WO2021080151A1 - 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템 - Google Patents

사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템 Download PDF

Info

Publication number
WO2021080151A1
WO2021080151A1 PCT/KR2020/011304 KR2020011304W WO2021080151A1 WO 2021080151 A1 WO2021080151 A1 WO 2021080151A1 KR 2020011304 W KR2020011304 W KR 2020011304W WO 2021080151 A1 WO2021080151 A1 WO 2021080151A1
Authority
WO
WIPO (PCT)
Prior art keywords
autonomous driving
learning
robot
computer system
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/KR2020/011304
Other languages
English (en)
French (fr)
Inventor
최진영
김정은
박경식
한재훈
서준호
김민수
댄스크리스토퍼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naver Corp
Naver Labs Corp
Original Assignee
Naver Corp
Naver Labs Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020200009729A external-priority patent/KR102303126B1/ko
Application filed by Naver Corp, Naver Labs Corp filed Critical Naver Corp
Priority to EP20878770.5A priority Critical patent/EP4019202A4/en
Priority to JP2022519438A priority patent/JP7459238B2/ja
Publication of WO2021080151A1 publication Critical patent/WO2021080151A1/ko
Priority to US17/657,878 priority patent/US20220229435A1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Program-controlled manipulators
    • B25J9/16—Program controls
    • B25J9/1656—Program controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Program controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/091—Active learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/39—Robotics, robotics to robotics hand
    • G05B2219/39271—Ann artificial neural network, ffw-nn, feedforward neural network
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40499—Reinforcement learning algorithm
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Definitions

