), 에이전트(510)는 상태에 따라 제어 명령을 생성하고, 생성된 제어 명령을 환경(500)의 대상 객체에 전달할 수 있다. 이에 응답하여, 환경(500)의 대상 객체는 액션에 대한 보상(530)을 에이전트(510)에 제공할 수 있다. 이러한 과정을 반복함으로써, 에이전트(510)는 환경(500)과 상호작용을 하며 보상을 많이 취할 수 있는 액션들이 결정하도록 학습될 수 있다.
일 실시예에 따르면, 상술된 강화학습의 대상을 표현하기 위하여, 의사결정 과정을 모델링한 MDP(Markov Decision Process)가 이용될 수 있다. MDP는 시간이 진행함에 따라 상태가 확률적으로 변화하는 과정을 나타내는 Markov Process에서 보상(530), 액션(540) 및 정책(policy)이라는 개념이 추가된 의사결정 모델이다.
이에 따라, MDP를 기초로 대상 객체의 네비게이션 작업 M은 수학식 1로 표현될 수 있다.
Figure PCTKR2023017342-appb-img-000001
위 수학식 1의 작업 M에서, O는 관측값(observation)을 나타내고, A는 액션(540)의 공간을 나타낼 수 있다. 여기서, 관측값은 상태(520)를 지칭할 수 있는 대상 객체의 상태와 연관된 임의의 정보, 예를 들어, 현재 위치, 주행 속도, 주행 방향 등을 나타낼 수 있고, 액션(540)은 대상 객체가 어떤 경로로 주행할지에 대한 제어 명령을 나타낼 수 있다. 또한, 작업 M에서 r은 대상 객체의 액션에 대한 보상 함수를 나타낼 수 있다. 또한, 작업 M에서 P 및 γ의 각각은 상태 전이 확률과 감가율을 나타낼 수 있다.
도 6은 본 개시의 일 실시예에 따른 경로 라이브러리(110), 에이전트(120) 및 환경(610) 사이의 상호 작용(interaction)에 대한 예시는 나타내는 도면이다. 일 실시예에 따르면, 에이전트(120)는 강화학습의 대상이 되는 알고리즘 및/또는 기계학습 모델을 포함할 수 있고, 대상 객체의 주어진 환경(610)과 상호 작용하여 현재 상태에서 자신이 취할 수 있는 액션(620)의 확률을 나타내는 정책을 수립하거나 결정할 수 있다. 여기서, 액션(620)은 경로 라이브러리(110)에 포함된 복수의 주행 경로 중 하나 이상의 주행 경로를 지칭할 수 있다. 예를 들어, 에이전트(120)는 주행 경로 선택 알고리즘을 포함할 수 있고, 대상 객체(예: 자율 이동 로봇)의 주어진 환경(610)을 탐색하여 목적지에 충돌하지 않고 도달하는 액션(620)의 확률을 나타내는 정책을 수립하거나 결정할 수 있다. 이 경우, 에이전트(120)의 주행 경로는 경로 라이브러리(110)에 포함된 경로일 수 있다.
일 실시예에 따르면, 경로 라이브러리(110)는 대상 객체의 주어진 환경(610)을 반영하여 업데이트될 수 있다(630). 예를 들어, 경로 라이브러리(110)는 환경(610)으로부터 대상 객체(예: 로봇)의 상태와 액션에 대한 데이터를 수신하고, 목적지까지 대상 객체가 주행하였을 때 얻게 될 기대 보상을 최대화하는 경로를 포함하도록 업데이트될 수 있다. 즉, 최대화된 기대 보상을 가진 주행 경로가 경로 라이브러리(110)에 포함되도록 경로 라이브러리(110)가 업데이트될 수 있다. 이 경우, 대상 객체의 상태는 대상 객체가 환경(610) 내에서 자율 주행하는데 필요한 임의의 정보를 포함할 수 있는데, 이에 한정되지 않으나, 예를 들어, 주행 범위(range), 위치(positioning), 현재 속도(current velocity) 등을 포함할 수 있다. 또한, 대상 객체의 액션은 대상 객체가 주행할 경로를 지칭할 수 있다.
도 7은 본 개시의 일 실시예에 따라 경로 라이브러리(110)가 업데이트되는(720) 예시를 나타내는 도면이다. 일 실시예에 따르면, 경로 라이브러리(110)는 액션 가치 함수(action-value function)를 이용하여 업데이트될 수 있다(720). 여기서, 액션 가치 함수란 대상 객체의 특정 상태에서 미래에 받을 기대 보상의 합을 지칭할 수 있다. 또한, 액션 가치 함수는 대상 객체의 특정 상태에서 특정 정책에 따라 특정 액션을 취했을 때 받는 반환 값의 기댓값을 지칭할 수 있다. 경로 라이브러리(110)를 업데이트하기 위한 액션 가치 함수는 하기의 수학식 2와 같다.
