지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.11
- 수록면
- 1,013 - 1,021 (9page)
- DOI
- 10.5302/J.ICROS.2022.22.0187
이용수
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In the autonomous driving system, a model-based control approach has issues on the performance degradation and safety due to uncertainties or modeling errors in the used model. Recently, reinforcement learning has received lots of attention as an alternative and attractive technology in autonomous driving, but it also has challenges of how to guarantee safety. Both stability and safety are the most significant components that an autonomous driving system needs for protecting drivers and pedestrians from unexpected accidents. To resolve the above issues, we propose an attractive and efficient control technique by combining a model-free deep reinforcement learning-based controller with a model-based control barrier function to enhance the safety of an autonomous driving system. The proposed control approach builds a safe deep reinforcement learning-based controller by integrating a dynamic model-based control barrier function which guarantees a safe boundary of the vehicle motion. Various simulations are carried out to verify the performance of the proposed RL based control barrier control method, and it is shown that the proposed RL-based controller improved safety by guiding the safe boundary between ego and lead vehicles using barrier function in autonomous driving situations.
목차
Abstract
I. 서론
II. 선행 연구 조사
III. 기반 연구
IV. 제안 연구
V. 시뮬레이션 결과
VI. 결론
REFERENCES
참고문헌 (19)
참고문헌 신청
H. J. Vishnukumar, B. Butting, C. Müller, and E. Sax, “Machine learning and deep neural network-Artificial intelligence core for lab and real-world test and validation for ADAS and autonomous vehicles: AI for efficient and quality test and validation,” 2017 Intelligent Systems Conference (IntelliSys), 2017, pp. 714-721, doi: 10.1109/IntelliSys. 2017.8324372.
A. Moujahid, M. E. Tantaoui, M. D. Hina, A. Soukane, A. Ortalda, A. ElKhadimi, and A. Ramdane-Cherif, “Machine learning techniques in ADAS: a review,” 2018 International Conference on Advances in Computing and Communication Engineering (ICACCE), pp. 235-242, IEEE, June, 2018.
M. Mehndiratta, E. Camci, and E. Kayacan, “Automated tuning of nonlinear model predictive controller by reinforcement learning,” 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2018, pp. 3016- 3021, doi: 10.1109/IROS.2018.8594350.
A. Zulu, “Towards explicit PID control tuning using machine learning,” 2017 IEEE AFRICON, 2017, pp. 430- 433, doi: 10.1109/AFRCON.2017.8095520.
D. Oualid and D. J. Lee, “Deep reinforcement learning for autonomous map-less navigation of a flying robot,” IEEE Access, vol. 10, pp. 82964-82976, 2022.
A. Moujahid, M. E. Tantaoui, M. D. Hina, A. Soukane, A. Ortalda, A. ElKhadimi, and A. Ramdane-Cherif, “Machine learning techniques in ADAS: a review,” 2018 International Conference on Advances in Computing and Communication Engineering (ICACCE), pp. 235-242, IEEE, June, 2018.
M. Mehndiratta, E. Camci, and E. Kayacan, “Automated tuning of nonlinear model predictive controller by reinforcement learning,” 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2018, pp. 3016- 3021, doi: 10.1109/IROS.2018.8594350.
A. Zulu, “Towards explicit PID control tuning using machine learning,” 2017 IEEE AFRICON, 2017, pp. 430- 433, doi: 10.1109/AFRCON.2017.8095520.
D. Oualid and D. J. Lee, “Deep reinforcement learning for autonomous map-less navigation of a flying robot,” IEEE Access, vol. 10, pp. 82964-82976, 2022.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
자율주행을 위한 심층 강화학습 기반의 주행 제어 시스템
Proceedings of KIIT Conference
2023 .06
-
Construction of Safe-Critical Reinforcement Learning Control Using Control Barrier Functions for ADAS Application
대한기계학회 춘추학술대회
2022 .11
-
Barrier Lyapunov Function-Based Safe Reinforcement Learning Algorithm for Autonomous Vehicles with System Uncertainty
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
안전 강화학습을 활용한 시스템의 안전성 분석
한국생산제조학회 학술발표대회 논문집
2020 .07
-
제어 장벽함수를 이용한 안전한 행동 영역 탐색과 제어 매개변수의 실시간 적응
로봇학회 논문지
2022 .03
-
가상 환경에서의 강화학습 기반 긴급 회피 조향 제어
드라이브·컨트롤
2022 .12
-
Safety Analysis of a Dynamical System via Safe Reinforcement Learning
한국정밀공학회 학술발표대회 논문집
2020 .09
-
Integrating Control Barrier Function and Residual Learning for Safe High-Speed Obstacle Avoidance in Autonomous Vehicle
한국자동차공학회 춘계학술대회
2024 .06
-
Adaptive Cruise Control for Self-driving Car Using Reinforcement Learning
제어로봇시스템학회 각 지부별 자료집
2021 .12
-
Learning-based Predictive Control for Vehicle Following Problems
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
MPC 기반 안전강화학습 이용한 자율주행 연구
항공우주시스템공학회 학술행사 논문집
2023 .10
-
자율주행기술을 위한 오프라인 강화학습 데이터셋 구축 및 벤치마크 연구
한국자동차공학회 추계학술대회 및 전시회
2024 .11
-
End to End 학습 기반 자율 주행 프레임워크 개발 및 실차 기반 실험
제어로봇시스템학회 논문지
2020 .05
-
Optimal Path Tracking Control for Autonomous Vehicles using Deep Reinforcement Learning-based Non-Uniform Model Predictive Control
한국자동차공학회 추계학술대회 및 전시회
2024 .11
-
Intelligent Trajectory Tracking and Altitude Control of Aerial Robots using Deep Reinforcement Learning-based Adaptive Controller
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
객체탐지모델과 충돌방지 강화학습모델을 활용한 자율주행 시스템에 관한 연구
Proceedings of KIIT Conference
2023 .11
-
제한 조건이 있는 비선형 시스템을 위한 강화학습 알고리즘
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
도심주행을 위한 딥강화학습 기반 자율제동 기법
한국자동차공학회 춘계학술대회
2017 .05
-
도심주행을 위한 딥강화학습 기반 자율제동 기법
한국자동차공학회 춘계학술대회
2017 .05
-
신경망을 이용한 차량의 자율주행 전략 생성
대한전자공학회 학술대회
2017 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
심층학습 기반 차선 분할과 최적 추정기를 이용한 자율주행차 차선인식 기법
조연호
,
이덕진
제어로봇시스템학회 논문지
2022
.04
모델 불확실성을 고려한 T-S 퍼지 상태 관측기 기반 차량 경로 추종 강인 제어기 설계
이승훈
,
김한솔
제어로봇시스템학회 논문지
2024
.07
강화학습 기반 메카넘 휠 모바일 로봇의 제어
김정모
,
Simon Bøgh
한국지능시스템학회 논문지
2024
.06
다수 자율 주행 차량의 선형 행렬 부등식 기반의 완화된 시간 지연 군집 제어기 설계
이승훈
,
김한솔
제어로봇시스템학회 논문지
2023
.11
입력 포화를 고려한 모핑 쿼드로터의 T‒S 퍼지 모델 기반 강인 제어기 설계
이승훈
,
한태준
,
안지호
외 1명
제어로봇시스템학회 논문지
2023
.05
최근 본 자료
댓글(0)
0