  • the description below relates to the robot's autonomous driving technology.
  • Autonomous robot is a technology to which a robot widely used in the industrial field is applied.For example, the movement distance and direction from the previous position to the next position after acquiring speed information and azimuth information using the Odometry method. You can recognize your own location and direction by calculating the information about.
  • Korean Patent Registration No. 10-1771643 (registration date August 21, 2017) discloses an autonomous driving robot capable of automatically moving to a destination by recognizing absolute coordinates, and a navigation method thereof.
  • It provides a technology for optimizing autonomous driving based on reinforcement learning according to user preference.
  • the computer system comprises at least one processor configured to execute computer readable instructions contained in a memory
  • the autonomous driving learning method comprises: by the at least one processor , Provides an autonomous driving learning method comprising the step of learning robot autonomous driving by assigning different autonomous driving parameters to a plurality of robot agents in the simulation through automatic setting by a system or direct setting by a manager.
  • reinforcement learning may be performed simultaneously by inputting a randomly sampled autonomous driving parameter for the plurality of robot agents.
  • autonomous driving of the plurality of robot agents may be simultaneously learned using a neural network composed of a fully-connected layer and gated recurrent units (GRU).
  • GRU gated recurrent units
  • the learning may include using a sensor value obtained in real time from the robot as an input of a neural network for learning of the robot autonomous driving and an autonomous driving parameter that is randomly assigned in relation to the autonomous driving policy. It may include.
  • the autonomous driving learning method may further include, by the at least one processor, optimizing the autonomous driving parameter using preference data for the autonomous driving parameter. .
  • the autonomous driving parameter may be optimized by reflecting feedback on a driving image of a robot in which the autonomous driving parameter is set differently from each other.
  • the step of optimizing may include evaluating a preference for the autonomous driving parameter through pairwise comparisons of the autonomous driving parameter.
  • the step of optimizing may include modeling a preference for the autonomous driving parameter using a Bayesian neural network model.
  • the step of optimizing may include generating a query for pairwise comparison of the autonomous driving parameters based on an uncertainty of a preference model.
  • a non-transitory computer-readable recording medium in which a program for executing the autonomous driving learning method is recorded on a computer is provided.
  • a computer system comprising at least one processor configured to execute computer-readable instructions contained in a memory, wherein the at least one processor is configured automatically by a system or directly by an administrator in a plurality of robot agents in a simulation.
  • a learning unit for learning robot autonomous driving by assigning different autonomous driving parameters through;
  • an optimization unit for optimizing the autonomous driving parameter by using the preference data for the autonomous driving parameter.
  • an autonomous driving parameter may be optimized using a small number of preference data based on the uncertainty of the model.
  • FIG. 1 is a block diagram illustrating an example of an internal configuration of a computer system according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating an example of components that may be included in a processor of a computer system according to an embodiment of the present invention.
  • FIG. 3 is a flow chart showing an example of an autonomous driving learning method that can be performed by a computer system according to an embodiment of the present invention.
  • FIG 4 shows an example of an adaptive autonomous driving policy learning algorithm according to an embodiment of the present invention.
  • FIG 5 shows an example of a neural network for learning an adaptive autonomous driving policy according to an embodiment of the present invention.
  • FIG. 6 shows an example of a neural network for learning a utility function according to an embodiment of the present invention.
  • FIG 7 shows an example of an autonomous driving parameter optimization algorithm using preference data in an embodiment of the present invention.
  • Embodiments of the present invention relate to autonomous driving technology of a robot.
  • Embodiments including those specifically disclosed in this specification can provide a new deep reinforcement learning-based autonomous driving technology that can adapt to various parameters and compensate for a variety of parameters without a retraining process, and use a small number of preference data. Autonomous driving parameters that fit the case can be found.
  • FIG. 1 is a block diagram showing an example of a computer system according to an embodiment of the present invention.
  • the autonomous driving learning system according to embodiments of the present invention may be implemented by the computer system 100 illustrated in FIG. 1.
  • the computer system 100 is a component for executing the autonomous driving learning method according to embodiments of the present invention, and includes a memory 110, a processor 120, a communication interface 130, and an input/output. It may include an interface 140.
  • the memory 110 is a computer-readable recording medium and may include a permanent mass storage device such as a random access memory (RAM), a read only memory (ROM), and a disk drive.
  • a non-destructive large-capacity recording device such as a ROM and a disk drive may be included in the computer system 100 as a separate permanent storage device separate from the memory 110.
  • an operating system and at least one program code may be stored in the memory 110.
  • These software components may be loaded into the memory 110 from a computer-readable recording medium separate from the memory 110.
  • Such a separate computer-readable recording medium may include a computer-readable recording medium such as a floppy drive, a disk, a tape, a DVD/CD-ROM drive, and a memory card.
  • software components may be loaded into the memory 110 through a communication interface 130 other than a computer-readable recording medium.
  • software components may be loaded into the memory 110 of the computer system 100 based on a computer program installed by files received through the network 160.
  • the processor 120 may be configured to process instructions of a computer program by performing basic arithmetic, logic, and input/output operations. Instructions may be provided to the processor 120 by the memory 110 or the communication interface 130. For example, the processor 120 may be configured to execute a command received according to a program code stored in a recording device such as the memory 110.
  • the communication interface 130 may provide a function for the computer system 100 to communicate with other devices through the network 160. For example, requests, commands, data, files, etc., generated by the processor 120 of the computer system 100 according to a program code stored in a recording device such as the memory 110, are transmitted to the network ( 160) can be delivered to other devices. Conversely, signals, commands, data, files, etc. from other devices may be received by the computer system 100 through the communication interface 130 of the computer system 100 via the network 160. Signals, commands, data, etc. received through the communication interface 130 may be transmitted to the processor 120 or the memory 110, and files, etc. may be further included in the computer system 100 (as described above). Permanent storage).
  • the communication method is not limited, and not only a communication method using a communication network (for example, a mobile communication network, wired Internet, wireless Internet, broadcasting network) that the network 160 may include, but also short-range wired/wireless communication between devices may be included.
  • the network 160 is a personal area network (PAN), a local area network (LAN), a campus area network (CAN), a metropolitan area network (MAN), a wide area network (WAN), and a broadband network (BBN). And any one or more of networks such as the Internet.
  • the network 160 may include any one or more of a network topology including a bus network, a star network, a ring network, a mesh network, a star-bus network, a tree or a hierarchical network, etc. Not limited.
  • the input/output interface 140 may be a means for an interface with the input/output device 150.
  • the input device may include a device such as a microphone, a keyboard, a camera, or a mouse
  • the output device may include a device such as a display or a speaker.
  • the input/output interface 140 may be a means for interfacing with a device in which input and output functions are integrated into one, such as a touch screen.
  • the input/output device 150 may be configured with the computer system 100 and one device.
  • the computer system 100 may include fewer or more components than the components of FIG. 1. However, there is no need to clearly show most of the prior art components.
  • the computer system 100 may be implemented to include at least some of the input/output devices 150 described above, or may further include other components such as a transceiver, a camera, various sensors, and a database.
  • the existing reinforcement learning method learns by using fixed values for parameters such as weights representing the trade-off between the robot's maximum speed and compensation components (e.g. Keeping a large safe distance from pouring).
  • Desirable robot behavior can be a problem in real world scenarios as it depends on the use case.
  • Robots deployed in hospital wards need to be careful to avoid collisions with sophisticated equipment and not scare patients, while warehouse robots' top priority is to reach their targets as quickly as possible.
  • Robots trained with fixed parameters cannot meet various requirements and require retraining to fine-tune them for each scenario.
  • the desirable behavior of robots interacting with humans often depends on human preferences, which requires a lot of effort and cost to collect such preference data.
  • FIG. 2 is a diagram showing an example of components that can be included in a processor of a computer system according to an embodiment of the present invention
  • FIG. 3 is an autonomous driving that can be performed by a computer system according to an embodiment of the present invention. It is a flow chart showing an example of a learning method.
  • the processor 120 may include a learning unit 201 and an optimization unit 202.
  • Components of the processor 120 may be expressions of different functions performed by the processor 120 according to a control command provided by at least one program code.
  • the learning unit 201 may be used as a functional expression that operates to control the computer system 100 so that the processor 120 learns autonomous driving of a robot based on deep reinforcement learning.
  • the processor 120 and components of the processor 120 may perform steps S310 to S320 included in the autonomous driving learning method of FIG. 3.
  • the processor 120 and the components of the processor 120 may be implemented to execute an instruction according to the code of the operating system included in the memory 110 and the at least one program code described above.
  • at least one program code may correspond to a code of a program implemented to process the autonomous driving learning method.
  • the autonomous driving learning method may not occur in the illustrated order, and some of the steps may be omitted or an additional process may be further included.
  • the processor 120 may load the program code stored in the program file for the autonomous driving learning method into the memory 110.