Figure PCTKR2023017342-appb-img-000002
위 수학식 2에서, Q는 현재 단계(t)에서 마지막 단계까지 대상 객체(예: 로봇)가 주행하였을 때 획득할 수 있는 기대 보상을 지칭할 수 있다. 이러한 기대 보상을 획득하기 위해 기계학습 모델이 이용될 수 있다.
위 수학식 2에서, θ는 인공신경망 파라미터를 지칭할 수 있다. 예를 들어, θ는 Q 네트워크 파라미터(Q network parameter)를 포함할 수 있다. s는 대상 객체의 현재 상태를 지칭할 수 있다. 예를 들어, 대상 객체의 현재 상태는 대상 객체와 연관된 환경 내에서 주행하는데 필요한 임의의 정보를 포함할 수 있는데, 이에 한정되지 않으나, 예를 들어, 대상 객체의 주행 범위, 대상 객체의 현재 위치, 대상 객체의 현재 주행 속도를 포함할 수 있다.
위 수학식 2에서, a는 대상 객체의 액션을 지칭할 수 있다. 예를 들어, a는 대상 객체가 주행할 주행 경로를 지칭할 수 있다. E는 기댓값(expectation)을 지칭할 수 있으며, D는 재생 버퍼(replay buffer)를 지칭할 수 있다. r은 대상 객체가 특정 상태 s에서 특정 액션 a을 했을 때 얻게 될 보상을 지칭할 수 있다. 또한, π는 대상 객체의 주행 정책을 지칭할 수 있고, t는 대상 객체의 주행 과정의 단계를 지칭할 수 있다.
일 실시예에 따르면, 경로 라이브러리(110)는 기계학습 모델을 이용하여 업데이트될 수 있다. 예를 들어, 경로 라이브러리(110)는 대상 객체의 상태와 액션을 입력으로 하여 현재 단계에서 마지막 단계까지의 기대 보상을 출력하도록 구성된 제1 기계학습 모델(710)에 의해 업데이트될 수 있다(720). 여기서, 제1 기계학습 모델(710)은 대상 객체의 학습 상태와 학습 액션을 포함한 학습 정보 및 해당 학습 정보에 대응하는 학습 기대 보상에 대한 정보를 이용하여 학습될 수 있다. 즉, 기계학습 모델(710)은 대상 객체의 학습 상태와 학습 액션을 입력 받고, 기대 보상을 출력할 수 있는데, 출력된 기대 보상과 주어진 학습 기대 보상 사이의 손실 값을 최소화하도록, 학습될 수 있다.
일 실시예에 따르면, 제1 기계학습 모델(710)은 경로 라이브러리(110)를 업데이트하기 위하여 상술한 액션 가치 함수를 이용하여 구축되거나 학습될 수 있다. 예를 들어, 제1 기계학습 모델(710)은 상술한 액션 가치 함수에 의해 산출된 기대 보상을 최대화하는 방향으로 경로 라이브러리(110)를 업데이트 할 수 있다. 이 때, 기대 보상을 최대화하기 위해 경사 상승법(gradient ascent)을 이용할 수 있다. 경사 상승법은 함수의 기울기를 구하고 기울기의 방향으로 계속 이동시켜 극값에 이를 때까지 반복시키는 것을 지칭할 수 있다. 경사 상승법을 이용하여 액션 가치 함수의 기대 보상을 최대화하기 위한 수식은 하기의 수학식 3과 같다.
Figure PCTKR2023017342-appb-img-000003
위 수학식 3에서, 수학식 2에서 정의된 변수의 정보와 동일한 정보가 사용될 수 있다. 제1 기계학습 모델(710)의 학습 과정을 통해 출력된 경로, 즉, 숙련된 주행을 위해 필요한 경로가, 경로 라이브러리(110)에 포함되도록 경로 라이브러리(110)가 업데이트될 수 있다. 나아가, 경로 라이브러리(110)는 대상 객체의 상태를 반영하여 실시간으로 업데이트될 수 있다.
도 8은 본 개시의 일 실시예에 따라 에이전트(120)의 초기 주행 정책이 학습되는(820) 예시를 나타내는 도면이다. 일 실시예에 따르면, 에이전트(120)의 초기 주행 정책을 학습시키기 위해서(820), 제2 기계학습 모델(810)이 이용될 수 있다. 보다 상세하게, 에이전트(120)의 초기 주행 정책 설립을 위한 제2 기계학습 모델(810)은 경로 라이브러리(110)에 포함된 주행 경로와 대상 객체의 상태 및 액션을 포함한 환경(610) 및 대상 객체의 상태 및 액션에 따른 기대보상을 이용하여 초기 주행 정책을 설립하거나 학습할 수 있다.
일 실시예에 따르면, 제2 기계학습 모델(810)은 에이전트(120)의 초기 주행 정책 설립을 위해 액션 가치 함수를 이용하여 구축되거나 학습될 수 있다. 제2 기계학습 모델(810)은 대상 객체의 상태와 액션을 입력으로 하여 기대 보상을 출력하도록 구성될 수 있는데, 예를 들어, 제2 기계학습 모델(810)은 제1 기계학습 모델(710)과 동일한 구성일 수 있으며, 도 7에서 상술한 액션 가치 함수를 이용할 수 있다.
일 실시예에 따르면, 제2 기계학습 모델(810)은 액션 가치 함수의 기대 보상을 최대화하기 위해 소프트맥스(softmax) 함수에 의해 산출된 확률 값에 기초하여 에이전트(120)의 초기 주행 정책을 학습시키도록(820) 구성될 수 있다. 여기서, 소프트맥스 함수는 로지스틱 함수의 다차원 일반화로, 기계학습 모델을 구축하거나 학습하는데 사용되는 확률 분포를 산출하기 위한 활성 함수를 지칭할 수 있다. 예를 들어, 소프트맥스 함수의 일 예로서, 아래 수학식 4가 이용될 수 있다.
Figure PCTKR2023017342-appb-img-000004
위 수학식 4에서, π는 객체(예: 로봇)의 주행 정책을 지칭할 수 있다. ε는 가우시한 분포(gaussian distribution)를 위한 가우시안 노이즈(gaussian noise)를 지칭할 수 있다. α는 엔트로피 정규화 계수(entropy regularization coefficient)를 지칭할 수 있다. 또한, A는 객체(예: 로봇)의 행동을 지칭할 수 있다. 예를 들어, A는 객체(예: 로봇)가 주행할 경로를 지칭할 수 있다.
이와 같이, 소프트맥스 함수를 이용하여 기대 보상에 대한 확률 값을 산출하도록 구성된 제2 기계학습 모델(810)은 에이전트(120)의 탐험(exploration)을 고려한 초기 주행 정책을 설립하고 학습시키는데 사용될 수 있다. 여기서, 제2 기계학습 모델(810)은 대상 객체의 학습 상태와 학습 액션을 포함한 학습 정보 및 해당 학습 정보에 대응하는 기대보상에 대한 학습 확률값에 대한 정보를 이용하여 학습될 수 있다. 즉, 제2 기계학습 모델(810)은 대상 객체의 학습 상태와 학습 액션을 입력 받고, 기대 보상에 대한 확률값을 출력할 수 있는데, 출력된 확률값과 주어진 학습 확률값 사이의 손실 값을 최소화하도록, 학습될 수 있다.
도 8에서, 제2 기계학습 모델(810)은 에이전트(120)의 외부 구성으로 도시되어 있으나, 이에 한정되지 않으며, 제2 기계학습 모델(810)은 에이전트(120)의 일부 구성에 포함될 수 있다.
도 9은 본 개시의 다른 실시예에 따라 에이전트(120)의 초기 주행 정책이 학습되는(920) 예시를 나타내는 도면이다. 일 실시예에 따르면, 에이전트(120)의 초기 주행 정책을 학습시키기 위해서(920), 기계학습 모델이 이용될 수 있다. 보다 상세하게, 에이전트(120)의 초기 주행 정책 설립을 위한 제3 기계학습 모델(910)은 경로 라이브러리(110)에 포함된 경로와 대상 객체의 상태를 포함한 환경(610)으로부터 초기 주행 정책을 설립하거나 학습할 수 있다.
일 실시예에 따르면, 제3 기계학습 모델(910)은 대상 객체의 상태 및 경로 라이브러리에 포함된 복수의 주행 경로를 입력으로 하고, 경로 라이브러리에 포함된 복수의 주행 경로의 각각을 선택할 확률을 출력하도록 구성될 수 있다. 여기서, 제3 기계학습 모델(910)은 대상 객체의 학습 상태 및 해당 학습 상태에 대응하는 복수의 학습 주행 정보, 복수의 학습 주행 정보의 각각을 선택할 학습 확률값에 대한 학습 정보를 이용하여 학습될 수 있다. 즉, 제3 기계학습 모델(910)은 대상 객체의 학습 상태 및 복수의 주행 정보를 입력 받고, 복수의 주행 정보의 각각에 대한 확률값을 출력할 수 있는데, 출력된 확률값과 주어진 학습 확률값 사이의 손실 값을 최소화하도록, 학습될 수 있다. 이와 같이 출력된 확률은 에이전트(120)가 주행 경로를 선택하기 위한 데이터로서 활용될 수 있다.
