전자공학101 [H-모빌리티 클래스 자율주행 공통 내용 정리] 2. 자율주행 기술의 발전현황 1. 자율주행 기술의 역사 1) DARPA Grand Challenge / DARPA : 미국의 국방 연구 지원 조직 -> 로보틱스 및 자율주행 지원 - 첫 번째 대회 : 2004년 모하비 사막에서 개최한 150마일에 이르는 장거리 대회로 완주한 참가팀이 없었음 - 두 번째 대회 : 2005년 개최하여 스탠퍼드 대학팀이 우승, 2위는 카네기 멜넬론 대학 / 우승 팀들은 로보틱스 분야에서 사용하는 지도 기술을 적용(SLAM, 측위기술) 2) DARPA Urban Challenge - 2007년 캘리포니아 빅토빌에서 개최한 60마일에 이르는 도심 코스 대회 - Waypoint가 찍혀 있는 지도 제공, 교통 규칙 준수 의무, 다른 차들과의 상호작용 필요 3) 2009년 구글의 자율주행차 연구 착수 - DARP.. 2022. 2. 17. [H-모빌리티 클래스 자율주행 공통 내용 정리] 1. 자율주행 기술 5단계 개요 1. 자율주행 기술 단계 1) 0~2단계에서는 차량통제권이 운전자에게 있음 2) 3~5단계에서는 차량통제권이 자율주행차에 있음 2. 자율주행 단계 개요 0) 0단계 : 비자동화 - 위험을 경고하는 시스템을 이용하여 자동화 과정 없이 운전자가 직접 차량 제어 - ex) FCW(전방 충돌 경고), BCW(후측방 충돌 경고) : 경고/일시개입으로 자동화 없이 운전 보조 1) 1단계 : 운전자 지원 - 시스템이 운전자의 가감속 또는 조향 보조 - ex) 스마트 크루즈 컨트롤, 차로 유지 보조 기능 2) 2단계 : 부분 자동화 - 특정 주행 모드에서 시스템이 조향 및 가감속에 대한 자동화 수행 - 운전자의 모니터링 필요 - ex) 고속도로 주행 보조 3) 3단계 : 조건부 자동화 - 자율주행이 가능한 특정환경에서.. 2022. 2. 17. [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. 이전 1 2 3 4 5 6 ··· 26 다음