Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.1024-1025
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on Enhancing the Collision Avoidance Performance of Reinforcement Learning Agents in Autonomous Ships

자율운항선박 강화학습 에이전트의 충돌회피 성능향상에 관한 연구

  • Kun-Hee Son (Dept. of Artificial Intelligence, Kongju National University) ;
  • Young-Hee Lee (Dept. of Software, Soongsil University) ;
  • Yeon-Su Cho (Dept. of Electronic Engineering (IT Convergence), Soongsil University) ;
  • Hee-June Kim (Dept. of Computer Convergence Software, Korea University) ;
  • Jeong-Hyeon Cheon (Dept. of Naval Architecture and Ocean Systems Engineering, KMOU) ;
  • Hyun-Joo An (Lee-Ahn Professional Engineer's Office)
  • 손건희 (국립공주대학교 인공지능학부) ;
  • 이연재 (숭실대학교 소프트웨어학부) ;
  • 조연수 (숭실대학교 전자정보공학부 IT융합학과) ;
  • 김희준 (고려대학교 컴퓨터 융합소프트웨어학과) ;
  • 정현천 (한국해양대학교 조선해양시스템공학과) ;
  • 안현주 (리안기술사사무소)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

강화학습은 다양한 환경에서 최적의 의사결정을 내릴 수 있도록 지원하는 인공지능기술로서, 이를 자율운항 선박에 적용하면 복잡한 해상 상황에서도 안전하게 항해할 수 있다. 본 논문에서는 다양한 강화학습 알고리즘에 대해 운항 성능을 비교 및 분석한 결과, DQN 알고리즘이 자율운항선박의 경로최적화와 충돌회피 성능 측면에서 가장 우수하였다.

Keywords

Acknowledgement

본 논문에 참여한 저자들은 모두 공동1저자이며, 논문작성에 기여한 정도가 같습니다. 본 논문은 해양수산부 실무형 해상물류 일자리지원사업(스마트해상물류 × ICT멘토링)을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.

References

  1. 김희수, 2019, 선박안전영역이 고려된 최적속도 벡터 선정을 통한 운항 선박의 지역경로계획에 관한 연구, 석사학위논문, 인하대학교
  2. Zhi-xiong Xu, Lei Cao, Xi-liang Chen, Chen-xi Li, Yong-liang Zhang, Jun Lai, "Deep Reinforcement Learning with Sarsa and Q-Learning: A Hybrid Approach", IEICE Transactions on Information and Systems, Vol. E101-D, No. 9, pp. 2316, September 2018.
  3. V. Mnih et al., "Playing Atari with Deep Reinforcement Learning," arXiv:1312.5602, December 2013.