일 실시예에 따르면, 제3 기계학습 모델(910)은 경로 라이브러리에 포함된 복수의 주행 경로 중에서, 최대 확률을 가진 주행 경로를 선택하도록 구성될 수 있다. 선택된 주행 경로를 이용하여 에이전트(120)의 초기 주행 정책이 설립되거나 학습될 수 있다. 이를 위해, 제3 기계학습 모델(910)은 최대 확률을 가진 주행 경로를 선택하도록 구성된 목적 함수(J)를 이용하여 구축되거나 학습될 수 있는데, 예를 들어, 목적 함수(J)를 최대화하도록 학습될 수 있다. 에이전트(120)의 초기 주행 정책 설립을 위한 목적 함수(J)는 하기의 수학식 5와 같다.
Figure PCTKR2023017342-appb-img-000005
Figure PCTKR2023017342-appb-img-000006
Figure PCTKR2023017342-appb-img-000007
위 수학식 5에서, J는 목적 함수, Q는 행동 가치 함수(Q 함수), V는 상태 가치 함수를 지칭할 수 있다. 또한, π는 객체(예: 로봇)의 주행 정책을 지칭할 수 있다. φ는 인공신경망 파라미터를 지칭할 수 있다. 예를 들어, φ는 행위자 네트워크 파라미터(actor network parameter)를 포함할 수 있다. θ는 다른 인공신경망 파라미터를 지칭할 수 있다. 예를 들어, θ는 Q 네트워크 파라미터를 포함할 수 있다.
위 수학식 5에서, E는 기댓값을 지칭할 수 있고, D는 재생 버퍼를 지칭할 수 있다. 또한 p는 미지의 상태 전이 확률(unknown state transition probability)을 지칭할 수 있고, α는 엔트로피 정규화 계수를 지칭할 수 있다.
이와 같이 제3 기계학습 모델(910)은 목적 함수(J)를 최대화하도록 에이전트(120)의 초기 주행 정책을 학습시킴으로써, 경로 라이브러리(110)에 포함된 복수의 주행 경로 중 최대 기대 보상을 가진 주행 경로가 선택되도록 에이전트(120)의 초기 주행 정책이 설립되거나 학습될 수 있다.
도 9에서, 제3 기계학습 모델(910)은 에이전트(120)의 외부 구성으로 도시되어 있으나, 이에 한정되지 않으며, 제3 기계학습 모델(910)은 에이전트(120)의 일부 구성에 포함될 수 있다.
도 10은 본 개시의 일 실시예에 따라 주행 경로에 대한 수치를 산출하고, 최종 주행 정책(1080)을 결정하는(1070) 예시를 나타내는 도면이다. 일 실시예에 따르면, 초기 주행 정책이 학습된 에이전트(120)는 경로 라이브러리(110)에 포함된 복수의 주행 경로를 입력받아(1010), 주행 경로 각각에 대한 가치(1030)를 산출할 수 있다(1020). 이 경우, 주행 경로 각각에 대한 가치(1030)는 주행 경로 각각에 대한 확률을 포함할 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 고전 경로 계획 알고리즘에 기초하여, 경로 라이브러리(110)에 포함된 복수의 주행 경로를 입력받아(1040), 복수의 주행 경로의 각각에 대한 비용(1060)을 산출할 수 있다(1050). 이 경우, 주행 경로 각각에 대한 비용(1060)은 목표 지점까지의 거리에 대한 비용, 주행 거리에 대한 비용, 타겟 속도에 대한 비용 또는 충돌 비용 중 적어도 하나이거나 이러한 비용들을 합산한 비용일 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 비용 산출을 위한 고전 경로 계획 알고리즘으로서, 동적 창 접근 알고리즘(dynamic window approach algorithm, DWA)을 이용할 수 있다. 