최근 4차 산업혁명 시대의 도래와 함께, 스마트 공장 환경에서 자동화/지능화 로봇의 활용에 대한 연구가 매우활발히 이루어지고 있다. 하지만 기존의 무인 운반 차량 (automatic guided vehicle, AGV)은 단일화된 경로에 국한된 이동성을 가지기 때문에, 높은 인프라 구축 비용과 경로 수정의 어려움 등 많은 문제점을 가지고 있다. 이를위해, 본 논문에서는 다중 로봇들이 서로 간의 충돌을 최소화하며, 각자의 목적지까지 최단 경로로 이동할 수 있도록 중앙집중형 심층 큐 네트워크 (centralized deep Q-network, DQN) 기반 물류 로봇 최적 이동 경로 제어 방안을 제안한다. 구체적으로, 현실의 간이 공장 물류 창고와 유사한 시뮬레이션 환경을 구축하고, 해당 환경에서 물류 로봇들에 대한 오프라인 학습을 수행한다. 학습된 모델을 이용하여, 스마트 공장 환경에서 물류 로봇들을 각자의 최적의 경로로 다중 목적지에 도착하도록 실시간으로 로봇을 제어하는 데에 활용함으로써 그 성능의 우수성을보인다. 하드웨어로 구현하고 이를 기반으로 한 테스트를 통해 다중 물류 로봇이 0.1% 미만의 낮은 충돌율을 가지면서 각자의 다중 목적지에 최적의 경로로 도착함을 보인다.
