Reinforcement Learning Autonomous Driving Car
(Real-world)
2025

• • Simulator를 활용해 성공한 Autonomous Driving Car를 Real RC Car를 통해 작동

  • Real World에 맞게 Re-Training을 하여 학교 복도의 주행을 성공

Reinforcement Learning Autonomous Driving Car
(Simulation)
2024

• • IROS 2021에서 진행한 F1TENTH Competition에 참가, LIDAR를 장착한 자동차가 가상의 트랙을 완주하는 것이 목표

  • ROS (Robot Operating System)기반으로 구성된 multi car agents를 이용한 reinforcement learning 실험 환경 구축 

  • F1tenth gym 환경을 이용하여 reinforcement learning을 진행

  • DDPG (Deep Deterministic Policy Gradient) 기반 모델을 통해 장애물을 피하며 주행 성공

자율주행차량의 토큰 기반 모방 학습을 통한 경로 생성
2023

• • Motional nuPlan 데이터셋을 open loop 환경에서의 주행 데이터를 학습

  • BEV (Bird Eye's View)를 입력으로 받아 8초 뒤까지의 trajectory를 생성

  • Trajectory 생성을 위해 기존의 느린 auto-regressive 방식이 아닌
    non-auto-regressive 방식을 통해 실행 속도를 크게 향상시킴

  • Imitation 방식의 학습이라 closed loop에서는 성능이 떨어지지만, open loop 평가에서는 준수한 성능을 발휘함

2차원 객체 특징 샘플링을 통한 중심 기반 3차원 객체 검출
2023

• • 이미지로부터 2차원 객체 및 depth 등의 feature들을 먼저 추출한 뒤, 이를 re-parameterize해 3차원 객체를 검출

  • 3차원 객체를 검출하기 위해 이미지로부터 feature를 추출할 때, 이 때 Object Feature Sampling이라는 기술을 개발 / 적용하여 객체 검출 성능을 향상시킴

  • 3차원 객체 검출에서 준수한 성능을 발휘하지만, 각 객체의 속도를 인지하기 위해선 추가 연구가 필요함 

딥러닝 기반 BEV Semantic Segmentation 모델 연구
2022

• • Spatial Pyramid Feature (SPA) 모듈을 사용하여 spatial info와 context info를 모두 가진 semantic segmentation feature 생성

  • Transformer를 사용해 RGB image feature를 BEV에서 정의된 feature로 변환하는 새로운 방법 제안

  • Real-time SOTA인 Cross-view Transformers 보다 3fps 더 빠르며 2~3% 더 높은 IoU 달성

Depth Estimation + Segmentation Model
2022

• • Depth Estimation에 도움을 주는 Segmentation Feature를 섞는 방법에 대한 연구 진행

  • Stereo Depth Estimation과 Segmentation을 동시에 진행하는 Joint Model 개발

  • Target Data가 필요없는 Self-Supervised Learning 방식으로 Depth Estimation Model 학습

다중 해상도 특징을 이용한 의미적 분할 및 객체 인식
2021

• • 다중해상도 특징 맵을 모아 의미적 분할을 수행하는 MRFA 모듈 제안

  • MRFA 모듈을 사용하여 사전 의미적 분할을 수행하고 사전 의미적 분 할 특징 맵을 사용함으로써, 객체인식과 의미적 분할의 성능을 모두 향상시키 는 방법을 제안

  •  객체 인식과 의미적 분할을 동시에 수행하는 경우에 의미적 분할의 로스 함수(loss function)로
    이진 교차-엔트로피(binary cross-entropy)를 사용하여 객체 인식의 성능 저하를 막는 방법을 제안

공중로봇 자율 비행을 위한 딥 강화 학습 기술 개발
2018

• • 삼성전자의 미래기술육성센터의 지원으로 진행

  • 단안 카메라를 통해 획득한 영상에서 Semantic segmentation 및 Depth 등의 시각 정보를 추출하여,
    이를 기반으로 공중로봇이 장애물을 피해 목표지점까지 자율 비행하도록 하는
    딥 강화학습(Deep Reinforcement Learning) 기술을 개발

  • 시뮬레이션에서 학습 후, 실제 환경에서도 비행 성공