동적 창 접근 알고리즘은 지역 경로계획에 해당하며 해당 객체의 동적 상태를 반영하여 충돌 회피가 가능한 목적지 추종 알고리즘으로, 전역 경로 제어 알고리즘과 융합된 하이브리드 제어 형태로 적용할 수 있다. 동적 창 접근 알고리즘은 목적지에 대한 방향, 속도, 장애물과의 거리를 평가하여 최적의 선속도와 각속도를 도출함으로써, 장애물을 회피하고 목적지에 도달하기 위해 이용될 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 비용 산출을 위한 고전 경로 계획 알고리즘으로서, 트레젝토리 롤아웃 알고리즘(trajectory rollout algorithm)을 이용할 수 있다. 트레젝토리 롤아웃 알고리즘은 실시간으로 그래디언트 기술을 사용하여 비용 맵에서 전역적으로 최적의 경로를 계획하고, 예측 동적 컨트롤러를 이용하여 로컬 속도 명령을 계산하기 위해 이용될 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 비용 산출을 위한 고전 경로 계획 알고리즘으로서, 포커스 트레젝토리 플래닝 알고리즘(focused trajectory planning algorithm)을 이용할 수 있다. 포커스 트레젝토리 플래닝 알고리즘은 2단계 모션 플래닝 시스템으로서 레퍼런스 주행 경로 플래닝(reference trajectory planning)과 트래킹 주행 경로 플래닝(tracking trajectory planning)으로 구성될 수 있다. 레퍼런스 주행 경로 플래닝은 밀집 격자 샘플링 및 최적화 기술을 사용하여 인간과 유사한 주행 경로를 생성할 수 있다. 트래킹 주행 경로 플래닝은 동적 제약 조건을 더욱 충족하는 주행 경로를 생성, 평가 및 선택하는데 이용될 수 있다. 포커스 트레젝토리 플래닝 알고리즘은 레퍼런스 경로(reference path)를 기준으로 하여 주행 경로를 생성하므로, 경로 라이브러리(110)는 대상 객체의 현재 위치에서 전방 주시점으로 향하는 목표 선속도, 목표 회전속도를 레퍼런스로 하고 그 속도와의 차이를 포함하도록 구성될 수 있다.
일 실시예에 따르면, 고전 경로 계획부(140)는 비용 산출을 위한 고전 경로 계획 알고리즘으로서 샘플링 기반 로컬 경로 플래너 알고리즘(sampling-based local trajectory planner algorithm)을 이용할 수 있다. 샘플링 기반 로컬 경로 플래너 알고리즘은 2단계 모션 플래닝 아키텍처를 사용하는 알고리즘으로, 첫 번째 단계에서 기준 경로를 세분화하기 위해 서포트 벡터 머신(support vector machine, SVM) 기반의 접근 방식이 이용될 수 있으며, 두 번째 단계에서는 정제된 기준 주행 경로와 일치하는 터미널 상태 집합이 샘플링되어 주행 경로를 예측하기 위해 이용될 수 있다. 이와 마찬가지로, 샘플링 기반 로컬 경로 플래너 알고리즘의 경우에도 레퍼런스 경로를 기준으로 하여 주행 경로가 생성되므로, 경로 라이브러리(110)는 대상 객체의 현재 위치에서 전방 주시점으로 향하는 목표 선속도, 목표 회전속도를 레퍼런스로 하고 그 속도와의 차이를 포함하도록 구성될 수 있다.
일 실시예에 따르면, 최종 주행 정책 결정부(160)는 산출된 가치(1030) 및 비용(1060)의 각각에 가중치를 적용하여 합산한 수치가 가장 큰 주행 경로를 선택하도록 에이전트의 최종 주행 정책(1080)을 결정할 수 있다(1070). 이 경우, 적용되는 가중치는 컨텍스트에 따라 산출된 가치(1030)와 비용(1060) 사이의 비중을 고려하여 동적으로 조절될 수 있다.
도 11은 본 개시의 일 실시예에 따른 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법(1100)의 예시를 나타내는 흐름도이다. 방법(1100)은 정보 처리 시스템의 적어도 하나의 프로세서(예: 프로세서(320))에 의해 수행될 수 있다. 도시된 바와 같이, 방법(1100)은 경로 라이브러리를 이용하여 학습된 에이전트의 초기 주행 정책을 획득함으로써 개시될 수 있다(S1110).
