강화학습을 활용한 수중 자율 운동체의 해저지형 심도 추종 알고리즘 연구 = A Study on Underwater Autonomous Vehicle Terrain-following Depth Control Algorithm using Reinforcement Learning Method

국문 초록 (Abstract)

본 논문에서는 수중 자율 운동체가 해저지형을 회피하면서 심도 명령을 추종하도록 심도 제어기를 설계하였다. 선형 모델을 개발하여 적용하였으며, 심도 명령 산출 시 PPO 알고리즘 기반의 강화학습을 활용하여 심도 명령의 유연성 및 정확도 향상을 이끌어냈다. 또한 알고리즘 성능 검증을 위해 한반도 주변 해역에 대한 실제 해저지형 데이터를 적용한 시나리오에 대해서 심도 명령 추종 성능을 분석하였다. 본 논문은 수중 자율 운동체의 해지지형 회피 및 추종을 통해 주행 효율 극대화를 위한 경로 수립에 활용할 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In this paper, we designed a depth controller to enable an underwater autonomous vehicle to follow depth commands while avoiding the seafloor topography. A linear dynamic model was developed and applied, and reinforcement learning based on the PPO algorithm was utilized for depth command generation. This method leads to improved flexibility and high accuracy of depth command. For verification of algorithm performance, driving performance was analyzed for a scenario that applied actual underwater topography data for around the Korean Peninsula. The proposed algorithm is expected to be used to establish a route for maximizing driving efficiency through terrain avoidance and tracking for underwater autonomous vehicles.