인공지능에 의사결정 능력을 부여할 수 있는 강화학습 방법론은 학습 기반 제어를 위한 유망한 방법으로 여겨졌지만, 기존의 온라인 강화학습 방법은 시행착오에 의존하며, 실시간으로 학습 데이터 수집을 병행하기 때문에 기기의 손상 및 데이터 수집 비용 등에 대한 우려가 존재했다. 이로 인해 자율주행과 같은 미션 크리티컬 기술을 위한 초기 개발 방법론으로 적용하기에는 어려움이 있었다.
권민혜 교수 연구팀은 이러한 문제를 해결하기 위해 사전에 수집된 데이터셋을 활용하여 초기 정책을 학습하는 오프라인 강화학습 기술에 기반한 자율주행 정책 학습 기술을 개발했다. 해당 기술을 사용하면 학습 과정의 시행착오로 인한 기기적 손상 없이 데이터셋에 의존한 학습이 가능하기 때문에 강화학습의 실용성을 보완할 수 있다. 특히 이번에 공개된 자율주행 기술은 자율주행차가 관측 가능한 정보만으로 의사결정을 진행하는 부분 관찰 마르코프 의사결정 모델에 기반하고 있어 그 실용성을 더욱 높였다. 또한, 카메라 이미지 기반에서 학습하는 자율주행 정책이 아닌 센서 수치 데이터 기반의 자율주행 정책 기술이라는 점과 인지-판단-제어 3단계 자율주행 기술 중 판단 기능에 최적화된 기술을 제공한다는 점에서 그 의미가 크다.
권 교수팀은 국내외 오프라인 강화학습 및 자율주행 기술 개발 촉진을 위해 테스트 베드 소프트웨어 및 데이터셋을 공개했다. 세 가지 도로 구조에서 수집된 19개의 학습 데이터셋을 제공하고 7가지의 강화학습 기술을 사용한 학습 성능을 벤치마크로 제공하여 자율주행 연구계에 큰 영향을 줄 것으로 기대된다.
본 기술은 이동수 석박통합 과정생이 제 1저자, 엄찬인 석사 과정생이 공저자로, 권민혜 교수가 교신저자로, 'AD4RL: Autonomous Driving Benchmarks for Offline Reinforcement Learning with Value-based Dataset'이라는 제목으로 국제 학회인 IEEE International Conference on Robotics and Automation (ICRA)에서 다가오는 5월 13일부터 17일까지 발표될 예정이다. IEEE ICRA는 자율주행 기술을 포함한 로봇공학 분야의 최우수 학회다.
해당 연구를 진행한 이동수 석박통합 과정생은 "이번 프로젝트를 통해 공개한 결과물은 종사하고 있는 분야의 발전을 명시적으로 도울 수 있기에 의미가 깊다고 생각하며, 공개된 프레임워크를 많은 연구자들이 활용하여 인공지능의 자율적 의사결정 연구가 가속화되면 좋겠다"고 소감을 밝혔다.
장환순기자 janghs@dt.co.kr
[ 저작권자 ⓒ디지털타임스, 무단 전재 및 재배포 금지 ]
