협력적 적응 크루즈 제어: 강화 학습 접근법

최근 센싱, 통신 및 컴퓨팅 기술의 발전으로 운전자 지원 시스템(DAS)이 개발되었습니다. 이러한 시스템은 충돌을 줄이기 위한 경고를 제공하거나 운전자가 반복적이고 지루한 작업에서 벗어날 수 있도록 일부 제어 작업을 수행하여 운전자를 돕는 것을 목표로 합니다. 예를 들어, 적응형 크루즈 제어(ACC)는 운전자가 수동으로 속도를 조절하여 일정 속도 또는 전방 차량과의 안전 거리를 유지하는 부담을 덜어주는 역할을 합니다. 현재 ACC는 차량 간 통신을 통해 향상될 수 있으며, 차량의 현재 속도와 가속도가 차량 간 통신으로 후행 차량에 전달될 수 있습니다. 이 방식으로, ACC와 차량 간 통신이 결합된 시스템을 협력적 적응 크루즈 제어(CACC)라고 합니다. 본 논문은 현대 기계 학습 기법을 기반으로 자율주행 차량 제어기를 설계하기 위한 새로운 접근법을 제안하여 CACC를 연구합니다. 구체적으로, 강화 학습 접근법을 사용해 앞 차량을 안전하게 종방향으로 추종하는 제어기를 개발하는 방법을 보여줍니다. 이 접근법은 제어 정책 성능 최적화를 위해 함수 근사 기법과 경사 하강 학습 알고리즘을 직접 활용합니다. 시뮬레이션을 통한 실험 결과, 이 설계 접근법이 CACC에 대해 효율적인 행동을 유도할 수 있음을 보여줍니다.