개념공부108 qsort This contents is referenced from here : (https://en.cppreference.com/w/c/algorithm/qsort) There is default qsort() function in c and cpp basic library. If you don't have good function for sorting, qsort is great alternatives. qsort - Sorts elements of given array point in ascending order void qsort(void *ptr, size_t count, size_t size, int (*comp)(const void *, const void *) ); parameters ptr - .. 2023. 1. 2. 강화학습 9 <Offline Reinforcement Learning> 전통적인 강화학습은 특정 환경에서 Agent가 Action을 선택하고 Reward를 얻는 에피소드를 반복해가며 최적의 정책을 학습하는 것이다. 전통 강화학습 기법은 학습 초기 네트워크의 학습이 효과적으로 이루어지지 못하는 문제가 있다. 이로 인해 에피소드가 수천~수만번 수행되면서 학습 시간이 많이 소요된다. 특히, 데이터를 쌓아두고 네트워크를 학습하는 일반 딥러닝과 비교했을 때 소요되는 시간 차이가 굉장히 크다. 이를 개선하기 위해 Offline Reinforcement Learning 방식이 제안되고 있다. 이는 데이터를 구축한 후 네트워크를 초기 학습한다. 그리고 어느정도 학습 네트워크를 시뮬레이션 / 실제 환경에서 강화학습을 진행한다. 즉, 데이터로 네트워크를 어느정도 학습한 후, fine-tuni.. 2022. 12. 16. [논문 리뷰] Safe Real-World Autonomous Driving by Learning to Predict and Plan with a Mixture of Experts Pini, Stefano, et al. "Safe Real-World Autonomous Driving by Learning to Predict and Plan with a Mixture of Experts." arXiv preprint arXiv:2211.02131 (2022). 요약 자율주행을 위한 Imitation Learning 기반의 Motion Planning 기법을 설명한다. Woven Planet (Toyota 자율주행 부분) 연구진들이 발표한 논문으로 SafetyNet[1] 논문의 후속 연구이다. Machine Learning 기반 궤적 Planner의 Collision Safety를 확보하기 위한 방법을 제안한다. SafetyNet의 단점을 보완한 방법 문제 정의 전통적인 rule ba.. 2022. 11. 26. [논문 리뷰] Deep Kinematic Models for Kinematically Feasible Vehicle Trajectory Predictions 논문 : Cui, Henggang, et al. "Deep kinematic models for kinematically feasible vehicle trajectory predictions." 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020. 요약 본 논문은 딥러닝 기반의 주행 객체 궤적을 예측하는 방법을 제시한다. 주행 객체 궤적 예측 시, 차량의 Kinematics를 encode하는 방법을 제안한다. 제안 방법은 어떤 딥 러닝 아키텍처에도 적용할 수 있는 General한 방법이다. 관련 연구 클래식 Motion 예측 방법 주행 객체의 Kinematics를 바탕으로 인지 시점의 객체의 Control in.. 2022. 11. 14. Graph Neural Networks (GNN) 참조 : https://medium.com/dair-ai/an-illustrated-guide-to-graph-neural-networks-d5564a551783 Graph 그래프는 노드 (node, vertex)와 엣지 (edge)로 구성되는 자료 구조 입니다. 그래프는 각 노드가 엣지로 연결되어 있고, 시작지점과 끝지점이 없는 정보를 표현하는데 적합한 자료 구조 입니다. 엣지는 노드 간 관계를 표현합니다. 엣지는 방향을 가지는데, 단방향일 수 있고 양방향일 수 있습니다. 공부할 것 : recurrent unit, embedding vector representation, feed forward neural network Graph Neural Network 그래프의 각 노드는 특정 속성을 나타내는 값.. 2022. 11. 11. [논문 리뷰] Vector Net: Encoding HD maps and agent dynamics from vectorized representation Paper : Gao, Jiyang, et al. "Vectornet: Encoding hd maps and agent dynamics from vectorized representation." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020. Website : https://blog.waymo.com/2020/05/vectornet.html 요약 자율주행 차량의 Motion Planning을 위한 주변 Agent의 Behavior prediction에 사용 가능한 뉴럴 네트워크 아키텍처 제안 도로 상황을 Rasterized Image (2D or 3D)가 아닌 Vector 형태로 표현해 뉴럴 넷.. 2022. 11. 6.