  • a program file for the autonomous driving learning method may be stored in a permanent storage device separate from the memory 110, and the processor 120 stores program codes from a program file stored in a permanent storage device through a bus.
  • Computer system 100 can be controlled to be loaded onto 110.
  • each of the processor 120 and the learning unit 201 and the optimization unit 202 included in the processor 120 executes a command of a corresponding part of the program code loaded in the memory 110 and performs subsequent steps ( It may be different functional expressions of the processor 120 for executing S310 to S320.
  • the processor 120 and components of the processor 120 may directly process an operation according to a control command or control the computer system 100.
  • a path-following autonomous driving task is considered, and an agent (ie, a robot) moves a path to a destination, and the path may be expressed as a series of stops.
  • agent ie, a robot
  • the path may be expressed as a series of stops.
  • the agent reaches the last stop (destination), it is given a new target and waypoint, and the task is modeled as a Markov decision process (S, A, ⁇ , r, p trans , p obs ).
  • S is the states
  • A is the actions
  • ⁇ is the observations
  • r is the reward function
  • p trans is the conditional state-transition
  • p obs is the observation probability ( observation probabilities).
  • a differential two-wheeled mobile platform model is used, and the discount factor is Apply the universal setting.
  • the aim of the present invention is to Parameters that are adaptable to and suitable for a given use case It is to train an agent that finds efficiently.
  • Equation 2 The agent's observation format is shown in Equation 2.
  • Consists of scan data from a distance sensor such as a lidar are temporarily stored at 20° intervals, and the minimum value is taken in each bin. The maximum distance the agent can perceive is 3m.
  • Is composed of the current linear and angular velocity, as shown in Equation 3 as the change of the robot position related to the position in the previous step.
  • the agent's action is Spacing as a vector at Represents the desired linear speed of the robot normalized to, and the angular speed is Is normalized to When the robot executes an action
  • the angular acceleration of is applied, and when increasing the speed, the linear acceleration is And when it decreases to be.
  • Reward function Denotes the sum of the five components as shown in Equation 4.
  • the square root is used to reduce the penalty for small deviations in the shortest path required for collision avoidance. When the distance between the agent and the current stop is less than 1m There is a reward and the waypoint is updated.
  • the robot When the estimated time to collide with an obstacle or other object is less than 1 second, or when a collision occurs, to ensure that the robot maintains a minimum safe distance in the simulation and real environment, If the compensation of is given, the robot is stopped by setting the linear speed to 0m/s. The expected collision time is calculated at the target speed given in the current motion, The robot is modeled as a 0.5m square using the point of failure represented by.
  • the expected crash time for other agents is Reward when less than seconds Is given.
  • the expected crash time is, except for using the location of another agent within 3m range instead of the scan data. Is calculated for Since the observation does not include the location of other agents, the robot uses the order of the scan data to differentiate between static obstacles from other agents.
  • an example of the autonomous driving learning method according to the present invention includes the following two steps.
  • step S310 the learning unit 201 randomly assigns autonomous driving parameters to several robots in a simulation environment in order to learn an autonomous driving policy that can adapt to a wide range of autonomous driving parameters without retraining, and simultaneously performs learning.
  • the learning unit 201 may use sensor data and autonomous driving parameters as inputs of a neural network for autonomous driving learning.
  • the sensor data is a sensor value acquired in real time from the robot, and may include, for example, a time of flight (ToF) sensor value, a current speed, an odometry, a driving direction, an obstacle position, and the like.
  • Autonomous driving parameters are randomly assigned setting values, and can be automatically set by the system or set directly by an administrator.
  • autonomous driving parameters may include compensation for collision, compensation for safety distance and safety distance necessary for collision avoidance, maximum speed (linear speed, rotational speed), maximum acceleration (linear acceleration, rotational acceleration), and the like.
  • the autonomous driving parameter may be designated based on a preference to be described below.
  • the learning unit 201 learns several robots at the same time by assigning randomly sampled parameters to each robot in the simulation, so that autonomous driving is possible according to various parameters without re-learning and generalizes to new parameters that were not used for existing learning. (generalization) is possible.
  • a decentralized multi-agent training method may be applied as summarized in the algorithm of FIG. 4.
  • multiple agents are placed in a shared environment.
  • the autonomous driving parameters of each agent are randomly sampled from the distribution at the start of each episode.
  • parameter sampling is efficient, stable, and produces policies with better performance.
  • 5 and 6 illustrate an example of a neural network structure for autonomous driving learning according to an embodiment of the present invention.
  • the neural network architecture for self-driving learning uses an adaptive policy learning structure (FIG. 5) and a utility function learning (FIG. 6) structure.
  • FC represents a fully-connected layer
  • BayesianFC represents a Bayesian fully-connected layer
  • a merged branch represents concatenation.
  • Utility function and Is calculated using the shared weight.
  • the agent's autonomous driving parameters are provided as additional inputs to the network.
  • GRUs gated recurrent units
  • LSTM Long Short-Term Memory models
  • the optimizer 202 may optimize the autonomous driving parameter by using the preference data for the driving image of the simulation robot.
  • the optimizer 202 may reflect the feedback value and learn the autonomous driving parameter in a manner that people prefer, thereby optimizing the autonomous driving parameter for user preference.
  • the optimizer 202 may utilize a neural network that receives and reflects human feedback on a driving image of a robot in which autonomous driving parameters are set differently from each other. 6, the input of the neural network is an autonomous driving parameter And the output is a utility function as the score according to the softmax calculation Becomes. In other words, the softmax is learned as 1 or 0 according to user feedback, and the parameter with the highest score is found.
  • the Bradley-Terry model can be used for model preference.
  • Autonomous driving parameters end The probability of becoming more preferred is shown in Equation 5.
  • Parameters for active learning of the preference model Utility functions in Bayesian neural networks with To learn.
  • the number of queries can be minimized by actively using estimates of prediction uncertainty to generate queries.
  • the neural network (FIG. 6) is trained in a direction that minimizes the negative log-likelihood (Equation 6) of the preference model.
  • the highest The robot's trajectory is created using the autonomous driving parameters. After that, It actively creates a new preference query for. To this end, all autonomous driving parameters are set. About and Calculate of Of the highest N top And To Of the highest N top Let it be a sample set.
  • Each preference query is and in and Pairs of autonomous driving parameters that are uniformly sampled It consists of.
  • the optimizer 202 shows two video clips of the robot driven with different parameters to users, investigates the preference of which video is more suitable for the use case, and then models the preference based on the uncertainty of the model. As new clips are created, parameters with high satisfaction can be found with a small number of preference data.
  • the connection strength of the neural network is calculated, it is sampled from a constant distribution, and in the process of actively generating queries using Bayesian neural networks, the number of queries required for overall training is effectively reduced by inducing learning with inputs with high uncertainty in the prediction results. I can.
  • reinforcement learning in various environments can be simultaneously performed to achieve various and unpredictable learning effects in the real world, and an adaptive autonomous driving algorithm can be implemented without increasing data.
  • an adaptive autonomous driving algorithm can be implemented without increasing data.
  • after modeling the preference indicating whether the driving image of the robot is appropriate as a use case it is possible to optimize the autonomous driving parameter using a small number of preference data based on the uncertainty of the model. .
  • the apparatus described above may be implemented as a hardware component, a software component, and/or a combination of a hardware component and a software component.
  • the devices and components described in the embodiments include a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable gate array (FPGA), and a programmable gate array (PLU).
  • ALU arithmetic logic unit
  • FPGA field programmable gate array
  • PLU programmable gate array
  • It may be implemented using one or more general purpose or special purpose computers, such as a logic unit), a microprocessor, or any other device capable of executing and responding to instructions.
  • the processing device may execute an operating system (OS) and one or more software applications executed on the operating system. Further, the processing device may access, store, manipulate, process, and generate data in response to the execution of software.
  • OS operating system
  • the processing device may access, store, manipulate, process, and generate data in response to the execution of software
  • the processing device is a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that it may include.
  • the processing device may include a plurality of processors or one processor and one controller.
  • other processing configurations are possible, such as a parallel processor.
  • the software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to operate as desired or processed independently or collectively. You can command the device.
  • Software and/or data may be embodyed in any type of machine, component, physical device, computer storage medium or device to be interpreted by the processing device or to provide instructions or data to the processing device. have.
  • the software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
  • the method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the medium may be one that continuously stores a program executable by a computer, or temporarily stores a program for execution or download.
  • the medium may be a variety of recording means or storage means in a form in which a single or several pieces of hardware are combined, but is not limited to a medium directly connected to a computer system, but may be distributed on a network.
  • Examples of media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, And there may be ones configured to store program instructions, including ROM, RAM, flash memory, and the like.
  • examples of other media include an app store that distributes applications, a site that supplies or distributes various software, and a recording medium or a storage medium managed by a server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Manipulator (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템이 개시된다. 자율주행 최적화 방법은, 시뮬레이션 상의 복수 개의 로봇 에이전트에 시스템에 의한 자동 설정 또는 관리자에 의한 직접 설정을 통해 서로 다른 자율주행 파라미터를 부여하여 로봇 자율주행을 학습하는 단계; 및 상기 자율주행 파라미터에 대한 선호 데이터(preference data)를 이용하여 상기 자율주행 파라미터를 최적화하는 단계를 포함한다.

