RAPID: Robust and Agile Planner Using Inverse Reinforcement Learning for Vision-Based Drone Navigation
Created by
Haebom
저자
Minwoo Kim, Geunsik Bae, Jinwoo Lee, Woojae Shin, Changseung Kim, Myong-Yol Choi, Heejung Shin, Hyondong Oh
개요
본 논문은 혼잡한 환경에서 민첩한 드론 비행을 위한 학습 기반 시각적 플래너를 소개합니다. 별도의 인식, 매핑, 계획 모듈 없이도 복잡한 환경에서 민첩한 기동을 수행할 수 있도록 밀리초 단위로 충돌 없는 웨이포인트를 생성합니다. 행동 복제(BC) 및 강화 학습(RL)과 같은 학습 기반 방법의 한계를 해결하기 위해, 본 논문은 역 강화 학습(IRL) 기반 프레임워크를 제안합니다. IRL을 활용하여 시뮬레이션 환경과의 상호 작용 횟수를 줄이고, RL 정책의 견고성을 유지하면서 고차원 공간 처리 능력을 향상시킵니다.
시사점, 한계점
•
시사점:
◦
IRL 기반 프레임워크를 고속 드론 시각 항법에 성공적으로 적용한 최초의 연구입니다.
◦
시뮬레이션에서 훈련된 정책을 추가 훈련이나 조정 없이 실제 환경에 직접 적용할 수 있습니다.
◦
다양한 환경에서 평균 7 m/s, 최대 8.8 m/s의 속도로 비행하는 성능을 입증했습니다.
•
한계점:
◦
시뮬레이션 환경에서만 훈련되었습니다.
◦
전문가 데이터셋 수집을 위한 motion primitive 기반 경로 계획 알고리즘의 의존성이 있습니다.