일 실시예에서, 경로 라이브러리는 전문가 에이전트의 주행 경로를 포함하도록 업데이트 될 수 있다. 또한, 경로 라이브러리는 대상 객체의 상태와 액션을 입력으로 하여 기대 보상을 출력하도록 구성된 제1 기계학습 모델에 의해 업데이트 될 수 있다. 이 경우, 제1 기계학습 모델은 경사 상승법을 이용하여 기대 보상을 최대화하는 방향으로 경로 라이브러리를 업데이트하도록 구성될 수 있다.
일 실시예에서, 에이전트의 초기 주행 정책은 경로 라이브러리에 포함된 복수의 주행 경로 중에서, 가장 높은 보상을 주는 주행 경로를 선택하도록 학습될 수 있다. 에이전트의 초기 주행 정책은 대상 객체의 상태와 액션을 입력으로 하여 기대 보상을 출력하도록 구성된 제2 기계학습 모델을 이용하여 학습될 수 있다. 이 경우, 제2 기계학습 모델은 소프트맥스 함수에 의해 산출된 확률 값에 기초하여, 에이전트의 초기 주행 정책을 학습시키도록 구성될 수 있다.
다른 실시예에서, 에이전트의 초기 주행 정책은 대상 객체의 상태 및 경로 라이브러리에 포함된 복수의 주행 경로를 입력으로 하고, 복수의 주행 경로의 각각을 선택할 확률을 출력하도록 구성된 제3 기계학습 모델을 이용하여 학습될 수 있다. 이 경우, 제3 기계학습 모델은 복수의 주행 경로 중에서, 최대 확률을 가진 주행 경로를 선택하도록 에이전트의 초기 주행 정책을 학습시키도록 구성될 수 있다.
그런 다음, 프로세서는 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출할 수 있다(S1120). 이 경우, 하나 이상의 주행 경로는 경로 라이브러리에 포함된 경로일 수 있다. 일 실시예에서, 제1 수치는 하나 이상의 주행 경로에 대한 가치를 포함할 수 있고, 제1 방식은 학습된 에이전트의 초기 주행 정책에 기초하여 하나 이상의 주행 경로에 대한 가치를 산출하는 방식을 포함할 수 있다.
그런 다음, 프로세서는 제2 방식에 의하여 하나 이상의 주행 경로와 관련된 제2 수치를 산출할 수 있다(S1130). 일 실시예에서, 제2 수치는 하나 이상의 주행 경로에 대한 비용을 포함할 수 있고, 제2 방식은 고전 경로 계획 알고리즘에 기초하여, 하나 이상의 주행 경로에 대한 비용을 산출하는 방식을 포함할 수 있다. 이 경우, 하나 이상의 주행 경로의 각각에 대한 비용은 목표 지점까지의 거리에 대한 비용, 주행 거리에 대한 비용, 타겟 속도에 대한 비용 및 충돌 비용을 합산한 비용을 포함할 수 있다.
일 실시예에서, 고전 경로 계획 알고리즘은, 동적 창 접근 알고리즘, 트레젝토리 롤아웃 알고리즘, 레퍼런스 경로를 기준으로 주행 경로를 생성하는 알고리즘 등을 포함할 수 있다. 이 경우, 경로 라이브러리는 대상 객체의 현재 위치에서 전방 주시점으로 향하는 목표 선속도 및 목표 회전속도를 레퍼런스로 하고 그 속도와의 차이를 포함하여 구성될 수 있다.
마지막으로, 프로세서는 산출된 제1 수치 및 산출된 제2 수치에 기초하여 에이전트의 최종 주행 정책을 결정할 수 있다(S1140). 일 실시예에서, 제1 수치 및 제2 수치 각각에 가중치를 적용하여 합산한 수치가 가장 큰 주행 경로를 선택하도록 에이전트의 최종 주행 정책을 결정할 수 있다. 이 경우, 제1 수치와 제2 수치의 각각에 적용되는 가중치는 동적으로 조절될 수 있다.
도 11에서 도시한 흐름도 및 상술한 설명은 일 예시일 뿐이며, 일부 실시예에서는 다르게 구현될 수 있다. 예를 들어, 일부 실시예에서는 각 단계의 순서가 바뀌거나, 일부 단계가 반복 수행되거나, 일부 단계가 생략되거나, 일부 단계가 추가될 수 있다. 예를 들어, 프로세서는 하나 이상의 주행 경로와 관련된 제1 수치 및 제2 수치를 동시에 산출할 수 있다. 즉, 단계 S1120 및 단계 S1130의 과정이 동시에 수행될 수 있다.
상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

