• 한국멀티미디어학회논문지
• /
• 제24권2호
• /
• pp.320-327
• /
• 2021

We aim to investigate the effects of task type and user gender on the expected gender of chatbots. We conducted an online study of 381 participants who selected the gender (female, male, or neutral) for chabots performing six different tasks. Our results indicate that users expect human- gendered chatbots for all tasks and that the expected gender of a chatbot is significantly different depending on the task type. Users expected chatting, counseling, healthcare and clerical work to be done by female chatbots; professional and customer service work were expected to be done by male chatbots. A tendency for participants to prefer chatbots of the same-gendered as themselves is revealed in several tasks for both male and female users. However, this homophily tendency is stronger for female users. We conclude by suggesting practical guidelines for designing chatbot services that reflect user expectations.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1136-1139
• /
• 2021

쇼핑카트 부착 모듈형 로봇 'Cart-Rider'는 어드미턴스 제어를 통한 사용자의 힘 보조 기능, 딥러닝을 활용한 네비게이션 기능, GPS 를 활용한 도난 방지 기능을 제공하는 로봇으로 대형 마트에서 발생하는 안전사고 및 쇼핑카트 도난을 예방하는 동시에 사용자에게 편의성을 제공하는 로봇이다. 또한 여러 대를 겹쳐서 보관하는 기존의 카트 시스템을 유지하고 탈부착이 용이하도록 하드웨어를 제작하여 환경에 영향을 주지 않고 유지 및 보수가 용이하도록 제작했다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.237-240
• /
• 2008

인터넷은 방대한 정보의 집합체이다. 사용자들은 웹에서 자신이 원하는 정보를 검색하여 사용하고 있다. 하지만 웹은 워낙 방대한 정보를 보유하고 있고 사용자가 원하는 정보가 다양해질수록 이러한 정보를 찾는 것은 어려워질 수 있다. 많은 유저들이 서로 다른 기호를 가지고 있는 만큼, 사용자에 따라 다른 형태의 정보를 제공하는 것이 필요하다. 이러한 형태의 서비스를 제공하기 위해서는 다양한 프로그램들이 상호협력하는 것이 필요하다. 본 논문은 데이터베이스를 활용한 멀티 에이전트 시스템을 통하여 사용자가 원하는 정보를 쉽게 관리하고 찾는 것에 목적을 둔다.

• International Journal of Computer Science & Network Security
• /
• 제24권3호
• /
• pp.211-223
• /
• 2024

Chatbots have become very popular in our times and are used in several fields. The emergence of chatbots has created a new way of communicating between human and computer interaction. A Chatbot also called a "Chatter Robot," or conversational agent CA is a software application that mimics human conversations in its natural format, which contains textual material and oral communication with artificial intelligence AI techniques. