| 1 |
1
가상 차량 학습부가, 실제 자율 주행 차량으로부터 수집된 차량 주행 데이터를 이용하여 가상 차량 모델을 생성하는 단계; 가상 환경 에이전트가, 상기 가상 차량 학습부로부터 입력된 상기 생성된 가상 차량 모델을 이용하여 상기 가상 환경에서 주행하는 상기 가상 차량 모델의 주행 데이터를 예측하여 출력하는 단계; 및 컨트롤러 에이전트가, 상기 가상 환경 에이전트로부터 입력된 상기 가상 차량 모델의 주행 데이터를 이용하여 목표 속도값들을 포인트 단위로 연결한 속도 궤적을 예측하는 단계; 를 포함하는 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 2 |
2
제1항에서, 상기 가상 차량 모델을 생성하는 단계는, 상기 차량 주행 데이터를 훈련 데이터로 이용하여 상기 실제 자율 주행 차량의 동적 특성을 갖도록 학습된 가상 차량 모델을 생성하는 단계인 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 3 |
3
제1항에서, 상기 가상 차량 모델은, 상기 실제 자율 주행 차량으로부터 수집된 차량 주행 데이터 중에서 과거의 차량 주행 데이터로부터 현재의 차량 주행 데이터를 예측하는 인공 신경망 모델인 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 4 |
4
제1항에서, 상기 차량 주행 데이터는 시계열적으로 수집된 데이터로서, 상기 실제 자율 주행 차량의 위치값, 속도, 가속도, 조향각 및 각가속도를 포함하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 5 |
5
제1항에서, 상기 가상 차량 모델의 주행 데이터를 예측하여 출력하는 단계는,상기 가상 환경을 모델링 하여 가상 환경 모델을 생성하는 단계;상기 생성된 가상 환경 모델에 상기 가상 차량 모델을 적용하는 단계; 및상기 가상 환경 모델에서 주행하는 상기 가상 차량 모델의 주행 데이터를 예측하는 단계 를 포함하는 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 6 |
6
제5항에서,상기 가상 환경 모델을 생성하는 단계는,상기 가상 차량 모델의 자율 주행 테스트를 위해 상기 가상 환경을 모델링 하여 생성하는 단계인 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 7 |
7
제5항에서, 상기 가상 환경 모델은, 상기 가상 차량 모델이 주행하는 가상의 주행 경로, 상기 가상의 주행 경로의 주변에 존재하는 가상의 장애물 및 상기 가상의 주행 경로를 주행하는 가상의 주변 차량을 포함하도록 모델링 된 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 8 |
8
제5항에서, 상기 가상 차량 모델의 주행 데이터를 예측하는 단계는, 상기 가상 환경에서 주행하는 상기 가상 차량 모델의 과거 주행 데이터에 대해 상기 가상 차량 모델의 현재 주행 데이터를 예측하는 단계; 및 상기 예측된 상기 가상 차량 모델의 현재 주행 데이터를 상기 가상 차량 모델의 주행 데이터로서 출력하는 단계 를 포함하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 9 |
9
제1항에서, 상기 가상 차량 모델의 주행 데이터를 예측하여 출력하는 단계는, 상기 가상 차량 모델의 과거 주행 데이터로부터 예측된 상기 가상 차량 모델의 현재 주행 데이터와 상기 실제 자율 주행 차량으로부터 수집된 현재 주행 데이터를 비교하여 생성된 보상값을 더 출력하는 단계이고, 상기 보상값은 상기 컨트롤러 에이전트를 학습시키기 위한 값으로 사용되는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 10 |
10
제9항에서,상기 속도 궤적을 예측하는 단계는,상기 가상 차량 모델의 주행 데이터와 상기 보상값을 이용하여 목표 속도값들을 포인트 단위로 연결한 속도 궤적을 예측하는 단계인 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 11 |
11
제1항에서,컨트롤러 학습부가, 상기 가상 환경 에이전트로부터 출력되는 상기 가상 차량 모델의 주행 데이터와 상기 컨트롤러 에이전트로부터 출력되는 상기 목표 속도값들을 이용하여 상기 컨트롤러 에이전트를 학습시키기 위한 파라미터를 계산하는 단계를 더 포함하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 방법
|
| 12 |
12
제1항에서, 상기 컨트롤러 에이전트는 강화 학습 알고리즘으로 구현된 것인 자율 주행 차량의 최적 속도 궤적을 시뮬레이션 하기 위한 방법
|
| 13 |
13
소프트웨어 모듈이 저장된 메모리 및 상기 소프트웨어 모듈을 실행하는 프로세서를 포함하는 장치로서, 상기 프로세서에 의해 실행되는 소프트웨어 모듈은,실제 자율 주행 차량으로부터 수집된 차량 주행 데이터를 이용하여 가상 차량 모델을 생성하는 가상 차량 학습부; 상기 가상 차량 학습부로부터 입력된 상기 생성된 가상 차량 모델을 이용하여 상기 가상 환경에서 주행하는 상기 가상 차량 모델의 주행 데이터를 예측하여 출력하는 가상 환경 에이전트; 및 상기 가상 환경 에이전트로부터 입력된 상기 가상 차량 모델의 주행 데이터를 이용하여 목표 속도값들을 포인트 단위로 연결한 속도 궤적을 예측하는 컨트롤러 에이전트; 를 포함하는 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
| 14 |
14
제13항에서, 상기 소프트웨어 모듈은, 상기 가상 환경 에이전트로부터 출력되는 상기 가상 차량 모델의 주행 데이터와 상기 컨트롤러 에이전트로부터 출력되는 상기 목표 속도값들을 이용하여 상기 컨트롤러 에이전트를 학습시키기 위한 파라미터를 계산하는 컨트롤러 학습부를 더 포함하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
| 15 |
15
제13항에서, 상기 가상 차량 학습부는,상기 프로세서의 실행에 따라, 상기 차량 주행 데이터를 훈련 데이터로 이용하여 상기 실제 자율 주행 차량의 동적 특성을 갖도록 학습된 가상 차량 모델을 생성하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
| 16 |
16
제13항에서, 상기 가상 환경 에이전트는, 상기 프로세서의 실행에 따라, 가상 환경 모델에 상기 가상 차량 모델을 적용하여, 상기 가상 환경 모델에서 주행하는 상기 가상 차량 모델의 주행 데이터를 예측하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
| 17 |
17
제13항에서,상기 가상 환경 에이전트는,상기 가상 차량 모델의 과거 주행 데이터로부터 예측된 상기 가상 차량 모델의 현재 주행 데이터와 상기 실제 자율 주행 차량으로부터 수집된 현재 주행 데이터를 비교하여 생성된 보상값을 더 출력하고, 상기 가상 차량 모델의 주행 데이터, 상기 컨트롤러 에이전트로부터 출력되는 상기 목표 속도값들 및 상기 보상값을 이용하여 상기 컨트롤러 에이전트를 학습시키는 컨트롤러 학습부를 더 포함하는 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
| 18 |
18
제13항에서,상기 컨트롤러 에이전트는 강화 학습 알고리즘으로 구현된 것인 자율 주행 차량의 최적 속도 궤적을 예측하기 위한 장치
|
