• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.47-49
• /
• 2022

Robot navigation has seen a major improvement since the the rediscovery of the potential of Artificial Intelligence (AI) and the attention it has garnered in research circles. A notable achievement in the area was Deep Learning (DL) application in computer vision with outstanding daily life applications such as face-recognition, object detection, and more. However, robotics in general still depend on human inputs in certain areas such as localization, navigation, etc. In this paper, we propose a study case of robot navigation based on deep reinforcement technology. We look into the benefits of switching from traditional ROS-based navigation algorithms towards machine learning approaches and methods. We describe the state-of-the-art technology by introducing the concepts of Reinforcement Learning (RL), Deep Learning (DL) and DRL before before focusing on visual navigation based on DRL. The case study preludes further real life deployment in which mobile navigational agent learns to navigate unbeknownst areas.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.442-445
• /
• 2023

최근 딥러닝 및 로봇기술의 발전으로 인해 대량의 데이터를 빠르게 수집하고 처리하는 연구 분야들로 확대되었다. 이와 관련된 한 가지 분야로써 다중 로봇을 이용한 분산학습 연구가 있으며, 이는 단일 에이전트를 이용할 때보다 대량의 데이터를 빠르게 수집 및 처리하는데 용이하다. 본 연구에서는 기존 Distributed Neural Network Optimization (DiNNO) 알고리즘에서 제안한 정적 분산 학습방법과 달리 단계적 분산학습 방법을 새롭게 제안하였으며, 모델 성능을 향상시키기 위해 원시 변수를 근사하는 단계수를 상수로 고정하는 기존의 방식에서 통신회차가 늘어남에 따라 점진적으로 근사 횟수를 높이는 방법을 고안하여 새로운 알고리즘을 제안하였다. 기존 알고리즘과 제안된 알고리즘의 정성 및 정량적 성능 평가를 수행하기 MNIST 분류와 2 차원 평면도 지도화 실험을 수행하였으며, 그 결과 제안된 알고리즘이 기존 DiNNO 알고리즘보다 동일한 통신회차에서 높은 정확도를 보임과 함께 전역 최적점으로 빠르게 수렴하는 것을 입증하였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 춘계 종합학술대회 논문집
• /
• pp.64-67
• /
• 2006

현재의 컴퓨터 성능과 주변기기 발전은 유비쿼터스 컴퓨팅이라는 새로운 형태의 개념을 도입하게 만들었다. 언제 어디에서라는 유비쿼터스의 개념처럼 네트워크(유 무선)를 이용하여 사용자가 원하는 정보를 장소와 시간에 제약받지 않고 얻음으로서, 사용자들은 정보에 대한 접근이 용이해졌고 방대한 정보를 얻을 수 있게 되었다. 이때 정보의 제공과 피드백은 상호작용성을 가진 에이전트 형태로 구현되는 추세이다. 인공지능 기법을 적용한 지능형 에이전트의 경우 친근감 있는 캐릭터를 사용하여 정보의 신뢰를 향상시킬 뿐만 아니라, 사용자의 행동양식과 의도 파악을 위한 도구로 사용되고 있다. 본 논문은 캐릭터성을 추가한 지능형 에이전트의 개념과 정의를 살펴보고 이를 이용해 수익을 창출하려는 국내 시장의 사례를 연구하여 특징을 분석하고, 성장 가능성과 발전 방안을 모색해보고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제12권6호
• /
• pp.21-30
• /
• 2007

시뮬레이션이란 실세계의 다양한 객체들의 구조와 행위에 대한 자료를 수집하여 모델링하고 이를 컴퓨터 프로그램으로 모의 실험함을 말하며, 주요 기반기술들로서 DEVS (Discrete Event System Specification) 형식론을 비롯하여 페트리 넷 이나 구조적 오토마타 등이 연구되고 있다. 그러나 이러한 시뮬레이션의 연구영역이 보다 다양화되고 복잡하게 발전됨에 따라, 최근에는 인공지능의 지능형 에이전트기법을 도입하여 해결하는 연구가 활성화되고 있다. 본 연구에서는 시뮬레이션에 관한 모의실험을 보다 원활히 수행하기 위해서 지능형 멀티 에이전트기반의 시뮬레이션 도구를 개발하고자 한다. 이러한 도구의 특징은 첫째, 인공지능의 기능들을 라이브러리로 제공할 수 있고, 둘째, 유한상태기계(FSM)기반으로 에이전트 시스템을 설계하여, 시뮬레이션의 설계 모델을 보다 단순화 할 수 있는 장점이 있으며, 셋째, 모델러, 스크립터, 시뮬레이터등의 보조툴들을 제공함으로서 사용자들이 보다 편리하게 시뮬레이션 시스템을 개발할 수 있는 프레임워크를 제공한다. 시스템의 구성은 코어 시뮬레이션 엔진 유틸리티, 그리고 기타 보조툴들로 구성하였으며, 현재까지 개발된 시스템으로 몇 가지 영역을 대상으로 실험을 하였고 그 결과를 기술하였다.

