위험지역을 고려하는 수정된 JPS (jump point search) 기법 개발

Q: 이 논문에서 정의한 위험지역이란 무엇인가?

위험지역은 격자 지도 내에서 일반 지역보다 가중치가 더 큰 지역을 의미한다. 이는 인구 밀집 구역, 노면 상태가 거칠거나 미끄러운 지역 등 로봇의 경로계획에서 회피되거나 경유를 최소화해야 하는 영역으로 분류된다. 본 연구에서는 1 이상의 가중치를 가지며, 위험지역이 아닌 곳은 1로 정의한다.

Q: MJPS 알고리즘이 기존 JPS 알고리즘의 한계를 어떻게 극복하는가?

연구 결과, MJPS 알고리즘은 기존 JPS 알고리즘이 위험지역을 고려할 수 없었던 한계를 경계점 노드와 중복 노드 도입을 통해 극복한다. 이를 통해 위험지역 진입 및 탈출 위치에 노드를 생성하고, 다양한 가중치를 갖는 위험지역을 적절히 회피하여 경로를 탐색할 수 있게 된다.

김선호; 신종호

doi:10.5302/J.ICROS.2021.21.0022

추천

검색

질문

자료유형: 학술저널

저자정보: 김선호 (충북대학교) 신종호 (충북대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제27권 제10호

발행연도: 2021.10

수록면: 754 - 761 (8page)

DOI: 10.5302/J.ICROS.2021.21.0022

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Graph search-based path planning algorithms have been widely applied for path planning in autonomous robot systems. Among these algorithms, the jump point search (JPS) method, adopted in this study, is a variant of the well-known algorithm A* and utilizes a unique node search strategy called “jump.” The jump makes the JPS method one of the fastest graph search-based path planning algorithms. However, while the A* algorithm can be easily modified for identifying uneven environmental conditions (e.g., danger zones), danger zones cannot be handled in the JPS algorithm because the jump strategy removes plenty of nodes, including the essential ones for avoiding danger zones. To obtain a reasonable path in uneven environments, this study proposes a modified version of the JPS algorithm called the modified jump search method (MJPS). The MJPS method enables danger zones to be recognized and thus avoided during path generation by introducing bordering and additional nodes. To validate the proposed method, numerical simulations will be performed, and the results will be analyzed by comparing it with the A*-based path planning results.

#Path planning #Modified Jump Point Search #Danger zone #Border node

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)