• Journal of the KSME
• /
• v.29 no.3
• /
• pp.306-316
• /
• 1989

최근 자동차 업계의 CAE 방향을 하드웨어 측면에서 보면, 대용량의 계산능력을 갖춘 슈퍼 컴 퓨터와 자체 계산능력을 갖춘 워크스테이션의 활용이 점차적으로 확대 되어가고 있다. 이것을 배경으로 크래쉬 시뮬레이션, 자동차 전체 시스템의 진동 및 소음해석, 공기역학적 특성을 고 려한 형상 최적화 등이 행해지고 있다. 이와 같은 해석을 원활히 수행하기 위해서 고려되어야 할 사항은 우선 사용 소프트웨어 상호간의 데이터 인터페이스를 충분히 고려한 체계적인 총합 CAE 시스템의 구축이고, 인공지능(artificial intelligence) 언어를 이용하여 사용이 용이한 해석 경 험(knowhow)의 데이터 베이스를 구축하는 것도 바람직하다. 또한 상용 소프트웨어가 지원하지 못하는 분야에 대한 자체 프로그램의 개발도 필요한 것이다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.404-406
• /
• 2003

행동 기반 인공지능은 기본 행동들의 집합으로부터 적절한 행동을 선택함으로써 복잡한 행동을 하도록 하는 방식이다. 행동 기반 시스템은 1980년대에 시작되어 이제는 많은 에이전트 시스템에 사용되고 있다. 본 논문에서는 기존의 P. Maes가 제안한 행동 선택 네트워크에 Learning Classifier System을 이용한 학습 기능을 부가하여, 변하는 환경에 적절히 적응하여 행동의 시퀀스를 생성할 수 있는 방법을 제안하다. 행동 선택 네트워크는 주어진 문제에 따라 노드 간 연결을 설계자가 미리 설정하도록 하는데, 해결해야 할 문제가 변함에 따라 네트워크에서의 연결 형태가 변형될 필요가 있다. Khepera 로봇을 이용한 시뮬레이션 결과, 행동 선택 네트워크에서의 학습이 유용함을 확인할 수 있었다.

• Annual Conference of KIPS
• /
• 2011.11a
• /
• pp.1159-1161
• /
• 2011

레이싱 게임은 자동차의 물리 지형과의 마찰 그리고 오브젝트간의 충돌을 구성하여 시뮬레이션되어야 한다. 그러나 NPC 의 이동 시에 NPC 도 PC 와 같이 일반적인 자동차 물리를 사용한다면 많은 부하가 걸리게 된다. 따라서 본 논문에서는 부하를 줄이고 NPC 의 이동을 구성하며 인공지능을 포함하여 스스로 길을 찾아가는 효과를 연출하기 위해 물리엔진과 네비게이션 메쉬를 사용하였다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.1380-1382
• /
• 2021

기존의 항만 유지보수 교육 및 훈련 시스템의 단점을 극복하기 위해 최근 주목받고 있는 unity3D 엔진 및 챗봇, 가상현실 기술, 실시간 서버, 사용자 분석 웹사이트, 멀티플레이 기능을 활용하여 작업자들이 시간과 장소의 제약 없이 더욱 현실감 있는 환경에서 효율적으로 교육받을 수 있는 환경을 제공하고자 한다.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.7
• /
• pp.263-270
• /
• 2021

Reinforcement learning(RL) is the method to find an optimal policy through training. and it is one of popular methods for solving lifesaving and disaster response problems effectively. However, the conventional reinforcement learning method for disaster response utilizes either simple environment such as. grid and graph or a self-developed environment that are hard to verify the practical effectiveness. In this paper, we propose the design of a disaster response RL environment which utilizes the detailed property information of the disaster simulation in order to utilize the reinforcement learning method in the real world. For the RL environment, we design and build the reinforcement learning communication as well as the interface between the RL agent and the disaster simulation. Also, we apply the dimension reduction method for converting non-image feature vectors into image format which is effectively utilized with convolution layer to utilize the high-dimensional and detailed property of the disaster simulation. To verify the effectiveness of our proposed method, we conducted empirical evaluations and it shows that our proposed method outperformed conventional methods in the building fire damage.

