Reinforcement Learning-Based Autonomous Underwater Vehicle Waypoint Generation Algorithm in Dynamic Environments
해양 과학 및 군사 작전에 대한 수요가 증가함에 따라 자율 수중 차량(autonomous underwater vehicle, AUV)의 중요성이 점차 커지고 있다. AUV는 유연한 각도 변화를 바탕으로 다양한 임무에서 성공률 높은 제어를 달성할 수 있다. 그러나 대부분의 기존 연구는 주로 단순한 환경에서의 실험과 AUV 작전에서의 고유한 방향성을 간과한다. 이에 본 논문은 AUV의 방향 정책 강화학습 알고리즘(directional policy reinforcement learning, DPRL)을 통한 변침점 생성 알고리즘 기반의 AUV 임무 수행 전략을 제안한다. 이때 장애물의 크기 및 위치, 목표물의 위치, 그리고 목표물에 대한 접근 각도를 나타내는 충격 각도를 무작위로 설정한 동적인 환경에서의 실험 결과를 통하여 본 알고리즘의 우수성을 입증한다.
Authors
- Hyunsoo Lee (ORCID: https://orcid.org/0000-0003-1113-9019)
- Youngdae Kim (ORCID: https://orcid.org/0000-0002-0120-7965)
- Joongheon Kim (ORCID: https://orcid.org/0000-0003-2126-768X)
- Il-Seok Song
- Soohyun Park (ORCID: https://orcid.org/0000-0002-6556-9746)
- Seunghwan Kim (ORCID: https://orcid.org/0009-0002-0948-1990)
- Emily Jimin Roh (ORCID: https://orcid.org/0009-0008-0013-6342)
Publication Details
- Journal
- The Journal of Korean Institute of Communications and Information Sciences
- Published
- 2025-05-22
- DOI
- https://doi.org/10.7840/kics.2025.50.5.712
- Primary Topic
- Robotic Path Planning Algorithms
- Type
- article
- Field-Weighted Citation Impact
- 0.00