| 1 |
1
컴퓨터로 구현되는 학습 장치에 의해 각 단계가 수행되는 항공기의 자율 비행과 관련된 학습 방법에 있어서,카메라와 항법 센서를 장착한 항공기가 도로에서 일정한 높이를 비행하면서 관련 데이터를 획득하는 단계;상기 항법 센서를 통해 획득한 위치 정보와 상기 카메라를 통해 획득한 이미지 정보에 기초하여 상기 도로와 관련된 세그멘테이션 레이블링을 수행하는 단계; 상기 세그멘테이션 레이블링이 반영된 데이터에 기초하여 제1 신경망을 지도학습(supervised learning)시키는 단계; 및상기 제1 신경망에 기반하여 세그멘테이션 레이블링된 도로에서 추출된 값들과 리워드를 고려하여 상기 항공기를 제어하는 제2 신경망을 강화학습시키는 단계를 포함하고,상기 제1 신경망은,상기 카메라를 통해 획득한 이미지 정보에 대해 상기 세그멘테이션 레이블링을 수행하여 상기 도로의 중앙을 기준으로 복수의 기 설정된 각도 별로 상기 도로의 경계선까지의 길이에 대한 정보를 특징 벡터로 추출하도록 지도학습되고, 상기 제2 신경망을 강화학습시키는 단계는,상기 제1 신경망에 기반하여 상기 카메라를 통해 획득한 k번째(k는 2 이상의 자연수) 이미지 정보에서 추출된 상기 특징 벡터를 확인하는 단계; 상기 카메라를 통해 획득한 상기 k번째 이미지 정보 이전의 k-1번째 이미지 정보에 대응하는 상기 항공기의 제어 정보를 확인하는 단계; 및상기 k번째 이미지 정보에 대응하여 추출된 상기 특징 벡터, 상기 k-1번째 이미지 정보에 대응하는 상기 제어 정보 및 상기 리워드를 고려하여 상기 항공기의 자율 비행을 위한 제어 명령을 지시하는 상기 제2 신경망을 강화학습시키는 단계를 포함하는,학습 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 세그멘테이션 레이블링을 수행하는 단계는,상기 k번째 이미지 정보에 대응하는 m개의 위치 정보를 식별하는 단계;상기 m개의 위치 정보에 기초하여 상기 항공기의 비행 방향에 수직 방향에 대응하는 상기 도로의 경계선을 식별하는 단계; 및상기 경계선에 기초하여 상기 도로와 관련된 세그멘테이션 레이블링을 수행하는 단계를 포함하는,학습 방법
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제3항에 있어서,상기 도로의 경계선을 식별하는 단계는,상기 m개의 위치 정보에 기초하여 상기 도로의 왼쪽 경계선에 대응하는 적어도 하나의 위치 정보 L과 상기 도로의 오른쪽 경계선에 대응하는 적어도 하나의 위치 정보 R을 식별하는 단계; 및상기 적어도 하나의 위치 정보 L과 상기 적어도 하나의 위치 정보 R에 기초하여 상기 도로의 경계선을 식별하는 단계를 포함하는,학습 방법
|
| 7 |
7
제1항에 있어서,상기 관련 데이터를 획득하는 단계는,상기 카메라의 초점 거리 및 상기 이미지 정보에 대한 크기 정보에 기초하여 기설정된 행렬을 이용하여 변환된 위치 정보로부터 상기 이미지 정보 상의 좌표를 획득하는 단계를 더 포함하는,학습 방법
|
| 8 |
8
제7항에 있어서,상기 기설정된 행렬은 상기 카메라가 향하는 방향을 나타내는 기설정된 벡터에 기초하여 결정되고, 상기 기설정된 벡터는 상기 항공기의 위치 정보에 기초하여 결정되는 것을 특징으로 하는,학습 방법
|
| 9 |
9
