진동이 있는 AUV의 효율적이고 최적의 모션 계획을 위한 딥 러닝

우리는 최적 제어 도구를 사용하여 수중 모션 계획 문제를 해결하기 위해 딥 러닝의 최근 발전을 활용합니다. 즉, 우리는 Hamilton-Jacobi-Bellman PDE를 근사하기 위해 Deep Galerkin Method (DGM)를 사용하는 것을 제안합니다. 이 PDE는 연속 시간 및 상태 최적 제어 문제를 해결하는 데 사용할 수 있습니다. 우리의 접근 방식을 더욱 현실적으로 만들기 위해, 우리는 자율 차량의 궤적에 영향을 미치는 수중 매질의 방해 요소가 존재한다고 가정합니다. DGM을 대리 방법을 사용하여 조정한 후, 우리의 결과는 제안된 문제를 효율적으로 해결할 수 있음을 보여주며, 특히 방해 요소의 영향이 더 유의미할 경우 비용 측면에서 기준 제어에 비해 크게 개선됩니다.