최성원, 노명일, 여인창, "심층 강화 학습 기반 개선된 선박의 충돌 회피 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 110, 2025.05.08-05.10
Domestic Conference
2025.05.12 14:39
최성원, 노명일, 여인창, "심층 강화 학습 기반 개선된 선박의 충돌 회피 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 110, 2025.05.08-05.10
조회 수 593
| 첨부 '1' |
|---|
| Abstract | 복잡한 해상에서는 다양한 유형의 선박이 혼재되어 있으며, 이로 인해 상호 간의 경로와 움직임이 중첩되며 예측하기 어려운 상황이 종종 발생한다. 이와 같은 복잡성은 충돌이나 좌초와 같은 심각한 해양 사고를 유발할 수 있다. 이러한 문제를 예방하기 위해서 자선 주변의 동적 상황을 정확히 파악하고, 적절한 회피 기동을 통해 안전한 경로를 확보할 수 있는 충돌 회피 기술이 중요하다. VO (Velocity Obstacle)와 같은 전통적인 방법은 타선과의 충돌 가능성을 고려하여 실시간 회피 경로를 계산하는데 유리하지만, 타선의 위치나 속도 정보가 부정확한 경우 성능이 크게 저하되며, 복잡한 해상 환경에서는 행동 선택이 제한되고 지나치게 보수적인 경로를 계획할 수 있다. 또한, 국제 해상 충돌 예방 규칙 (COLREGs)과 같은 규정은 해석이 모호한 경우가 많아, 전통적인 방법에 효과적으로 반영하기 어렵다는 한계가 있다. 이러한 한계를 극복하기 위해, 본 연구에서는 심층 강화 학습 (deep reinforcement learning)의 유연성과 자유로운 행동 결정 능력을 활용한 충돌 회피 방법을 제안하였다. 특히, 연속적인 행동 공간에서 강건한 성능을 보이는 SAC (Soft Actor-Critic) 알고리즘을 적용하고, 기존보다 정밀한 충돌 위험도 계산과 COLREGs의 반영 방법을 도입하여 충돌 회피 성능을 향상시켰다. 제안된 방법은 다양한 시뮬레이션 시나리오를 통해 검증되었으며, 다수의 타선을 조우하는 복잡한 해상 환경에서도 효과적으로 충돌을 피하면서 목적지까지 안전하게 항해할 수 있음을 확인하였다. |
|---|---|
| Publication Date | 2025-05-08 |
Prev 공민철, 노명일, 한인수, 최성원, "배관 라우팅을 위한 실적 데이터의 활용 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 293, 2025.05.08-05.10
공민철, 노명일, 한인수, 최성원, "배관 라우팅을 위한 실적 데이터의 활용 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 293, 2025.05.08-05.10
2025.05.12by SyDLab
안도혁, 노명일, 여인창, 이혜원, "다양한 작업 조건을 고려... Next
안도혁, 노명일, 여인창, 이혜원, "다양한 작업 조건을 고려...
2025.05.12by
