연구논문
보행자 주변 주행 · 모델 불확실성을 반영한 강화학습
MC-Dropout과 bootstrapping으로 신경망 모델의 불확실성을 추정해 보행자 회피 정책에 반영합니다. 시뮬레이션은 학습에서 보지 못한 보행 행동에 대해 불확실성을 고려하지 않는 기준 정책과 비교합니다.
검토 기준일 2026-11-05 · 원출처·서지정보 확인
원출처의 서지정보와 자료 개요를 확인했습니다. 원문 접근 조건과 판본은 출처에 표시되어 있습니다.
- 원문 제목
- Safe Reinforcement Learning With Model Uncertainty Estimates
- 발행처
- IEEE
- 저자
- Bjorn Lutjens, Michael Everett, Jonathan P. How
- DOI
- 10.1109/icra.2019.8793611
- 발행일
- 2019-05
- 원문 언어
- en
- 판본
- 2019 International Conference on Robotics and Automation (ICRA); 2019; DOI 10.1109/icra.2019.8793611
- 접근 조건
- 발행처 정보 및 공개 저자 원고
- 출판 상태
- 발행된 자료
관련 자료와 기술 해설
자료 개요
MC-Dropout과 bootstrapping으로 신경망 모델의 불확실성을 추정해 보행자 회피 정책에 반영합니다. 시뮬레이션은 학습에서 보지 못한 보행 행동에 대해 불확실성을 고려하지 않는 기준 정책과 비교합니다.
이용 및 검토
확인 범위는 아카이브 초록과 출판 서지정보입니다. 시뮬레이션의 상대적 개선은 보정된 위험 확률이나 실제 보행자 환경에서의 안전 보장을 뜻하지 않습니다.
출처와 판본
Safe Reinforcement Learning With Model Uncertainty Estimates ↗
IEEE · 2019 International Conference on Robotics and Automation (ICRA); 2019; DOI 10.1109/icra.2019.8793611
ICRA 2019 bibliography; author archive abstract https://arxiv.org/abs/1810.08700v2. Conference date retained instead of earlier archive posting.