Description

사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
아래의 설명은 로봇의 자율주행 기술에 관한 것이다.
자율주행 로봇은 산업분야에 널리 사용되는 로봇이 응용된 기술로, 일례로 오도메트리(Odometry) 방식을 이용하여 속도 정보와 방위각 정보 등을 획득한 후 이전 위치에서 다음 위치까지의 이동 거리 및 방향에 대한 정보를 연산하여 자신의 위치와 방향을 인식할 수 있다.
예를 들어, 한국 등록특허 제10-1771643호(등록일 2017년 08월 21일)에는 절대 좌표를 인식하여 목적지까지 자동으로 이동할 수 있는 자율주행 로봇 및 이의 네비게이션 방법이 개시되어 있다.
사용자 선호도에 따른 강화학습(reinforcement learning) 기반 자율주행 최적화를 위한 기술을 제공한다.
재훈련 과정 없이 다양한 파라미터에 적응시키고 보상에 임할 수 있는 새로운 심층 강화학습 기반 자율주행 기술을 제공한다.
적은 수의 선호 데이터를 이용하여 사용 사례(use-case)에 맞는 자율주행 파라미터를 찾아낼 수 있는 기술을 제공한다.
컴퓨터 시스템에서 실행되는 자율주행 학습 방법에 있어서, 상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 자율주행 학습 방법은, 상기 적어도 하나의 프로세서에 의해, 시뮬레이션 상의 복수 개의 로봇 에이전트에 시스템에 의한 자동 설정 또는 관리자에 의한 직접 설정을 통해 서로 다른 자율주행 파라미터를 부여하여 로봇 자율주행을 학습하는 단계를 포함하는 자율주행 학습 방법을 제공한다.
일 측면에 따르면, 상기 학습하는 단계는, 상기 복수 개의 로봇 에이전트를 대상으로 랜덤 샘플링된 자율주행 파라미터를 입력으로 하는 강화학습(reinforcement learning)을 동시에 수행할 수 있다.
다른 측면에 따르면, 상기 학습하는 단계는, 완전 연결 계층(fully-connected layer)과 GRU(gated recurrent units)로 구성된 신경망을 이용하여 상기 복수 개의 로봇 에이전트의 자율주행을 동시에 학습할 수 있다.
또 다른 측면에 따르면, 상기 학습하는 단계는, 상기 로봇 자율주행의 학습을 위한 신경망의 입력으로 로봇으로부터 실시간으로 획득하는 센서 값과 자율주행 정책과 관련하여 랜덤하게 부여되는 자율주행 파라미터를 사용하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 자율주행 학습 방법은, 상기 적어도 하나의 프로세서에 의해, 상기 자율주행 파라미터에 대한 선호 데이터(preference data)를 이용하여 상기 자율주행 파라미터를 최적화하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 최적화하는 단계는, 상기 자율주행 파라미터가 서로 다르게 설정된 로봇의 주행 영상에 대한 피드백을 반영하여 상기 자율주행 파라미터를 최적화할 수 있다.
또 다른 측면에 따르면, 상기 최적화하는 단계는, 상기 자율주행 파라미터의 쌍별 비교(pairwise comparisons)를 통해 상기 자율주행 파라미터에 대한 선호도를 평가하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 최적화하는 단계는, 베이지안 신경망(Bayesian neural network) 모델을 사용하여 상기 자율주행 파라미터에 대한 선호도를 모델링하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 최적화하는 단계는, 선호도 모델의 불확실성(uncertainty)을 기반으로 상기 자율주행 파라미터의 쌍별 비교를 위한 쿼리(query)를 생성하는 단계를 포함할 수 있다.
상기 자율주행 학습 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램을 제공한다.
상기 자율주행 학습 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체를 제공한다.
컴퓨터 시스템에 있어서, 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서는, 시뮬레이션 상의 복수 개의 로봇 에이전트에 시스템에 의한 자동 설정 또는 관리자에 의한 직접 설정을 통해 서로 다른 자율주행 파라미터를 부여하여 로봇 자율주행을 학습하는 학습부; 및 상기 자율주행 파라미터에 대한 선호 데이터를 이용하여 상기 자율주행 파라미터를 최적화하는 최적화부를 포함하는 컴퓨터 시스템을 제공한다.
본 발명의 실시예들에 따르면, 여러 가지 환경에서의 강화학습을 동시에 진행하여 다양하고 예측 불가능한 실세계(real-world)에서의 학습 효과를 달성할 수 있으며 데이터 증가 없이 적응형 자율주행 알고리즘을 구현할 수 있다.
본 발명의 실시예들에 따르면, 로봇의 주행 영상에 대해 사용 사례로서 적절한지를 나타내는 선호도를 모델링한 후 모델의 불확실성을 기반으로 적은 수의 선호 데이터를 이용하여 자율주행 파라미터를 최적화할 수 있다.
도 1은 본 발명의 일실시예에 있어서 컴퓨터 시스템의 내부 구성의 일례를 설명하기 위한 블록도이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 시스템의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 컴퓨터 시스템이 수행할 수 있는 자율주행 학습 방법의 예를 도시한 순서도이다.
도 4는 본 발명의 일실시예에 있어서 적응형 자율주행 정책 학습 알고리즘의 예를 도시한 것이다.
도 5는 본 발명의 일실시예에 있어서 적응형 자율주행 정책 학습을 위한 신경망의 예를 도시한 것이다.
도 6은 본 발명의 일실시예에 있어서 유틸리티 함수 학습을 위한 신경망의 예를 도시한 것이다.
도 7은 본 발명의 일실시예에 있어서 선호 데이터를 이용한 자율주행 파라미터 최적화 알고리즘의 예를 도시한 것이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
본 발명의 실시예들은 로봇의 자율주행 기술에 관한 것이다.
본 명세서에서 구체적으로 개시되는 것들을 포함하는 실시예들은 재훈련 과정 없이 다양한 파라미터에 적응시키고 보상에 임할 수 있는 새로운 심층 강화학습 기반 자율주행 기술을 제공할 수 있고, 적은 수의 선호 데이터를 이용하여 사용 사례에 맞는 자율주행 파라미터를 찾아낼 수 있다.
도 1은 본 발명의 일실시예에 따른 컴퓨터 시스템의 예를 도시한 블록도이다. 예를 들어, 본 발명의 실시예들에 따른 자율주행 학습 시스템은 도 1을 통해 도시된 컴퓨터 시스템(100)에 의해 구현될 수 있다.
도 1에 도시된 바와 같이 컴퓨터 시스템(100)은 본 발명의 실시예들에 따른 자율주행 학습 방법을 실행하기 위한 구성요소로서, 메모리(110), 프로세서(120), 통신 인터페이스(130) 그리고 입출력 인터페이스(140)를 포함할 수 있다.
메모리(110)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(110)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 시스템(100)에 포함될 수도 있다. 또한, 메모리(110)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(110)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(110)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(130)를 통해 메모리(110)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(160)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 시스템(100)의 메모리(110)에 로딩될 수 있다.
프로세서(120)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(110) 또는 통신 인터페이스(130)에 의해 프로세서(120)로 제공될 수 있다. 예를 들어 프로세서(120)는 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(130)은 네트워크(160)를 통해 컴퓨터 시스템(100)이 다른 장치와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 시스템(100)의 프로세서(120)가 메모리(110)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(130)의 제어에 따라 네트워크(160)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(160)를 거쳐 컴퓨터 시스템(100)의 통신 인터페이스(130)를 통해 컴퓨터 시스템(100)으로 수신될 수 있다. 통신 인터페이스(130)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(120)나 메모리(110)로 전달될 수 있고, 파일 등은 컴퓨터 시스템(100)이 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
통신 방식은 제한되지 않으며, 네트워크(160)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 기기들간의 근거리 유선/무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(160)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(160)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.
입출력 인터페이스(140)는 입출력 장치(150)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드, 카메라 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(140)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(150)는 컴퓨터 시스템(100)과 하나의 장치로 구성될 수도 있다.
또한, 다른 실시예들에서 컴퓨터 시스템(100)은 도 1의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 시스템(100)은 상술한 입출력 장치(150) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
최근에는 자율주행에 대한 심층 강화학습 방식이 활발하게 연구되고 있으며, 강화학습을 이용한 로봇의 자율주행 기술은 경로 계획(path planning) 기반 자율주행보다 높은 성능을 보이고 있다.
그러나, 기존 강화학습 방법은 로봇의 최대속력 및 보상 구성 요소 사이 트레이드오프(trade-off)를 나타내는 가중치와 같은 파라미터에 대해 고정된 값을 사용하여 학습한다(예를 들어, 목표에 대한 짧은 경로를 따르는 것과 큰 안전 거리를 유지하는 것).
바람직한 로봇 동작은 사용 사례에 따라 다르기 때문에 실제 시나리오에서 문제가 될 수 있다. 예를 들어, 병원 병동에 배치된 로봇은 정교한 장비와 충돌을 피하고 환자를 겁주지 않도록 주의해야 하는 반면, 창고 로봇의 최우선 과제는 가능한 한 빨리 목표에 도달하는 것이다. 고정 파라미터로 훈련된 로봇은 다양한 요건을 충족할 수 없으며 각 시나리오에 맞게 미세 조정하기 위한 재훈련이 필요하다. 게다가, 인간과 상호작용하는 로봇의 바람직한 행동은 종종 인간의 선호도에 따라 달라지는데, 이러한 선호 데이터를 수집하는데 많은 노력과 비용이 요구된다.
따라서, 다양한 파라미터에 적응할 수 있는 에이전트뿐만 아니라 적은 수의 인간 선호 데이터로부터 최적에 가까운 파라미터를 신속하고 정확하게 예측할 수 있는 방법이 필요하다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 시스템의 프로세서가 포함할 수 있는 구성요소의 예를 도시한 도면이고, 도 3은 본 발명의 일실시예에 따른 컴퓨터 시스템이 수행할 수 있는 자율주행 학습 방법의 예를 도시한 순서도이다.
도 2에 도시된 바와 같이, 프로세서(120)는 학습부(201), 및 최적화부(202)를 포함할 수 있다. 이러한 프로세서(120)의 구성요소들은 적어도 하나의 프로그램 코드에 의해 제공되는 제어 명령에 따라 프로세서(120)에 의해 수행되는 서로 다른 기능들(different functions)의 표현들일 수 있다. 예를 들어, 프로세서(120)가 심층 강화학습을 기초로 로봇의 자율주행을 학습하도록 컴퓨터 시스템(100)을 제어하기 위해 동작하는 기능적 표현으로서 학습부(201)가 사용될 수 있다.
프로세서(120) 및 프로세서(120)의 구성요소들은 도 3의 자율주행 학습 방법이 포함하는 단계들(S310 내지 S320)을 수행할 수 있다. 예를 들어, 프로세서(120) 및 프로세서(120)의 구성요소들은 메모리(110)가 포함하는 운영체제의 코드와 상술한 적어도 하나의 프로그램 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 적어도 하나의 프로그램 코드는 자율주행 학습 방법을 처리하기 위해 구현된 프로그램의 코드에 대응될 수 있다.
자율주행 학습 방법은 도시된 순서대로 발생하지 않을 수 있으며, 단계들 중 일부가 생략되거나 추가의 과정이 더 포함될 수 있다.
프로세서(120)는 자율주행 학습 방법을 위한 프로그램 파일에 저장된 프로그램 코드를 메모리(110)에 로딩할 수 있다. 예를 들어, 자율주행 학습 방법을 위한 프로그램 파일은 메모리(110)와는 구분되는 영구 저장 장치에 저장되어 있을 수 있고, 프로세서(120)는 버스를 통해 영구 저장 장치에 저장된 프로그램 파일로부터 프로그램 코드가 메모리(110)에 로딩되도록 컴퓨터 시스템(100)을 제어할 수 있다. 이때, 프로세서(120) 및 프로세서(120)가 포함하는 학습부(201), 및 최적화부(202) 각각은 메모리(110)에 로딩된 프로그램 코드 중 대응하는 부분의 명령을 실행하여 이후 단계들(S310 내지 S320)을 실행하기 위한 프로세서(120)의 서로 다른 기능적 표현들일 수 있다. 단계들(S310 내지 S320)의 실행을 위해, 프로세서(120) 및 프로세서(120)의 구성요소들은 직접 제어 명령에 따른 연산을 처리하거나 또는 컴퓨터 시스템(100)을 제어할 수 있다.
먼저, 강화학습 기반 자율주행 문제를 공식화하면 다음과 같다.
본 실시예에서는 경로추적(path-following) 자율주행 태스크를 고려한 것으로, 에이전트(즉, 로봇)는 목적지까지의 경로를 이동하고, 이때 경로는 일련의 경유지로 표현될 수 있다. 에이전트가 마지막 경유지(목적지)에 도달하면 새로운 목표와 경유지가 주어지고, 태스크를 마르코프 의사결정 프로세스(Markov decision process)(S, A, Ω, r, p trans, p obs)로 모델링한다. S는 상태(states), A는 액션(actions), Ω는 관측(observations), r은 보상 함수(reward function), p trans은 조건부 상태-전환(conditional state-transition), p obs은 관측 확률(observation probabilities)을 의미한다.
자율주행 로봇으로 차등 이륜 모바일 플랫폼 모델을 사용하고 할인 계수가
Figure PCTKR2020011304-appb-img-000001
인 범용 설정을 적용한다.
(1) 자율주행 파라미터(navigation parameters)
많은 파라미터가 강화학습 기반 자율주행 에이전트의 동작에 영향을 미친다. 예를 들어, 7가지 파라미터로 구성된 자율주행 파라미터
Figure PCTKR2020011304-appb-img-000002
를 고려한다.
Figure PCTKR2020011304-appb-img-000003
여기서,
Figure PCTKR2020011304-appb-img-000004
은 충돌 또는 비상 정지 시 보상,
Figure PCTKR2020011304-appb-img-000005
는 다른 에이전트와 충돌할 수 있는 최소 예상 시간,
Figure PCTKR2020011304-appb-img-000006
은
Figure PCTKR2020011304-appb-img-000007
을 위반한 것에 대한 보상,
Figure PCTKR2020011304-appb-img-000008
는 최대 선형 속도(maximum linear speed),
Figure PCTKR2020011304-appb-img-000009
는 선형 가속도(linear acceleration),
Figure PCTKR2020011304-appb-img-000010
는 각 속도(angular speed),
Figure PCTKR2020011304-appb-img-000011
는 각 가속도(angular acceleration)를 의미한다.
본 발명의 목표는 다양한 파라미터
Figure PCTKR2020011304-appb-img-000012
에 적응할 수 있고 주어진 사용 사례에 적합한 파라미터
Figure PCTKR2020011304-appb-img-000013
를 효율적으로 찾는 에이전트를 훈련시키는 것이다.
(2) 관측(observations)
에이전트의 관측 형식은 수학식 2와 같다.
Figure PCTKR2020011304-appb-img-000014
여기서,
Figure PCTKR2020011304-appb-img-000015
는 라이더(lidar)와 같은 거리 센서의 스캔 데이터로 구성된다. -180°에서 180°까지의 데이터를 20° 간격으로 임시 저장하여 각 빈(bin)에서 최소값을 취한다. 에이전트가 지각할 수 있는 최대 거리는 3m이다.
Figure PCTKR2020011304-appb-img-000016
는 현재 선형 및 각 속도로 구성되며, 이전 단계에서 위치와 관련된 로봇 위치의 변화로서 수학식 3과 같이 같다.
Figure PCTKR2020011304-appb-img-000017
이때,
Figure PCTKR2020011304-appb-img-000018
는 로봇의 x, y 위치 변화량과 방향(heading) 변화량을 의미하고,
Figure PCTKR2020011304-appb-img-000019
는 한 단계(timestep)의 지속 시간을 의미한다.
마지막으로,
Figure PCTKR2020011304-appb-img-000020
은
Figure PCTKR2020011304-appb-img-000021
와 같고, 여기서
Figure PCTKR2020011304-appb-img-000022
는 로봇의 좌표계에서 다음 경유지에 대한 상대적 각도를 의미한다.
(3) 액션(actions)
에이전트의 액션은
Figure PCTKR2020011304-appb-img-000023
에서의 벡터로서 간격
Figure PCTKR2020011304-appb-img-000024
로 정규화된 로봇의 원하는 선형 속력을 나타내고, 각속도는
Figure PCTKR2020011304-appb-img-000025
로 정규화된다. 로봇이 액션을 실행하면
Figure PCTKR2020011304-appb-img-000026
의 각 가속도가 적용되며, 속도를 증가시킬 때는 선형 가속도가
Figure PCTKR2020011304-appb-img-000027
이고 감소할 때는
Figure PCTKR2020011304-appb-img-000028
이다.
(4) 보상 함수(reward function)
보상 함수
Figure PCTKR2020011304-appb-img-000029
는 수학식 4와 같이 5가지 구성요소의 합을 의미한다.
Figure PCTKR2020011304-appb-img-000030
보상
Figure PCTKR2020011304-appb-img-000031
은 에이전트가 최소 시간 내에 경유지에 도달하도록 권장하기 위해 모든 단계에서 주어진다.
Figure PCTKR2020011304-appb-img-000032
와 같이 설정되고, 이때
Figure PCTKR2020011304-appb-img-000033
이고,
Figure PCTKR2020011304-appb-img-000034
는 단계 t에서 경유지까지의 유클리드 거리(Euclidean distance),
Figure PCTKR2020011304-appb-img-000035
는 단계의 지속 시간이다. 충돌 회피에 필요한 최단 경로에서 작은 편차에 대한 패널티를 줄이기 위해 제곱근을 사용한다. 에이전트와 현재 경유지 사이의 거리가 1m 미만일 경우
Figure PCTKR2020011304-appb-img-000036
의 보상이 있고 경유지가 업데이트 된다.
로봇이 시뮬레이션과 실제 환경에서 최소 안전 거리를 유지하도록 하기 위해 장애물이나 다른 물체와 충돌할 것으로 추정되는 시간이 1초 미만인 경우, 또는 충돌이 발생한 경우,
Figure PCTKR2020011304-appb-img-000037
의 보상이 주어지는 경우 선형 속도를 0m/s로 설정하여 로봇을 정지시킨다. 예상 충돌 시간은 현재 동작에서 주어진 목표 속도로 계산되며,
Figure PCTKR2020011304-appb-img-000038
으로 대표되는 장애 지점을 활용하여 0.5m 변의 정사각형으로 로봇을 모델링한다.
다른 에이전트에 대한 예상 충돌 시간이
Figure PCTKR2020011304-appb-img-000039
초보다 작을 때 보상
Figure PCTKR2020011304-appb-img-000040
이 주어진다. 예상 충돌 시간은 스캔 데이터 대신 3m 범위 내의 다른 에이전트의 위치를 사용하는 것을 제외하고
Figure PCTKR2020011304-appb-img-000041
에 대해 계산된다. 관측에 다른 에이전트의 위치를 포함시키지 않기 때문에 로봇은 스캔 데이터의 순서를 활용하여 다른 에이전트의 정적 장애물을 구별한다.
도 3을 참조하면, 본 발명에 따른 자율주행 학습 방법의 일례는 다음의 두 단계를 포함한다.
단계(S310)에서 학습부(201)는 재훈련 없이 광범위한 자율주행 파라미터에 적응할 수 있는 자율주행 정책을 학습하기 위해 시뮬레이션 환경에서 여러 대의 로봇에 자율주행 파라미터를 랜덤하게 부여하여 동시에 학습을 진행한다.
학습부(201)는 자율주행 학습을 위한 신경망의 입력으로 센서 데이터와 자율주행 파라미터를 사용할 수 있다. 센서 데이터는 로봇으로부터 실시간으로 획득하는 센서 값으로, 예를 들어 ToF(time of flight) 센서 값, 현재 속도, 오도메트리, 주행 방향, 장애물 위치 등을 포함할 수 있다. 자율주행 파라미터는 랜덤하게 부여되는 설정 값으로, 시스템에 의해 자동 설정되거나 관리자에 의해 직접 설정될 수 있다. 예를 들어 자율주행 파라미터는 충돌 시 보상, 충돌 회피에 필요한 안전 거리와 안전 거리에서의 보상, 최대 속도(직선 속도, 회전 속도), 최대 가속도(직선 가속도, 회전 가속도) 등을 포함할 수 있다. 파라미터 범위가 1~10이라고 가정할 때 파라미터 값이 1인 로봇부터 파라미터 값이 10인 로봇까지 총 10대의 로봇을 이용하여 시뮬레이션을 진행할 수 있다. 이때, 자율주행 파라미터는 이하에서 설명하게 될 선호도에 기초하여 지정될 수 있다.
