메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.

고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
2
내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
In a lane change decision-making technique based on RL (Reinforcement Learning), most data is related to keeping a lane; on the contrary, the data related to lane change is sparse. Consequently, an ego-vehicle fails to learn its policy. To overcome this issue, we propose a new RL-based lane change decision-making technique that uses a safety inspection module and augmented data. The safety inspection module restrains the collision of the ego-vehicle and generates virtual augmented data acquired from lane change situations. The introduction of virtual augmented data mitigates sparse lane-change data problems, which results in performance improvement. We simulated the proposed technique using an open-source simulator called CARLA.

목차

Abstract
I. 서론
II. 문제의 정의
III. 차선 변경 판단 학습 과정
IV. 실험 결과
V. 결론
REFERENCES

참고문헌 (20)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-003-001917583