TORCS 환경에서 강화 학습을 활용한 자동차 제어에 관한 연구

Abstract

본 논문은 The Open Racing Car Simulation (TORCS)환경에서 강화 학습 기법을 이용하여 자동차 자율 주행을 제어하는 연구이다. 연구 목표는 사람의 제어 없이 강화학습으로 제어되는 자동차가 가장 빠르게 종점에 도달하는 것이다. 강화 학습의 다양한 알고리즘 중 DDPG 알고리즘을 사용하여 에이전트와 환경 간의 상호 작용을 통해 학습하였다. 본 연구의 최종 결과로 사용된 DDPG 알고리즘은 50 episode 만으로 자동차가 어떻게 운전하는지 알기 시작했고, 440 번의 episode 을 통해 충돌없이 가장 빠르고 안전하게 종점에 도달할 수 있었다. 실험하고 보니 새로운 만든 reward function 이 원래 있던 reward function 보다 수렴 속도가 빠르고 매우 효과적이다. 현실에서 다양한 로봇에 이 기술이 적용될 수 있다면 우리의 생활은 더욱 편리해질 것이다.