비일시적 컴퓨터 판독 가능 저장 매체로서,컴퓨터 판독 가능 명령어들을 저장하도록 구성되는 매체를 포함하고,상기 컴퓨터 판독 가능 명령어들은 프로세서에 의해 실행되는 경우 상기 프로세서가:카메라와 항법 센서를 장착한 항공기가 도로에서 일정한 높이를 비행하면서 관련 데이터를 획득하는 단계;상기 항법 센서를 통해 획득한 위치 정보와 상기 카메라를 통해 획득한 이미지 정보에 기초하여 상기 도로와 관련된 세그멘테이션 레이블링을 수행하는 단계; 상기 세그멘테이션 레이블링이 반영된 데이터에 기초하여 제1 신경망을 지도학습(supervised learning)시키는 단계; 및상기 제1 신경망에 기반하여 세그멘테이션 레이블링된 도로에서 추출된 값들과 리워드를 고려하여 상기 항공기를 제어하는 제2 신경망을 강화학습시키는 단계를 포함하고,상기 제1 신경망은,상기 카메라를 통해 획득한 이미지 정보에 대해 상기 세그멘테이션 레이블링을 수행하여 상기 도로의 중앙을 기준으로 복수의 기 설정된 각도 별로 상기 도로의 경계선까지의 길이에 대한 정보를 특징 벡터로 추출하도록 지도학습되고, 상기 제2 신경망을 강화학습시키는 단계는,상기 제1 신경망에 기반하여 상기 카메라를 통해 획득한 k번째(k는 2 이상의 자연수) 이미지 정보에서 추출된 상기 특징 벡터를 확인하는 단계; 상기 카메라를 통해 획득한 상기 k번째 이미지 정보 이전의 k-1번째 이미지 정보에 대응하는 상기 항공기의 제어 정보를 확인하는 단계; 및상기 k번째 이미지 정보에 대응하여 추출된 상기 특징 벡터, 상기 k-1번째 이미지 정보에 대응하는 상기 제어 정보 및 상기 리워드를 고려하여 상기 항공기의 자율 비행을 위한 제어 명령을 지시하는 상기 제2 신경망을 강화학습시키는 단계를 포함하는,학습 방법을 수행하도록 하는, 비일시적 컴퓨터 판독 가능 저장 매체
|
| 10 |
10
메모리; 및카메라와 항법 센서를 장착한 항공기가 도로에서 일정한 높이를 비행하면서 관련 데이터를 확인하고, 상기 항법 센서를 통해 획득한 위치 정보와 상기 카메라를 통해 획득한 이미지 정보에 기초하여 상기 도로와 관련된 세그멘테이션 레이블링을 수행하고, 상기 세그멘테이션 레이블링이 반영된 데이터에 기초하여 제1 신경망을 지도학습(supervised learning)시키고, 상기 제1 신경망에 기반하여 세그멘테이션 레이블링된 도로에서 추출된 값들과 리워드를 고려하여 상기 항공기를 제어하는 제2 신경망을 강화학습시키는 제어부(controller)를 포함하고,상기 제1 신경망은,상기 카메라를 통해 획득한 이미지 정보에 대해 상기 세그멘테이션 레이블링을 수행하여 상기 도로의 중앙을 기준으로 복수의 기 설정된 각도 별로 상기 도로의 경계선까지의 길이에 대한 정보를 특징 벡터로 추출하도록 지도학습되고, 상기 제어부는, 상기 제1 신경망에 기반하여 상기 카메라를 통해 획득한 k번째(k는 2 이상의 자연수) 이미지 정보에서 추출된 상기 특징 벡터를 확인하고, 상기 카메라를 통해 획득한 상기 k번째 이미지 정보 이전의 k-1번째 이미지 정보에 대응하는 상기 항공기의 제어 정보를 확인하고, 상기 k번째 이미지 정보에 대응하여 추출된 상기 특징 벡터, 상기 k-1번째 이미지 정보에 대응하는 상기 제어 정보 및 상기 리워드를 고려하여 상기 항공기의 자율 비행을 위한 제어 명령을 지시하는 상기 제2 신경망을 강화학습시키는 것을 특징으로 하는,학습 장치
|