• 한국멀티미디어학회논문지
• /
• 제11권1호
• /
• pp.76-87
• /
• 2008

하드웨어의 성능이 높아질수록 게임 유저들은 높은 수준의 컴퓨터 그래픽, 편리한 유저 인터페이스, 빠른 속도를 가진 네트워크 그리고 영리한 게임 인공지능을 요구하고 있다. 하지만 현재 게임 인공지능 개발은 개발자 혼자 하거나 한 회사의 개발팀에서만 이루어질 뿐이다. 그래서 자신이 혹은 회사에서 개발한 게임 인공지능의 성능이 어느 정도인지 검증을 하기 힘들고 높은 수준의 게임 인공지능을 개발하기 위해 필요한 기본 게임 인공지능기술들이 부족하다. 본 논문에서는 기존의 게임인공지능 플랫폼들의 장, 단점을 알아보고 게임인공지능 플랫폼의 설계 시 고려해야 할 점을 고찰한다. 이것을 바탕으로 전략적 위치를 찾아주는 모듈이 있어 개발자 들이 손쉽게 게임 인공지능을 구현 하고 인공지능 테스트가 가능한 에이전트기반 게임 플랫폼인 Darwin을 제안한다. 그리고 Darwin에서 제공하는 전략적 모듈을 사용하여 제작한 에이전트를 만들어 수행결과를 평가한다.

• 한국인터넷방송통신학회논문지
• /
• 제19권2호
• /
• pp.135-141
• /
• 2019

최근 강화 학습을 통해 게임을 학습하는 인공지능 에이전트를 만드는 연구가 활발히 진행되고 있다. 게임을 에이전트에게 학습 시킬 때 어떠한 딥러닝 활성화 함수를 사용하는지에 따라 그 학습 성능이 달라진다. 본 논문은 2D 슈팅 게임 환경에서 에이전트가 강화 학습을 통해 게임을 학습할 경우 어떤 활성화 함수가 최적의 결과를 얻는지를 비교 평가 한다. 이를 위해 비교 평가에서 사용할 메트릭을 정의하고 각 활성화 함수에 따른 메트릭 값을 학습 시간에 따라 그래프로 나타내었다. 그 결과 ELU (Exponential Linear Unit) 활성화 함수에 1.0으로 파라미터 값을 설정할 경우 게임의 보상 값이 다른 활성화 함수보다 평균적으로 높은 것을 알 수 있었고, 가장 낮은 보상 값을 가졌던 활성화 함수와의 차이는 23.6%였다.

• 한국멀티미디어학회논문지
• /
• 제12권2호
• /
• pp.290-299
• /
• 2009

진화하는 인공신경망은 인공지능분야와 게임 NPC의 지능 설계 분야에서 새롭게 각광을 받고 있다. 하지만 진화하는 인공신경 망을 이용하여 게임 NPC의 지능을 설계할 때 인공신경 망의 구조가 복잡함에 따라 진화와 평가에 필요한 연산량이 크며 또한 적절한 적합도 함수를 설계하지 못하면 지능적인 NPC를 설계할 수 없는 등의 문제점을 가지고 있다. 본 논문에서는 이러한 문제들을 해결하고자 동적 상태 진화 인공신경망을 제안한다. 동적 상태 진화 인공신경망은 전통적인 진화하는 인공신경망 알고리즘에 기반하여 진화 과정에서 신경망의 신경세포들 사이의 시냅스를 제거(disabled) 하거나 고정(fixed)시키는 방법을 통하여 진화와 평가과정에 소모되는 연산량을 줄이는 알고리즘이다. 본 논문은 Darwin Platform 을 테스트 베드로 축구게임 NPC의 지능 설계를 통하여 제안하는 방법의 유용성을 검증한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권5호
• /
• pp.1036-1057
• /
• 2013

