일반기술

강화학습을 이용한 자율 이동로봇의 행동계획

-본 연구에서는 동적환경에서 자율 이동 로봇의 행동계획 알고리듬을 제안한다. 동적으로 변화하는 환경에서 로봇의 행동 결정문제는 환경을 모델링할 수 없기 때문에 기존의 모델에 의존한 방법으로는 환경변화에 대처능력이 없게 된다. 그래서 최근 온-라인 학습법에 의해 동적으로 변화하는 환경에 능동적으로 대처하는 방법이 많이 연구 되고 있다. 강화학습은 온-라인학습법으로서 Sutton's TD 방법에 의한 actor-critic architecture 와 Watkin's Q-learning 이 대표적인데, 동적으로 변화하는 환경하에서 컨트롤러 또는 에이젼트의 행동에 대한 보상을 최대화하는 상태-행동 규칙이나 행동 발생 전략를 찾는 것이다. 그러나 대부분의 경우 목표상태에 도달하기 전까지는 현재 행동에 대한 즉각적인 보상이 주어지지 않게 된다. 이러한 지연 보상에 대한 문제와 변화하는 환경에 효과적으로 대응할 수 있도록하기 위해 본 연구에서는 퍼지추론에 의한 동적귀환 뉴럴네트워크의 강화 학습으로 자율이동 로봇의 최적의 행동을 결정하고 경로를 찾는 알고리즘을 제안한다