Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Towards Safe Maneuvering of Double-Ackermann-Steering Robots with a Soft Actor-Critic Framework

Created by
  • Haebom

저자

Kohio Deflesselle, Melodie Daniel, Aly Magassouba, Miguel Aranda, Olivier Ly

개요

본 논문은 Soft Actor-Critic (SAC) 기반의 심층 강화 학습 프레임워크를 제시하여, Double-Ackermann-steering mobile robots (DASMRs)의 안전하고 정확한 기동을 가능하게 한다. 홀로노믹 로봇이나 차동 구동 로봇과 달리 DASMR은 복잡한 운동학적 제약으로 인해 고전적인 플래너가 혼잡한 환경에서 취약하다. 본 프레임워크는 Hindsight Experience Replay (HER)와 CrossQ overlay를 활용하여 장애물을 회피하면서 기동 효율성을 높인다. 네 바퀴 조향 로봇을 사용한 시뮬레이션 결과, 학습된 정책이 장애물을 회피하면서 목표 위치의 최대 97%에 도달하는 것으로 나타났다. 본 프레임워크는 사전에 정의된 궤적이나 전문가의 시연에 의존하지 않는다.

시사점, 한계점

•
시사점:
◦
DASMR의 안전하고 정확한 기동을 위한 심층 강화 학습 기반 프레임워크 제시.
◦
HER 및 CrossQ overlay를 활용하여 기동 효율성 향상.
◦
사전 정의된 궤적이나 전문가 시연 없이 학습 가능.
◦
시뮬레이션 결과, 목표 위치 도달 성공률 97% 달성.
•
한계점:
◦
실제 환경에서의 성능 검증 필요.
◦
계산 복잡성 및 훈련 시간 문제.
◦
특정 로봇 모델(4륜 조향 로버)에 대한 시뮬레이션 결과만 제시.
👍
Made with Slashpage