전체 글165 [H-모빌리티 클래스 자율주행 판단 기초 내용 정리] 25. Reinforcement Learning 기반 경로생성 알고리즘 기초 1. 머신러닝의 개념 1) 머신러닝은 지도학습, 비지도학습, 강화학습으로 분류 - 지도학습(supervised learning) : 레이블된 데이터로 학습 - 비지도학습(unsupervised learning) : 레이블 없이 학습/ 다차원 데이터를 많이 넣어서 데이터들끼리의 숨겨진 특징과 구조 발견 - 강화학습(reinforcement learning) : 보상을 많이 받는 쪽으로 점차적으로 시스템이 진화/ 의사결정을 위한 최적의 액션 선택 가능 2. 강화학습 정의 및 원리 1) 강화학습 동작 순서 1. 정의된 주체(agent)가 주어진 환경의 현재 상태를 관찰하여, 이를 기반으로 행동(action)을 취하게 됨 2. 환경의 상태가 변하면서 정의된 주체는 보상(reward)를 받게 됨 3. 보상을 기반.. 2022. 2. 16. [H-모빌리티 클래스 자율주행 판단 기초 내용 정리] 23. RRT 알고리즘 기초, 24. RRT 알고리즘 이해 23. RRT 알고리즘 기초 1. RRT 알고리즘의 개념 및 원리 1) 무작위 샘플링을 사용하여 고차원의 구성 공간을 탐색하는 경로계획 알고리즘 2) 시작지점에서 계속적으로 랜덤 포인트들을 뿌리면서 근접한 포인트들과 이어나가는 과정 -> 주행할 수 있는 경로들의 후보를 확장해 나가는 기술 -> 랜덤 특성을 지닌 경로 후보의 다발을 만들어주는 방식으로 Path Generation이 가능해짐 3) RRT 원리 1. X_init : 시작지점, X_rand : 경로 후보 확장을 위해 뿌리는 샘플링 포인트로 확장하는 점 2. X_rand를 뿌려서 확장하고 기존의 점과 가장 가까운 점을 연결하게 되는데, 여기서 기존 트리에서 가장 가까운 점이 X_near 3. X_near와 연결이 되면서 새로운 포인트는 X_new.. 2022. 2. 16. [H-모빌리티 클래스 자율주행 판단 기초 내용 정리] 21. A* 알고리즘 기초, 22. A* 알고리즘 이해 21강 A* 알고리즘 기초 1. A* 알고리즘 개념 1) Grid Map(격자지도)상에서 8방향의 방향성에 대해 장애물을 고려하여 Cost를 계산하고, 이 Cost 비용 최소화를 통해 최적의 길을 찾아내는 알고리즘, 주어진 목표 꼭짓점까지 가는 최단경로임을 판단할 수 있는 테스트를 통과하는 그래프/트리 탐색 알고리즘 2. A* 알고리즘 Grid 1) Grid의 크기를 어떻게 설정하는가 즉, 현실세계를 어떠한 크기의 격자로 작게 혹은 크게 쪼갤 것인가에 따라서 A* 알고리즘이 결과값으로 제시할 수 있는 경로의 섬세함과 계산량이 달라짐 - 주어진 환경 정보와 자차의 크기에 따라 Grid의 크기를 적합하게 설정하는 것이 중요 퀴즈) 1. A* 알고리즘에서 cost를 계산할 때 몇가지 방향? 답 1 1. 8 2.. 2022. 2. 16. [H-모빌리티 클래스 자율주행 판단 기초 내용 정리] 19. 자율주행 자동차의 경로생성 기술 개요, 20. 판단/경로생성에서의 주변환경 인식/자차 위치인식의 중요성 19. 자율주행 자동차의 경로생성 기술 개요 1. 전역 경로계획을 위한 경로생성 1) 출발지부터 목적지까지 전체적인 경로를 안내 2. 지역 경로계획을 위한 경로생성 1) 자차 주변의 근처 300m, 500m 또는 1km 이내의 지역적인 경로계획을 위한 경로 생성 2) 지역적으로 여러 경로후보들을 생성하여 그 중에 안전성과 효율성이 높은 최적의 경로를 선정하여 경로를 실시간으로 생성 및 선택 퀴즈) 1. 출발 지점에서 목표 지점까지 가는 동안 일어날 수 있는 모든 상황을 고려하여 주행을 진행해 나갈 수 있는 기술은 무엇인가? 답 3 1. 경로상황 2. 경로판단 3. 경로계획 4. 경로추종 2. 자차 주변의 300m, 500m 또는 1km 이내의 경로계획을 위해 경로를 생성하는 것은? 답 2 1. 전역 경로.. 2022. 2. 16. 이전 1 2 3 4 5 6 7 ··· 42 다음