학습부(201)는 시뮬레이션 상에서 각각의 로봇에 랜덤 샘플링된 파라미터를 부여하는 방식으로 여러 대의 로봇을 동시에 학습시킴으로써 재학습 없이 다양한 파라미터에 맞춰 자율주행이 가능하고 기존 학습에 사용되지 않았던 새로운 파라미터까지 일반화(generalization)가 가능하다.
일례로, 도 4의 알고리즘에 요약한 바와 같이 분산 다중 에이전트 훈련(decentralized multi-agent training) 방식을 적용할 수 있다. 각 에피소드마다 여러 에이전트를 공유 환경에 배치한다. 정책을 다양한 자율주행 파라미터에 맞게 조정하기 위해 각 에피소드가 시작될 때의 분포로부터 각 에이전트의 자율주행 파라미터를 랜덤하게 샘플링한다. 강화학습 알고리즘의 경우 파라미터 샘플링이 효율적이고 안정적이며, 보다 나은 성과의 정책을 생산한다.
도 5와 도 6은 본 발명의 일실시예에 있어서 자율주행 학습을 위한 신경망 구조의 일례를 도시한 것이다.
본 발명에 따른 자율주행 학습을 위한 신경망 아키텍처는 적응형 정책 학습 구조(도5)와 유틸리티 함수(utility function) 학습(도 6) 구조를 사용한다. FC는 완전 연결 계층(fully-connected layer)을 나타내고, BayesianFC는 베이지안 완전 연결 계층(Bayesian fully-connected layer)을 나타내고, 병합된 분기는 연결(concatenation)을 나타낸다. 유틸리티 함수
Figure PCTKR2020011304-appb-img-000042
과
Figure PCTKR2020011304-appb-img-000043
는 공유 가중치를 이용하여 계산된다.
도 5에 도시한 바와 같이, 네트워크에 대한 추가 입력으로서 에이전트의 자율주행 파라미터를 제공한다. 에이전트와 에이전트 환경의 시간 역학을 모델링하기 위해 LSTM(Long Short-Term Memory models)에 비해 적은 연산을 요구하는 동시에 경쟁적 성능을 제공하는 GRU(gated recurrent units)를 사용한다.
본 실시예들은 시뮬레이션 안에서 다양한 설정의 로봇을 동시에 학습시킴으로써 여러 입력에서의 강화학습을 동시에 진행할 수 있어 다양하고 예측 불가능한 실세계에서의 학습 효과를 얻을 수 있다. 자율주행 학습을 위한 설정으로 여러 개의 랜덤 샘플링된 파라미터를 이용하더라도 학습에 필요한 총 데이터 양은 하나의 고정 파라미터를 이용하는 경우와 동일하거나 유사한 수준이기 때문에 적은 데이터로 적응형 알고리즘을 만들 수 있다.
다시 도 3에서, 단계(S320)에서 최적화부(202)는 시뮬레이션 로봇의 주행 영상에 대한 선호 데이터를 이용하여 자율주행 파라미터를 최적화할 수 있다. 최적화부(202)는 사람이 로봇의 주행 영상을 보고 피드백을 주면 피드백 값을 반영하여 사람들이 선호하는 방식으로 자율주행 파라미터를 학습함으로써 사용자 선호에 대한 자율주행 파라미터를 최적화할 수 있다.
최적화부(202)는 자율주행 파라미터가 서로 다르게 설정된 로봇의 주행 영상에 대해 사람의 피드백을 받아서 반영하는 신경망을 활용할 수 있다. 도 6을 참조하면, 신경망의 입력은 자율주행 파라미터
Figure PCTKR2020011304-appb-img-000044
가 되고, 출력은 소프트맥스(softmax) 계산에 따른 스코어로서 유틸리티 함수
Figure PCTKR2020011304-appb-img-000045
가 된다. 즉, 사용자 피드백에 따라 소프트맥스를 1 또는 0으로 학습하고 스코어가 가장 높게 나오는 파라미터를 찾는 것이다.
광범위한 자율주행 파라미터에 적응할 수 있는 에이전트가 있더라도 주어진 사용 사례에 대해 최적인 자율주행 파라미터를 찾는 문제는 여전히 남아 있다. 따라서, 선호 데이터를 사용하여 자율주행 파라미터를 최적화하는 새로운 베이지안 접근방법을 제안한다. 본 실시예에서는 쉽게 도출 가능한 쌍별 비교(pairwise comparisons)를 통해 선호도를 평가할 수 있다.
일례로, 브래들리 테리 모델(Bradley-Terry model)을 모델 선호도에 사용할 수 있다. 자율주행 파라미터
Figure PCTKR2020011304-appb-img-000046
가
Figure PCTKR2020011304-appb-img-000047
보다 선호될 확률은 수학식 5와 같다.
Figure PCTKR2020011304-appb-img-000048
여기서,
Figure PCTKR2020011304-appb-img-000049
와
Figure PCTKR2020011304-appb-img-000050
는
Figure PCTKR2020011304-appb-img-000051
과
Figure PCTKR2020011304-appb-img-000052
를 사용하여 수집한 로봇 궤적이고,
Figure PCTKR2020011304-appb-img-000053
는
Figure PCTKR2020011304-appb-img-000054
이
Figure PCTKR2020011304-appb-img-000055
보다 선호되는 것을 나타내고,
Figure PCTKR2020011304-appb-img-000056
은 유틸리티 함수이다. 정확한 선호도 평가를 위해서는 동일한 환경 및 경유지를 이용하여 궤적
Figure PCTKR2020011304-appb-img-000057
와
Figure PCTKR2020011304-appb-img-000058
를 수집한다. 선호 데이터에 유틸리티 함수
Figure PCTKR2020011304-appb-img-000059
를 맞추고 이를 사용하여 새 자율주행 파라미터에 대한 환경 설정을 예측한다.
선호도 모델의 능동적 학습을 위해 파라미터
Figure PCTKR2020011304-appb-img-000060
이 있는 베이지안 신경망에서 유틸리티 함수
Figure PCTKR2020011304-appb-img-000061
을 학습한다. 특히, 능동적으로 쿼리를 생성하기 위해 예측 불확실성에 대한 추정치를 사용함으로써 쿼리의 수를 최소화할 수 있다.
도 7의 알고리즘에 나타낸 바와 같이 선호도 모델의 부정적인 로그 가능성(negative log-likelihood)(수학식 6)을 최소화하는 방향으로 신경망(도 6)를 훈련시킨다.
Figure PCTKR2020011304-appb-img-000062
각 반복에서 이전 단계에서 파라미터
Figure PCTKR2020011304-appb-img-000063
를 시작으로
Figure PCTKR2020011304-appb-img-000064
단계씩 네트워크를 훈련시킨다. 일례로, 수학식 7과 같이 설정하여 새로운 쿼리를 적극적으로 샘플링하기 위해 변경된 UCB(upper-confidence bounds)를 사용할 수 있다.
Figure PCTKR2020011304-appb-img-000065
여기서,
Figure PCTKR2020011304-appb-img-000066
와
Figure PCTKR2020011304-appb-img-000067
는 네트워크의
Figure PCTKR2020011304-appb-img-000068
포워드 패스(forward pass)로 계산된
Figure PCTKR2020011304-appb-img-000069
의 평균과 표준 편차를 의미한다. 시뮬레이션 환경에서 일반적으로
Figure PCTKR2020011304-appb-img-000070
앞에 나타나는
Figure PCTKR2020011304-appb-img-000071
계수는 생략한다.
Figure PCTKR2020011304-appb-img-000072
균일하게 샘플링된 자율주행 파라미터 중
Figure PCTKR2020011304-appb-img-000073
가 가장 높은
Figure PCTKR2020011304-appb-img-000074
자율주행 파라미터를 사용하여 로봇의 궤적을 생성한다. 그런 다음,
Figure PCTKR2020011304-appb-img-000075
의 새로운 선호도 쿼리를 능동적으로 생성한다. 이를 위해, 모든 자율주행 파라미터의 집합인 모든
Figure PCTKR2020011304-appb-img-000076
에 대해
Figure PCTKR2020011304-appb-img-000077
과
Figure PCTKR2020011304-appb-img-000078
을 계산한다.
Figure PCTKR2020011304-appb-img-000079
을
Figure PCTKR2020011304-appb-img-000080
에서 가장 높은 N top의
Figure PCTKR2020011304-appb-img-000081
로 하고,
Figure PCTKR2020011304-appb-img-000082
를
Figure PCTKR2020011304-appb-img-000083
에서 가장 높은 N top의
Figure PCTKR2020011304-appb-img-000084
로 하여 샘플 집합이라 하자. 각각의 선호도 쿼리는
Figure PCTKR2020011304-appb-img-000085
과
Figure PCTKR2020011304-appb-img-000086
에서
Figure PCTKR2020011304-appb-img-000087
과
Figure PCTKR2020011304-appb-img-000088
가 균일하게 샘플링되는 자율주행 파라미터 쌍
Figure PCTKR2020011304-appb-img-000089
으로 구성된다.
다시 말해, 최적화부(202)는 각기 다른 파라미터로 주행한 로봇의 영상 클립 두 개를 사용자들에게 보여주고 어떤 영상이 더 사용 사례에 적절한지에 대한 선호도를 조사한 뒤 선호도를 모델링 하여 모델의 불확실성을 기반으로 새로운 클립들을 생성함에 따라 적은 수의 선호 데이터로 만족도가 높은 파라미터를 찾아낼 수 있다. 신경망의 연결 강도를 매번 계산할 때마다 일정 분포에서 샘플링하고, 특히 베이지안 신경망을 활용하여 능동적으로 쿼리를 생성하는 과정에서 예측 결과의 불확실성이 높은 입력으로 학습을 유도하여 전체 학습에 필요한 쿼리 수를 효과적으로 줄일 수 있다.
이처럼 본 발명의 실시예들에 따르면, 여러 가지 환경에서의 강화학습을 동시에 진행하여 다양하고 예측 불가능한 실세계에서의 학습 효과를 달성할 수 있으며 데이터 증가 없이 적응형 자율주행 알고리즘을 구현할 수 있다. 더욱이, 본 발명의 실시예들에 따르면, 로봇의 주행 영상에 대해 사용 사례로서 적절한지를 나타내는 선호도를 모델링한 후 모델의 불확실성을 기반으로 적은 수의 선호 데이터를 이용하여 자율주행 파라미터를 최적화할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 이때, 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수 개의 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 어플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (20)