Wireless body area network (WBAN) is a promising candidate for future health monitoring system. Nevertheless, the path to mature solutions is still facing a lot of challenges that need to be overcome. Energy efficient scheduling is one of these challenges given the scarcity of available energy of biosensors and the lack of portability. Therefore, researchers from academia, industry and health sectors are working together to realize practical solutions for these challenges. The main difficulty in WBAN is the uncertainty in the state of the monitored system. Intelligent learning approaches such as a Markov Decision Process (MDP) were proposed to tackle this issue. A Markov Decision Process (MDP) is a form of Markov Chain in which the transition matrix depends on the action taken by the decision maker (agent) at each time step. The agent receives a reward, which depends on the action and the state. The goal is to find a function, called a policy, which specifies which action to take in each state, so as to maximize some utility functions (e.g., the mean or expected discounted sum) of the sequence of rewards. A partially Observable Markov Decision Processes (POMDP) is a generalization of Markov decision processes that allows for the incomplete information regarding the state of the system. In this case, the state is not visible to the agent. This has many applications in operations research and artificial intelligence. Due to incomplete knowledge of the system, this uncertainty makes formulating and solving POMDP models mathematically complex and computationally expensive. Limited progress has been made in terms of applying POMPD to real applications. In this paper, we surveyed the existing methods and algorithms for solving POMDP in the general domain and in particular in Wireless body area network (WBAN). In addition, the papers discussed recent real implementation of POMDP on practical problems of WBAN. We believe that this work will provide valuable insights for the newcomers who would like to pursue related research in the domain of WBAN.

• 한국HCI학회논문지
• /
• 제14권1호
• /
• pp.15-22
• /
• 2019

본 연구에서는 인공지능 대화형 에이전트인 스마트 스피커의 지능형 에이전트로서의 속성, 즉 자율성, 사회성, 반응성, 능동성, 시간연속성, 목표지향성에 대하여 이용자들이 일상적 상호작용을 통하여 어떤 기대를 가지는지, 또한 어떤 기대격차를 갖는지 살펴보고자 하였다. 이를 위해 스마트 스피커 이용자들을 대상으로 반구조화 인터뷰(semi-structured interview)를 진행하고 그라운드 이론에 기반하여 분석하였다. 연구 결과 사람들은 기술수준의 한계로 인해 스마트 스피커의 사회성이나 인간다움에 대해 큰 기대격차를 갖고 있었다. 스마트 스피커의 반응성에 대해서는 긍정적인 기대격차를 갖는 것으로 드러났고, 시간연속적으로 정보를 기억하는 것에 대해서는 정보의 민감성 정도나 제시방식에 따라 양가적 기대격차가 나타났다. 자율적인 추천에 대해서는 낮은 기대수준이 나타났고 능동적인 말걸기에 대해서는 맥락에 맞는 경우에만 선호하는 것으로 나타났다. 본 연구는 스마트 스피커와 상호작용하는 방식을 설계하고 기대 수준을 관리하는데 있어서 함의점을 제시한다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.11-22
• /
• 2022

최근 교육 분야에서 다양한 인공지능 기술을 활용한 연구와 개발이 이뤄지고 있다. 인공지능을 활용한 교육 중 특히 대화형 에이전트는 시간과 공간의 제약을 받지 않고 음성인식, 번역과 같은 다양한 인공지능 기술과 결합해 더 효과적인 언어 학습을 가능하게 한다. 본 논문은 상용화된 교육용 플랫폼 중 이용자 수가 많고 영어 학습을 위한 대화형 에이전트가 활용된 플랫폼에 대한 동향 분석을 진행하였다. 동향 분석을 통해 현재 상용화된 교육용 플랫폼의 대화형 에이전트는 여러 한계점과 문제점이 존재했다. 구체적인 문제점과 한계점 분석을 위해 사전 학습된 최신 대용량 대화 모델과 비교 실험을 진행하였고, 실험 방법으로 대화형 에이전트의 대답이 사람과 비슷한지를 평가하는 Sensibleness and Specificity Average (SSA) 휴먼 평가를 진행하였다. 실험 내용을 바탕으로, 효과적인 학습을 위해 개선방안으로 대용량 파라미터로 학습된 대화 모델, 교육 데이터, 정보 검색 기능의 필요성을 제안했다.