기술 개요
-본 연구에서는 동적환경에서 자율 이동 로봇의 행동계획 알고리듬을 제안한다. 동적으로 변화하는 환경에서 로봇의 행동 결정문제는 환경을 모델링할 수 없기 때문에 기존의 모델에 의존한 방법으로는 환경변화에 대처능력이 없게 된다. 그래서 최근 온-라인 학습법에 의해 동적으로 변화하는 환경에 능동적으로 대처하는 방법이 많이 연구 되고 있다. 강화학습은 온-라인학습법으로서 Sutton's TD 방법에 의한 actor-critic architecture 와 Watkin's Q-learning 이 대표적인데, 동적으로 변화하는 환경하에서 컨트롤러 또는 에이젼트의 행동에 대한 보상을 최대화하는 상태-행동 규칙이나 행동 발생 전략를 찾는 것이다. 그러나 대부분의 경우 목표상태에 도달하기 전까지는 현재 행동에 대한 즉각적인
기술 정보
한국산업기술진흥원(KIAT) 국가기술은행(NTB) 공개 데이터 기반 자동 정리 정보입니다. 이전 조건·세부사항은 보유기관 확인이 필요합니다.