자율주행 차량의 모델 기반 제어를 수행하기 위해서는 대상 차량에 대한 정확한 모델링이 요구된다. 이를 위한 시스템 식별에 대상 시스템의 입출력 데이터만을 활용한 신경망 학습 기법이 이용 가능하다. 일반적으로 차량과 같은 동역학 시스템의 신경망 기반 시스템 식별은 순환 신경망을 기반으로 이루어진다. 순환 신경망은 다음 상태 예측이 이전 상태 정보에 의존하는 구조로써 동적 특성을 잘 반영하기 때문이다. 하지만 널리 사 용되는 순환 신경망의 형태인 Long Short-Term Memory (LSTM)가 지닌 장기 기억이 차량과 같은 강체 동역학 시스템의 모델링에도 필요한 것인지 불분명하다. 따라서 본 논문은 동적 특성을 명시적으로 설계할 수 있는 Nonlinear Autoregressive Model with Exogenous Inputs (NARX) 신경망을 활용하여 차량 동역학 모델의 적절한 입출력 차수에 대해 분석한다.

An Analysis of Model Order of RNN-Based Vehicle Dynamics Model

Jin-Gyu An, Jong-Hoon Won*

In order to perform model-based control of an autonomous vehicle, accurate modeling of the target vehicle is required. For this, neural network learning methods using only input/output data of the target system are available for system identification. In general, neural network-based system identification of dynamic systems such as vehicles is based on recurrent neural networks. This is because recurrent neural networks reflect dynamic characteristics well as structures in which the following state predictions depend on previous state information. However, it is unclear whether the long-term memory of Long Short-Term Memory (LSTM), a widely used form of recurrent neural networks, is necessary for modeling rigid-body dynamics systems such as vehicles. Therefore, this paper analyzes the proper input/output order of the vehicle dynamics model using the nonlinear autoregressive model with exogenous inputs (NARX) neural network, which can be designed explicitly for dynamic characteristics.

Keywords: recurrent neural network, vehicle dynamics, system identification

Speaker 안진규 인하대학교