연구목표 |
기존의 비효율적인 강화학습 및 모방학습 기반 자율 주행 기법에 대한 대안으로, 고위험 상황 시뮬레이션을 통한 효율적인 모방학습 기법을 제안하며, 소수의 전문가와 다수의 비전문가가 비동기적으로 알고리즘을 학습시키는 새로운 인간-기계 협업 모델을 통해 제안된 기법을 실증한다. 이를 위해 (1) 시뮬레이션 플랫폼에서 고위험 상황 데이터셋을 크라우드소싱으로 생성하... |
연구내용 |
자율 주행 시뮬레이션 플랫폼에서 고위험 상황 데이터셋을 생성하고 검증할 수 있는 크라우드소싱 인터페이스를 개발, 생성적 고위험 상황 (대립쌍) 예제를 모범 데모와 함께 학습하도록하는 변형된 모방학습 알고리즘을 개발, 및 제안된 방식이 탐색 시간과 오류 합성 현상을 현저히 줄임으로써 효율적이고 안전한 새로운 방식임을 실증 데이터를 통해 검증한다. 1차년도 연... |
기대효과 |
기대효과: 자율주행 기술은 운전에 대한 노동을 줄여줄 뿐 아니라, 궁극적으로 운전 미숙으로 인한 사고의 위험을 줄일 수 있을 것이라는 기대에 많은 관심을 받고 있다. 이러한 흐름에 있어 본 연구는 자율주행 기술의 실제 활용에 병목이 될 수 있는 학습 효율성과 신뢰도 문제를 해결하는 새로운 방안을 제안함으로써 학술적, 사회적, 산업적으로 큰 파급력을 가질 것... |
키워드 |
Human-Computer Interaction (인간-컴퓨터 상호작용), Crowdsourcing (크라우 |