순환 신경망 기반 차량 동역학 모델 차수 분석

초록

자율주행 차량의 모델 기반 제어를 수행하기 위해서는 대상 차량에 대한 정확한 모델링이 요구된다. 이를 위한 시스템 식별에 대상 시스템의 입출력 데이터만을 활용한 신경망 학습 기법이 이용 가능하다. 일반적으로 차량과 같은 동역학 시스템의 신경망 기반 시스템 식별은 순환 신경망을 기반으로 이루어진다. 순환 신경망은 다음 상태 예측이 이전 상태 정보에 의존하는 구조로써 동적 특성을 잘 반영하기 때문이다. 하지만 널리 사용되는 순환 신경망의 형태인 Long Short-Term Memory (LSTM)가 지닌 장기 기억이 차량과 같은 강체 동역학 시스템의 모델링에도 필요한 것인지 불분명하다. 따라서 본 논문은 동적 특성을 명시적으로 설계할 수 있는 Nonlinear Autoregressive Model with Exogenous Inputs (NARX) 신경망을 활용하여 차량 동역학 모델의 적절한 입출력 차수에 대해 분석한다.