Momentum-constrained Hybrid Heuristic Trajectory Optimization Framework with Residual-enhanced DRL for Visually Impaired Scenarios

Created by

Haebom

저자

Yuting Zeng, Zhiwen Zheng, You Zhou, JiaLing Xiao, Yongbin Yu, Manping Fan, Bo Gong, Liyong Ren

💡 개요

본 논문은 시각 장애인 보조 내비게이션을 위한 운동량 제약 하이브리드 휴리스틱 궤적 최적화 프레임워크(MHHTOF)를 제안합니다. 이 프레임워크는 5차 다항식을 활용한 궤적 샘플링 생성, 운동량 제약 최적화, 잔차 기반 강화 학습(DRL)을 결합하여 부드럽고 실행 가능한 궤적을 생성합니다. LSTM 기반 시간적 특징 모델링을 활용한 잔차 기반 Actor-Critic 네트워크는 궤적 선택을 개선하고, 이중 단계 비용 모델링 메커니즘은 단계별 의미론적 우선순위를 정렬하여 인간 중심 최적화를 지원합니다.

🔑 시사점 및 한계

•

제안된 MHHTOF는 기존 방식 대비 훈련 수렴 속도를 향상시키고, 보상 획득 및 훈련 안정성을 높였습니다.

•

MHHTOF는 평균 비용과 비용 분산을 감소시키고, 자율 에이전트와 장애물과의 충돌 위험을 크게 줄여 안전성을 향상시켰습니다.

•

본 연구는 시각 장애인 보조 내비게이션에 초점을 맞추어, 다른 유형의 보조 기술 분야로의 확장 가능성에 대한 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage