최성원, 노명일, 여인창, "심층 강화 학습을 이용한 협수로 내 선박의 충돌 회피 방법", 2026년도 한국CDE학회 동계학술발표회, 용평, p. 50, 2026.02.09-02.12
Domestic Conference
2026.02.12 15:43
최성원, 노명일, 여인창, "심층 강화 학습을 이용한 협수로 내 선박의 충돌 회피 방법", 2026년도 한국CDE학회 동계학술발표회, 용평, p. 50, 2026.02.09-02.12
조회 수 339
| 첨부 '1' |
|---|
| Abstract | 최근 해상 물동량과 레저 활동의 증가로 해상 교통 밀도가 급격히 높아지고 있다. 특히, 항로의 교차 및 합류 지점, 제한 수역과 같은 복잡한 환경적 요인은 선박 간 충돌 위험을 더욱 증가시키고 있다. 이에 따라, 복잡한 해상 환경에서 안전성과 효율성을 높일 수 있는 충돌 회피 기술의 필요성이 커지고 있다. 전통적인 충돌 회피 방법은 VO (Velocity Obstacles)와 같은 규칙 기반 방법을 중심으로 발전해 왔으나, 다수의 장애물이 혼재하는 상황에서는 선택 가능한 기동이 제한되어 과도하게 보수적인 의사 결정으로 이어질 수 있다. 또한, 실제 해상에서는 센서 기반의 주변 상황 인지 과정에서 탐지 및 추적 오차가 발생하며, 이로 인한 입력 불확실성이 규칙 기반 계산의 성능 저하를 유발할 수 있다. 본 연구에서는 이러한 한계를 극복하기 위해 심층 강화 학습 기반의 충돌 회피 방법을 제안하였다. 연속 행동 공간에서 유연한 의사결정이 가능하며 안정적인 학습 성능을 보이는 SAC (Soft Actor-Critic)를 채택하였고, AR (Approach Rate) 기반의 안정적인 충돌 위험도 평가를 도입하였다. 또한, 다수의 정적 및 동적 장애물을 효율적으로 반영하기 위해 self-attention 기반 attention module을 적용하여 중요 장애물 정보를 강조하고, 입력을 압축된 특징으로 표현하도록 구성하였다. 나아가, MoE (Mixture-of-Experts) 구조를 도입하여 경로 추종 및 충돌 회피 모델 간의 결정을 운항 상황에 따라 적절히 조합할 수 있는 정책 구조를 설계하였다. 마지막으로, 시뮬레이션 검증 단계에서는 타선의 위치, 속도, 헤딩 정보에 불확실성을 추가하여, 실제 해상에서의 센서 탐지 및 추적 오차가 존재하는 조건에서 제안한 방법의 강건성을 평가할 수 있도록 하였다. 제안한 방법을 협수로 내 다양한 시나리오에서 평가한 결과, 다수의 장애물 및 입력 불확실성이 존재하는 복잡한 해상 환경에서도 강건하고 안전한 충돌 회피가 가능함을 확인하였다. |
|---|---|
| Publication Date | 2026-02-10 |