  1. 컴퓨터 시스템에서 실행되는 자율주행 학습 방법에 있어서,
    상기 컴퓨터 시스템은 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 자율주행 학습 방법은,
    상기 적어도 하나의 프로세서에 의해, 시뮬레이션 상의 복수 개의 로봇 에이전트에 시스템에 의한 자동 설정 또는 관리자에 의한 직접 설정을 통해 서로 다른 자율주행 파라미터를 부여하여 로봇 자율주행을 학습하는 단계
    를 포함하는 자율주행 학습 방법.
  2. 제1항에 있어서,
    상기 학습하는 단계는,
    상기 복수 개의 로봇 에이전트를 대상으로 랜덤 샘플링된 자율주행 파라미터를 입력으로 하는 강화학습(reinforcement learning)을 동시에 수행하는 것
    을 특징으로 하는 자율주행 학습 방법.
  3. 제1항에 있어서,
    상기 학습하는 단계는,
    완전 연결 계층(fully-connected layer)과 GRU(gated recurrent units)로 구성된 신경망을 이용하여 상기 복수 개의 로봇 에이전트의 자율주행을 동시에 학습하는 것
    을 특징으로 하는 자율주행 학습 방법.
  4. 제1항에 있어서,
    상기 학습하는 단계는,
    상기 로봇 자율주행의 학습을 위한 신경망의 입력으로 로봇으로부터 실시간으로 획득하는 센서 값과 자율주행 정책과 관련하여 랜덤하게 부여되는 자율주행 파라미터를 사용하는 단계
    를 포함하는 자율주행 학습 방법.
  5. 제1항에 있어서,
    상기 자율주행 학습 방법은,
    상기 적어도 하나의 프로세서에 의해, 상기 자율주행 파라미터에 대한 선호 데이터(preference data)를 이용하여 상기 자율주행 파라미터를 최적화하는 단계
    를 더 포함하는 자율주행 학습 방법.
  6. 제5항에 있어서,
    상기 최적화하는 단계는,
    상기 자율주행 파라미터가 서로 다르게 설정된 로봇의 주행 영상에 대한 피드백을 반영하여 상기 자율주행 파라미터를 최적화하는 것
    을 특징으로 하는 자율주행 학습 방법.
  7. 제5항에 있어서,
    상기 최적화하는 단계는,
    상기 자율주행 파라미터의 쌍별 비교(pairwise comparisons)를 통해 상기 자율주행 파라미터에 대한 선호도를 평가하는 단계
    를 포함하는 자율주행 학습 방법.
  8. 제5항에 있어서,
    상기 최적화하는 단계는,
    베이지안 신경망(Bayesian neural network) 모델을 사용하여 상기 자율주행 파라미터에 대한 선호도를 모델링하는 단계
    를 포함하는 자율주행 학습 방법.
  9. 제8항에 있어서,
    상기 최적화하는 단계는,
    선호도 모델의 불확실성(uncertainty)을 기반으로 상기 자율주행 파라미터의 쌍별 비교를 위한 쿼리(query)를 생성하는 단계
    를 포함하는 자율주행 학습 방법.
  10. 제1항 내지 제9항 중 어느 한 항의 자율주행 학습 방법을 상기 컴퓨터 시스템에 실행시키기 위해 비-일시적인 컴퓨터 판독가능한 기록 매체에 저장되는 컴퓨터 프로그램.
  11. 제1항 내지 제9항 중 어느 한 항의 자율주행 학습 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 비-일시적인 컴퓨터 판독 가능한 기록 매체.
  12. 컴퓨터 시스템에 있어서,
    메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서는,
    시뮬레이션 상의 복수 개의 로봇 에이전트에 시스템에 의한 자동 설정 또는 관리자에 의한 직접 설정을 통해 서로 다른 자율주행 파라미터를 부여하여 로봇 자율주행을 학습하는 학습부
    를 포함하는 컴퓨터 시스템.
  13. 제12항에 있어서,
    상기 학습부는,
    상기 복수 개의 로봇 에이전트를 대상으로 랜덤 샘플링된 자율주행 파라미터를 입력으로 하는 강화학습을 동시에 수행하는 것
    을 특징으로 하는 컴퓨터 시스템.
  14. 제12항에 있어서,
    상기 학습부는,
    완전 연결 계층과 GRU로 구성된 신경망을 이용하여 상기 복수 개의 로봇 에이전트의 자율주행을 동시에 학습하는 것
    을 특징으로 하는 컴퓨터 시스템.
  15. 제12항에 있어서,
    상기 학습부는,
    상기 로봇 자율주행의 학습을 위한 신경망의 입력으로 로봇으로부터 실시간으로 획득하는 센서 값과 자율주행 정책과 관련하여 랜덤하게 부여되는 자율주행 파라미터를 사용하는 것
    을 특징으로 하는 컴퓨터 시스템.
  16. 제12항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 자율주행 파라미터에 대한 선호 데이터를 이용하여 상기 자율주행 파라미터를 최적화하는 최적화부
    를 더 포함하는 컴퓨터 시스템.
  17. 제16항에 있어서,
    상기 최적화부는,
    상기 자율주행 파라미터가 서로 다르게 설정된 로봇의 주행 영상에 대한 피드백을 반영하여 상기 자율주행 파라미터를 최적화하는 것
    을 특징으로 하는 컴퓨터 시스템.
  18. 제16항에 있어서,
    상기 최적화부는,
    상기 자율주행 파라미터의 쌍별 비교를 통해 상기 자율주행 파라미터에 대한 선호도를 평가하는 것
    을 특징으로 하는 컴퓨터 시스템.
  19. 제16항에 있어서,
    상기 최적화부는,
    베이지안 신경망 모델을 사용하여 상기 자율주행 파라미터에 대한 선호도를 모델링하는 것
    을 특징으로 하는 컴퓨터 시스템.
  20. 제19항에 있어서,
    상기 최적화부는,
    선호도 모델의 불확실성을 기반으로 상기 자율주행 파라미터의 쌍별 비교를 위한 쿼리를 생성하는 것
    을 특징으로 하는 컴퓨터 시스템.
PCT/KR2020/011304 2019-10-24 2020-08-25 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템 Ceased WO2021080151A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP20878770.5A EP4019202A4 (en) 2019-10-24 2020-08-25 METHOD AND SYSTEM FOR OPTIMIZING AUTONOMOUS DRIVING BASED ON REINFORCEMENT LEARNING AS A FUNCTION OF USER PREFERENCES
JP2022519438A JP7459238B2 (ja) 2019-10-24 2020-08-25 ユーザ選好による強化学習基盤の自律走行最適化方法およびシステム
US17/657,878 US20220229435A1 (en) 2019-10-24 2022-04-04 Method and system for optimizing reinforcement-learning-based autonomous driving according to user preferences

