효과적인 자율주행을 위한 순차 모델링 기법

초록

지난 10년 동안 신경망 기술의 발전으로 강력한 데이터 기반의 제어 방법론인 강화학습 분야가 큰 진보를 이뤘고, 이를 자율주행 차량의 제어에 적용함으로써 다양한 성과를 얻었다. 하지만 기존의 강화학습 방식을 적용한 자율주행 연구에는 학습 단계에서의 위험성, 샘플 비효율성 그리고 불완전한 성능 등 아직 해결해야 할 문제가 존재한다. 이러한 문제를 개선하기 위해 본 연구는 주어진 상황 정보만으로 효과적인 차량 주행이 가능한 순차 모델링 방식을 제안한다. 순차 모델링 방식은 미리 수집한 주행 데이터셋을 generative modeling 방식으로 학습하고, 테스트 시에 입력된 상황에 가장 적합한 행동을 생성해낸다. 본 논문은 Gym CarRacing 환경에서 실험을 진행하였으며, 실험 결과를 통해 순차 모델링 방식이 기존 강화학습 방식의 비교 알고리즘에 비해 좀 더 효율적이며 높은 성능을 달성한다는 것을 보인다.