Claims (20)

  1. 적어도 하나의 프로세서에 의해 수행되는, 하이브리드(hybrid) 주행 알고리즘 기반 주행 정책(policy) 결정 방법에 있어서,
    경로 라이브러리(trajectory library)를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하는 단계;
    상기 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출하는 단계;
    제2 방식에 의하여, 상기 하나 이상의 주행 경로와 관련된 제2 수치를 산출하는 단계; 및
    상기 산출된 제1 수치 및 상기 산출된 제2 수치에 기초하여, 상기 에이전트의 최종 주행 정책을 결정하는 단계
    를 포함하는, 주행 정책 결정 방법.
  2. 제1항에 있어서,
    상기 경로 라이브러리는,
    전문가 에이전트(expert agent)의 주행 경로를 포함하도록 업데이트되는,
    주행 정책 결정 방법.
  3. 제1항에 있어서,
    상기 경로 라이브러리는,
    대상 객체의 상태(state)와 액션(action)을 입력으로 하여 기대 보상을 출력하도록 구성된 제1 기계학습 모델에 의해 업데이트되는,
    주행 정책 결정 방법.
  4. 제3항에 있어서,
    상기 제1 기계학습 모델은,
    경사 상승법(gradient ascent)을 이용하여 기대 보상을 최대화하는 방향으로 상기 경로 라이브러리를 업데이트하도록 구성된,
    주행 정책 결정 방법.
  5. 제1항에 있어서,
    상기 에이전트의 초기 주행 정책은,
    상기 경로 라이브러리에 포함된 복수의 주행 경로 중에서, 가장 높은 보상(reward)을 주는 주행 경로를 선택하도록 학습되는,
    주행 정책 결정 방법.
  6. 제1항에 있어서,
    상기 에이전트의 초기 주행 정책은,
    대상 객체의 상태(state)와 액션(action)을 입력으로 하여 기대 보상을 출력하도록 구성된 제2 기계학습 모델을 이용하여 학습되는,
    주행 정책 결정 방법.
  7. 제6항에 있어서,
    상기 제2 기계학습 모델은,
    소프트맥스(softmax) 함수에 의해 산출된 확률 값에 기초하여, 상기 에이전트의 초기 주행 정책을 학습시키도록 구성된,
    주행 정책 결정 방법.
  8. 제1항에 있어서,
    상기 에이전트의 초기 주행 정책은,
    대상 객체의 상태 및 상기 경로 라이브러리에 포함된 복수의 주행 경로를 입력으로 하고, 상기 경로 라이브러리에 포함된 복수의 주행 경로의 각각을 선택할 확률을 출력하도록 구성된 제3 기계학습 모델을 이용하여 학습되는,
    를 포함하는, 주행 정책 결정 방법.
  9. 제8항에 있어서,
    상기 제3 기계학습 모델은,
    상기 복수의 주행 경로 중에서, 최대 확률을 가진 주행 경로를 선택하도록 상기 에이전트의 초기 주행 정책을 학습시키도록 구성된,
    주행 정책 결정 방법.
  10. 제1항에 있어서,
    상기 하나 이상의 주행 경로는,
    상기 경로 라이브러리에 포함된 경로인,
    주행 정책 결정 방법.
  11. 제1항에 있어서,
    상기 제1 수치는,
    상기 하나 이상의 주행 경로에 대한 가치(value)를 포함하고,
    상기 제1 방식은,
    상기 학습된 에이전트의 초기 주행 정책에 기초하여, 상기 하나 이상의 주행 경로에 대한 가치를 산출하는 방식
    을 포함하는, 주행 정책 결정 방법.
  12. 제1항에 있어서,
    상기 제2 수치는,
    상기 하나 이상의 주행 경로에 대한 비용(cost)을 포함하고,
    상기 제2 방식은,
    고전 경로 계획 알고리즘에 기초하여, 상기 하나 이상의 주행 경로에 대한 비용을 산출하는 방식
    을 포함하는, 주행 정책 결정 방법.
  13. 제12항에 있어서,
    상기 하나 이상의 주행 경로의 각각에 대한 비용은,
    목표 지점까지의 거리에 대한 비용(goal distance cost), 주행 거리에 대한 비용(path distance cost), 타겟 속도에 대한 비용(target velocity cost) 및 충돌 비용(collision cost)을 합산한 비용
    을 포함하는, 주행 정책 결정 방법.
  14. 제1항에 있어서,
    상기 에이전트의 최종 주행 정책을 결정하는 단계는,
    상기 제1 수치 및 상기 제2 수치의 각각에 가중치를 적용하여 합산한 수치가 가장 큰 주행 경로를 선택하도록 상기 에이전트의 최종 주행 정책을 결정하는 단계
    를 포함하는, 주행 정책 결정 방법.
  15. 제14항에 있어서,
    상기 제1 수치와 상기 제2 수치의 각각에 적용되는 가중치는 동적으로 조절되는,
    주행 정책(policy) 결정 방법.
  16. 제1항에 따른 방법을 컴퓨터에서 실행하기 위한 명령어들을 기록한 컴퓨터 판독 가능한 비일시적 기록매체.
  17. 정보 처리 시스템으로서,
    통신 모듈;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로그램은,
    경로 라이브러리를 이용하여 학습된 에이전트의 초기 주행 정책을 획득하고,
    상기 학습된 에이전트의 초기 주행 정책을 이용한 제1 방식에 의하여, 하나 이상의 주행 경로와 관련된 제1 수치를 산출하고,
    제2 방식에 의하여, 상기 하나 이상의 주행 경로와 관련된 제2 수치를 산출하고,
    상기 산출된 제1 수치 및 상기 산출된 제2 수치에 기초하여, 상기 에이전트의 최종 주행 정책을 결정하기 위한 명령어들을 포함하는,
    정보 처리 시스템.
  18. 제17항에 있어서,
    상기 에이전트의 초기 주행 정책은,
    상기 경로 라이브러리에 포함된 복수의 주행 경로 중에서, 가장 높은 보상(reward)을 주는 주행 경로를 선택하도록 학습되는,
    정보 처리 시스템.
  19. 제17항에 있어서,
    상기 제1 수치는,
    상기 하나 이상의 주행 경로에 대한 가치(value)를 포함하고,
    상기 제1 방식은,
    상기 학습된 에이전트의 초기 주행 정책에 기초하여, 상기 하나 이상의 주행 경로에 대한 가치를 산출하는 방식을 포함하는,
    정보 처리 시스템.
  20. 제17항에 있어서,
    상기 제2 수치는,
    상기 하나 이상의 주행 경로에 대한 비용(cost)을 포함하고,
    상기 제2 방식은,
    고전 경로 계획 알고리즘에 기초하여, 상기 하나 이상의 주행 경로에 대한 비용을 산출하는 방식을 포함하는,
    정보 처리 시스템.
PCT/KR2023/017342 2022-11-02 2023-11-02 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템 Ceased WO2024096607A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0144397 2022-11-02
KR1020220144397A KR102746194B1 (ko) 2022-11-02 2022-11-02 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템