• Defense and Technology
• /
• no.3 s.277
• /
• pp.10-17
• /
• 2002

현재 우리 국방예산은 점점 감소되고 있으며 군구조 일부 통합되어 축소 지향적으로 가고 있는 것으로 볼 때 국방자원의 감소는 시대적인 추세라고 볼 수 있다. 따라서 HLA를 기반으로한 무기체계획득, 교육/훈련체계의 획기적인 개선의 필요성은 크게 증가되고 있다. 더구나, 최근 인공지능기술을 포함한 각종 정보 통신기술의 급격한 발전에 따라 이러한 시뮬레이션/시뮬레이터 개발비용이 감소되고 있는 것은 이런 분야에 대한 방위산업의 활성화에 크게 도움을 줄 수 있을 것으로 판단된다.

• Convergence Security Journal
• /
• v.22 no.5
• /
• pp.3-9
• /
• 2022

Recently, in order to build a cyber physical system(CPS) that is a technology related to the 4th industry, the construction of the virtual control system for physical model and control circuit simulation is increasingly required in various industries. It takes a lot of time and money to convert documents that are not electronically documented through direct input. For this, it is very important to digitize a large number of drawings that have already been printed through object recognition using artificial intelligence. In this paper, in order to accurately recognize objects in drawings and to utilize them in various applications, a recognition technique using artificial intelligence by analyzing the characteristics of objects in drawing was proposed. In order to improve the performance of object recognition, each object was recognized and then an intermediate file storing the information was created. And the recognition rate of the next recognition target was improved by deleting the recognition result from the drawing. In addition, the recognition result was stored as a standardized format document so that it could be utilized in various fields of the control system. The excellent performance of the technique proposed in this paper was confirmed through the experiments.

• Journal of the Korea Society for Simulation
• /
• v.31 no.2
• /
• pp.11-20
• /
• 2022

There is a critical need for AI assistance in guard operations of Army base perimeters, which is exacerbated by changes in the national defense and security environment such as force reduction. In addition, the possibility for human error inherent to perimeter guard operations attests to the need for an innovative revamp of current systems. The purpose of this study is to propose a real-time object detection AI tailored to military CCTV surveillance with three unique characteristics. First, training data suitable for situations in which relatively small objects must be recognized is used due to the characteristics of military CCTV. Second, we utilize a data augmentation algorithm suited for military context applied in the data preparation step. Third, a noise reduction algorithm is applied to account for military-specific situations, such as camouflaged targets and unfavorable weather conditions. The proposed system has been field-tested in a real-world setting, and its performance has been verified.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.229-232
• /
• 2003

나날이 발전하는 인터넷 기반의 네트워크 환경에서 보안의 중요성은 아무리 강조해도 지나치지 않다. 바이러스와 해킹 기술의 발전 속도는 항상 방어자의 능력을 앞지르고 있으며, 공격자들의 능력과 무관한 해킹 툴의 보급은 누구나가 해커가 될 수 있도록 하는데 일조하고 있다. 이제 더 이상 해킹과 바이러스로부터 안전지대는 없다고 해도 과언이 아니다. 이에 본 논문에서는 일정한 환경에서의 침입에 대해 학습을 하여 그 침입을 탐지할 수 있는 디텍터를 생성할 수 있는 알고리즘을 제안한다. 공격 유형의 수에 비해 적은, 그러나 인공 면역계의 T 세포 형성과정인 부정선택을 이용한 학습알고리즘을 기반으로 생성된 디텍터들은 상대적으로 다양한 공격의 침입을 탐지한다. 이의 유효성을 시뮬레이션을 이용하여 확인한다.

• Journal of the Korea Society for Simulation
• /
• v.33 no.3
• /
• pp.13-26
• /
• 2024

The CBRN(Chemical, Biological, Radiological, and Nuclear) hazard prediction model is a system that supports commanders in making better decisions by creating contamination distribution and damage prediction areas based on the weapons used, terrain, and weather information in the events of biochemical and radiological accidents. NBC_RAMS(Nuclear, Biological and Chemical Reporting And Modeling S/W System) developed by ADD (Agency for Defense Development) is used not only supporting for decision making plan for various military operations and exercises but also for post analyzing CBRN related events. With the NBC_RAMS's core engine, we introduced a CBR hazard assessment scenario analysis system that can generate contaminant distribution prediction results reflecting various CBR scenarios, and described how to apply it in specific purposes in terms of input information, meteorological data, land data with land coverage and DEM, and building data with pologon form. As a practical use case, a technology development case is addressed that tracks the origin location of contaminant source with artificial intelligence and a technology that selects the optimal location of a CBR detection sensor with score data by analyzing large amounts of data generated using the CBRN scenario analysis system. Through this system, it is possible to generate AI-specialized CBRN related to training and analysis data and support planning of operation and exercise by predicting battle field.