Never too Prim to Swim: An LLM-Enhanced RL-based Adaptive S-Surface Controller for AUVs under Extreme Sea Conditions
Created by
Haebom
Category
Empty
저자
Guanwen Xie, Jingzehua Xu, Yimian Ding, Zhi Zhang, Shuai Zhang, Yi Li
개요
본 논문은 자율 수중 차량(AUV)의 적응성과 기동성 향상을 위해 대규모 언어 모델(LLM)을 강화 학습(RL) 기반 적응형 S-곡면 제어기에 통합하는 새로운 방법을 제시합니다. LLM은 RL 훈련 과정에서 제어기 매개변수와 보상 함수를 공동으로 최적화하는 데 사용되며, 다중 모드 및 구조화된 명시적 작업 피드백을 통해 여러 목표 간의 균형을 맞추고 작업 중심 성능 및 적응성을 향상시킵니다. 제안된 제어기는 상위 수준 작업에 RL 정책을 집중시켜 S-곡면 제어기가 비선형 효과와 예측할 수 없는 외부 방해를 상쇄하도록 고수준 명령을 생성합니다. 복잡한 지형, 파도 및 해류가 있는 극한 해양 환경에서 제안된 제어기는 수중 표적 추적 및 데이터 수집과 같은 고수준 작업에서 기존 PID 및 SMC 제어기보다 우수한 성능과 적응성을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 RL 기반 AUV 제어기의 성능과 적응성을 향상시킬 수 있음을 보여줌.
◦
다양한 목표를 동시에 고려하는 효율적인 제어 전략 제시.
◦
극한 해양 환경에서도 우수한 성능을 발휘하는 AUV 제어 시스템 구축 가능성 제시.
◦
고수준 작업에 집중하는 RL 정책과 저수준 제어를 담당하는 S-곡면 제어기의 효과적인 결합.
