전도현, 노명일, 이혜원, 하지상, "선박 충돌 회피 문제에 대한 강화 학습의 효용성", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 167, 2020.07.22-23
Domestic Conference
2020.08.06 18:13
전도현, 노명일, 이혜원, 하지상, "선박 충돌 회피 문제에 대한 강화 학습의 효용성", 2020년도 대한조선학회 춘계학술발표회, 부산, pp. 167, 2020.07.22-23
조회 수 230
첨부 '1' |
---|
Abstract | 최근 발생한 다수의 선박 충돌 사고에서 항해사의 미숙이나 부주의 등 사람의 실수가 주요 원인으로 지적되고 있다. 인적 요인에 의해 선박이 적절한 회피 시점을 놓쳐 치명적인 사고로 이어지는 경우가 발생하면서, 다수의 선박이 운항하는 복잡한 해상 환경에서 운항 중 충돌 위험에 대한 정량적 예측과 충돌 회피 자동화 시스템에 대한 연구이 필요성이 대두되고 있다. 선박은 여러 조우 상황에서 충돌 회피를 규정하는 국제 해상 충돌 예방 규칙 (COLREGs: International Regulations for Preventing Collisions at Sea)을 준수해야 한다. 따라서, 이러한 충돌 회피 관련 규정을 만족하면서 안전하게 운항 경로를 따라 이동하는 충돌 회피 방법을 구현하기 위해 본 연구에서는 전통적인 길 찾기 알고리즘을 기반으로 한 충돌 회피 방법과 최근 각광받고 있는 강화 학습 기법을 기반으로 한 충돌 회피 방법을 비교해 보았다. 먼저, 전통적인 길 찾기 알고리즘으로는 A* 알고리즘 등을 활용하였으며, 강화 학습 기법으로는 딥 러닝 기법을 접목한 actor-critic 방법 중 하나인 PPO (Proximal Policy Optimization) 방법을 활용하였다. 두 방법의 우수성을 비교하기 위해 다양한 예제에 적용해 보았다. 그 결과, 길 찾기 알고리즘을 기반으로 한 충돌 회피 방법의 경우 빠르게 충돌 회피 경로를 찾을 수 있고 더 효율적인 길 찾기 성능을 보여주지만, 실시간으로 변화하는 타선 및 해상 상태의 변화를 빠르게 적용하기가 힘들고, 해역이 복잡해질수록 충돌 회피 성능이 낮아지는 것을 확인하였다. 반면, 강화 학습 기법을 기반으로 한 충돌 회피 방법의 경우 각 선박의 제원에 따라 그것을 사전에 학습할 필요가 있다는 단점이 있지만, 실시간으로 타선 및 해상 상태의 변화를 빠르게 적용할 수 있기 때문에 해역이 복잡해질수록 더 뛰어난 충돌 회피 성능을 보였다. |
---|---|
Publication Date | 2020-07-22 |
Prev 전도현, 노명일, 이혜원, 조영민, 진은석, 유동훈 "선박 정...
전도현, 노명일, 이혜원, 조영민, 진은석, 유동훈 "선박 정...
2022.12.28by
전도현, 노명일, 이혜원, 조영민, 진은석, 유동훈 "선박 정보의 불확실성을 고려한 확률론적 충돌 위험도 산정", 2021년도 한국CDE학회 하계학술발표회, 제주, pp. 94, 2021.08.25-28 Next
전도현, 노명일, 이혜원, 조영민, 진은석, 유동훈 "선박 정보의 불확실성을 고려한 확률론적 충돌 위험도 산정", 2021년도 한국CDE학회 하계학술발표회, 제주, pp. 94, 2021.08.25-28
2022.12.28by SyDLab