Publications (1)

Publication Number Publication Date
WO2024096607A1 true WO2024096607A1 (ko) 2024-05-10

Family

ID=90931162

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/017342 Ceased WO2024096607A1 (ko) 2022-11-02 2023-11-02 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR102746194B1 (ko)
WO (1) WO2024096607A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180053142A (ko) * 2016-11-11 2018-05-21 현대자동차주식회사 자율주행차량의 경로 결정장치 및 그 방법
KR20190109624A (ko) * 2018-02-27 2019-09-26 삼성전자주식회사 자율 주행 장치 및 그의 제어 방법
KR20200010982A (ko) * 2018-06-25 2020-01-31 군산대학교산학협력단 심층 강화 학습을 이용한 자율 이동체의 충돌 회피 및 자율 탐사 기법 및 장치
KR20210046500A (ko) * 2019-10-18 2021-04-28 한국전자통신연구원 선박 자율 항해 장치, 방법 및 기록 매체
KR20220141646A (ko) * 2021-04-13 2022-10-20 한국전자통신연구원 강화학습을 이용한 다중 에이전트 agv 스케줄링 방법, 서버 및 agv

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180053142A (ko) * 2016-11-11 2018-05-21 현대자동차주식회사 자율주행차량의 경로 결정장치 및 그 방법
KR20190109624A (ko) * 2018-02-27 2019-09-26 삼성전자주식회사 자율 주행 장치 및 그의 제어 방법
KR20200010982A (ko) * 2018-06-25 2020-01-31 군산대학교산학협력단 심층 강화 학습을 이용한 자율 이동체의 충돌 회피 및 자율 탐사 기법 및 장치
KR20210046500A (ko) * 2019-10-18 2021-04-28 한국전자통신연구원 선박 자율 항해 장치, 방법 및 기록 매체
KR20220141646A (ko) * 2021-04-13 2022-10-20 한국전자통신연구원 강화학습을 이용한 다중 에이전트 agv 스케줄링 방법, 서버 및 agv

Also Published As

Publication number Publication date
KR102746194B1 (ko) 2024-12-23
KR20240062646A (ko) 2024-05-09

Similar Documents

Publication Publication Date Title
WO2022222718A1 (zh) 导航方法、装置、存储介质及设备
WO2020180014A2 (ko) 심층 강화 학습에 기반한 자율주행 에이전트의 학습 방법 및 시스템
KR102303126B1 (ko) 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
KR20230109505A (ko) 로봇 이동 시뮬레이션을 기반으로 로봇 이동 경로를 생성하는 인공 지능 장치 및 그 방법
JP2009288934A (ja) データ処理装置、データ処理方法、及びプログラム
KR20240052808A (ko) 그래프 신경망을 이용한 다중 로봇 조정
JP7609169B2 (ja) 制御装置、制御方法及び、プログラム
Bai et al. Adaptive hybrid optimization learning-based accurate motion planning of multi-joint arm
WO2020144970A1 (ja) 行動計画装置、行動計画方法、及びプログラム
CN119459667A (zh) 智能车辆自动泊车路径规划优化方法、系统、设备和存储介质
WO2023191374A1 (ko) 구조식 이미지를 인식하는 인공 지능 장치 및 그 방법
US12247837B2 (en) Information processing device and information processing method
KR102887551B1 (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법
KR20210089552A (ko) 로봇의 위치 인식
Lu et al. A hybrid CNN-LSTM architecture for path planning of mobile robots in unknow environments
JP2023048962A (ja) 強化学習ポリシを訓練する方法
WO2024096607A1 (ko) 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템
WO2022265305A1 (ko) 최적 제어 수행 방법 및 장치
KR102617418B1 (ko) 센서 구성과 로봇 형태에 적응 가능한 강화학습 기반 자율주행 방법, 컴퓨터 시스템, 및 컴퓨터 프로그램
CN116476067B (zh) 机器人运动控制方法、设备及介质
WO2021080151A1 (ko) 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
Alapati et al. Autonomous navigation of turtlebot3 using ddpg reinforcement learning in ros2 framework
Feng et al. Mobile robot obstacle avoidance based on deep reinforcement learning
Wang et al. Autonomous navigation system for indoor mobile robots based on a multi-sensor fusion technology
Tran et al. Mobile robot planner with low-cost cameras using deep reinforcement learning

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23886302

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23886302

Country of ref document: EP

Kind code of ref document: A1