✔️ 연구명

장애물과 신호등을 고려한 디지털 가상환경 모델 구현 및 심층강화학습기반 다차선 자율주행 연구

Implementation of Digital Virtual Environment Model Considering Obstacles and Traffic Lights, and Research on Multi-Lane Autonomous Driving Based on Deep Reinforcement Learning

✔️ 개요

심층강화학습을 활용한 디지털 가상 도로 환경에서의 자율주행 시스템을 제안한다.

✔️ 제안 시스템

ML-Unity 기반 디지털 시뮬레이션 환경

1. 4차선 도로 환경 구축

투명 충돌체를 활용한 연석	도로 항공뷰

2. 차량 장애물 및 신호등 배치

주행 차량 장애물과 신호등	정지 차량 장애물과 신호등

3. 자율주행 차량 에이전트 배치

레이 센서	전방/신호 인식 카메라

Custom DQN (Deep Q-Network)

• Vanilla DQN
• Dueling DQN
• Prioritized Experience Replay
• NoisyNet
• Epsilon Greedy decaying
• Soft target Update
• 테스트해본 기법: Multi-step Learning, Distributional Q-learning

✔️ 구조도

ML-Unity 환경과 Python API 간의 데이터 통신 구조

우선순위 경험 재생 기반 Deep Q-Network 학습 구조

Custom DQN 신경망 구조

✔️ 기술 스택

• Language: Python, C#
• Framework: PyTorch, CuPy, NumPy, CUDA, cuDNN
• Tool: Unity, Anaconda

✔️ 결론

• Proposed System vs Vanilla DQN vs NoisyNet
• 학습의 수렴성 및 안정성 증가
• 학습 효율성 개선
• 차선 유지, 장애물 회피, 신호 준수 자율 주행 성공