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20190132808 2019-10-24
KR10-2019-0132808 2019-10-24
KR1020200009729A KR102303126B1 (ko) 2019-10-24 2020-01-28 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
KR10-2020-0009729 2020-01-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/657,878 Continuation US20220229435A1 (en) 2019-10-24 2022-04-04 Method and system for optimizing reinforcement-learning-based autonomous driving according to user preferences

Publications (1)

Publication Number Publication Date
WO2021080151A1 true WO2021080151A1 (ko) 2021-04-29

Family

ID=75619837

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/011304 Ceased WO2021080151A1 (ko) 2019-10-24 2020-08-25 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템

Country Status (4)

Country Link
US (1) US20220229435A1 (ko)
EP (1) EP4019202A4 (ko)
JP (1) JP7459238B2 (ko)
WO (1) WO2021080151A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230113168A1 (en) * 2021-10-12 2023-04-13 International Business Machines Corporation Decentralized policy gradient descent and ascent for safe multi-agent reinforcement learning

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101771643B1 (ko) 2015-07-15 2017-08-25 주식회사 마로로봇 테크 자율주행로봇 및 이의 네비게이션 방법
KR20180070103A (ko) * 2016-12-16 2018-06-26 삼성전자주식회사 인식 방법 및 인식 장치
KR20190041831A (ko) * 2017-10-13 2019-04-23 네이버랩스 주식회사 게임 환경 추상화를 통한 강화 학습 기반의 모바일 로봇 제어
US20190232489A1 (en) * 2016-10-10 2019-08-01 Deepmind Technologies Limited Neural networks for selecting actions to be performed by a robotic agent
US20190286979A1 (en) * 2018-03-14 2019-09-19 Electronic Arts Inc. Reinforcement Learning for Concurrent Actions
KR20190119225A (ko) * 2018-04-03 2019-10-22 엘지전자 주식회사 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004033159A1 (ja) * 2002-10-11 2004-04-22 Fujitsu Limited ロボット制御アルゴリズム構築装置、ロボット制御アルゴリズム構築プログラム、ロボット制御装置、ロボット制御プログラム、およびロボット
GB2406667A (en) * 2003-10-03 2005-04-06 Hewlett Packard Development Co A trading system utilising multiple trading agents
JP4670007B2 (ja) * 2005-08-01 2011-04-13 株式会社国際電気通信基礎技術研究所 センサ設計装置、センサ設計方法、センサ設計プログラム及びロボット
US10131053B1 (en) * 2016-09-14 2018-11-20 X Development Llc Real time robot collision avoidance
CN109906132B (zh) * 2016-09-15 2022-08-09 谷歌有限责任公司 机器人操纵的深度强化学习
CN110622174A (zh) * 2017-05-19 2019-12-27 渊慧科技有限公司 基于想象的智能体神经网络
DE102018205561A1 (de) * 2017-08-18 2019-02-21 Robert Bosch Gmbh Vorrichtung zur Klassifizierung von Signalen
JP6985121B2 (ja) * 2017-12-06 2021-12-22 国立大学法人 東京大学 物体間関係認識装置、学習済みモデル、認識方法及びプログラム
US10926408B1 (en) * 2018-01-12 2021-02-23 Amazon Technologies, Inc. Artificial intelligence system for efficiently learning robotic control policies
WO2019160556A1 (en) * 2018-02-16 2019-08-22 Hewlett-Packard Development Company, L.P. Encoded features and rate-based augmentation based speech authentication
US11373115B2 (en) * 2018-04-09 2022-06-28 Here Global B.V. Asynchronous parameter aggregation for machine learning
US11403521B2 (en) * 2018-06-22 2022-08-02 Insilico Medicine Ip Limited Mutual information adversarial autoencoder
TWI709188B (zh) * 2018-09-27 2020-11-01 財團法人工業技術研究院 基於機率融合的分類器、分類方法及分類系統
KR102675698B1 (ko) * 2018-12-18 2024-06-20 삼성전자주식회사 자율 주행 방법 및 장치
KR102287460B1 (ko) * 2019-08-16 2021-08-10 엘지전자 주식회사 인공지능 무빙 에이전트

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101771643B1 (ko) 2015-07-15 2017-08-25 주식회사 마로로봇 테크 자율주행로봇 및 이의 네비게이션 방법
US20190232489A1 (en) * 2016-10-10 2019-08-01 Deepmind Technologies Limited Neural networks for selecting actions to be performed by a robotic agent
KR20180070103A (ko) * 2016-12-16 2018-06-26 삼성전자주식회사 인식 방법 및 인식 장치
KR20190041831A (ko) * 2017-10-13 2019-04-23 네이버랩스 주식회사 게임 환경 추상화를 통한 강화 학습 기반의 모바일 로봇 제어
US20190286979A1 (en) * 2018-03-14 2019-09-19 Electronic Arts Inc. Reinforcement Learning for Concurrent Actions
KR20190119225A (ko) * 2018-04-03 2019-10-22 엘지전자 주식회사 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4019202A4

Also Published As

Publication number Publication date
EP4019202A4 (en) 2023-08-09
EP4019202A1 (en) 2022-06-29
JP2022550122A (ja) 2022-11-30
JP7459238B2 (ja) 2024-04-01
US20220229435A1 (en) 2022-07-21

Similar Documents

Publication Publication Date Title
KR102303126B1 (ko) 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
Sun et al. Reinforcement learning with task decomposition for cooperative multiagent systems
CN111656296B (zh) 用于机器人自主运动规划和导航的系统和方法
US11179843B2 (en) Method for operating a robot in a multi-agent system, robot, and multi-agent system
Mohanty et al. A new hybrid optimization algorithm for multiple mobile robots navigation based on the CS-ANFIS approach
CN112148008B (zh) 一种基于深度强化学习的实时无人机路径预测方法
Kim et al. The autonomous tour-guide robot jinny
CN117930863A (zh) 一种基于数字孪生和深度强化学习的集群协同目标搜索方法
Hamami et al. A systematic review on particle swarm optimization towards target search in the swarm robotics domain
CN110587606A (zh) 一种面向开放场景的多机器人自主协同搜救方法
CN113671942A (zh) 用于控制机器人的设备和方法
CN120467325B (zh) 一种未知动态环境中人机混合自主导航系统
CN112669345A (zh) 一种面向云端部署的多目标轨迹跟踪方法及系统
WO2023054929A1 (ko) 센서 구성과 로봇 형태에 적응 가능한 강화학습 기반 자율주행 방법, 컴퓨터 시스템, 및 컴퓨터 프로그램
CN115877869A (zh) 一种无人机路径规划方法及系统
Dang et al. Dynamic game-theoretical decision-making framework for vehicle-pedestrian interaction with human bounded rationality
Duan et al. Training of construction robots using imitation learning and environmental rewards
CN119204628A (zh) 多无人机调度方法、系统、设备及存储介质
WO2021080151A1 (ko) 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
CN118502457A (zh) 轨迹规划方法、装置和自主系统
Shi et al. Towards Fault Tolerance in Multi-Agent Reinforcement Learning
Muztoba et al. Instinctive assistive indoor navigation using distributed intelligence
Chen et al. Vision-based formation control of multiple UAVs with event-triggered integral sliding mode control
US20200334530A1 (en) Differentiable neuromodulated plasticity for reinforcement learning and supervised learning tasks
CN115047876A (zh) 可移动设备避障方法、装置、设备和存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20878770

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022519438

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2020878770

Country of ref document: EP

Effective date: 20220322

NENP Non-entry into the national phase

Ref country code: DE