딥 강화학습 기반 미지 환경 내비게이션 자동 탐사

본 논문은 로봇 시스템을 일부 사회적 과제에 적용하는 핵심인 미지 환경에서의 자동 탐사 문제를 연구한다. 의사결정 규칙을 쌓아 문제를 해결하는 방법은 다양한 환경과 센서 속성을 모두 포괄하기 어렵다. 학습 기반 제어 방법은 이러한 시나리오에 적응적이다. 그러나 이 방법들은 낮은 학습 효율성과 시뮬레이션에서 실제로의 어색한 이식성에 의해 손상된다. 본 논문에서는 탐사 과정을 결정, 계획, 매핑 모듈로 분해하여 로봇 시스템의 모듈화를 높이는 일반 탐사 프레임워크를 구성한다. 이 프레임워크에 기반해 부분 지도로부터 탐사 전략을 학습하는 딥 신경망을 사용하는 딥 강화학습 기반 결정 알고리즘을 제안한다. 결과는 제안된 알고리즘이 미지 환경에 대해 더 나은 학습 효율과 적응성을 가진다는 것을 보여준다. 또한 실제 로봇에서 실험을 수행한 결과, 학습된 정책이 시뮬레이션에서 실제 로봇으로 잘 이식될 수 있음을 시사한다.