A Design of a CaSSLe-Based Offline Continual Reinforcement Learning Model in Autonomous Driving Edge Devices

안전성과 실시간성이 요구되는 자율주행 엣지 디바이스에서 강화학습을 적용하려는 시도가 활발히 이루어지고 있다. 본 연구에서는 강화학습 Double DQN에 연속학습 알고리즘 중 하나인 CaSSLe(Continual Self Supervised Learning) 알고리즘을 도입하여, 새로운 상황에 대한 적응 능력을 향상시키고자 하였다. 또한 입력 데이터의 증강 강도를 동적으로 조절하는 AP-CaSSLe(Adaptive Progressive-Continual Self Supervised Learning) 알고리즘을 제안하였다. AP-CaSSLe 알고리즘은 연속학습을 적용하지 않은 Double DQN 대비 정확도가 58.9% 향상되었으며, 이는 자율주행 엣지 환경에서의 성능 개선 가능성을 시사한다.