2024년 DSC공유대햑 캡스톤디자인I

강화 학습을 통한 레이싱 환경에서의 경로 최적화 방안 연구

이 연구는 AWS DeepRacer를 사용하여 자율주행 레이싱에서 경로 최적화 전략을 탐구합니다. 두 가지 전략, 곡률 최소화와 라마-더글라스-푸커 알고리즘을 테스트하고, 이를 중심선 지향 전략과 비교했습니다. 곡률 최소화 전략은 불필요한 커브를 제한하고, 라마-더글라스-푸커 알고리즘은 데이터 포인트를 간소화하여 경로를 최적화합니다. 결과는 두 전략 모두 높은 완주율과 빠른 주행 시간을 달성했으며, 특히 라마-더글라스-푸커 전략은 주행 시간을 12초 단축했습니다. 이 연구는 자율주행 차량의 경로 계획에 새로운 방향을 제시하며 다양한 주행 조건에서의 적용 가능성을 시사합니다.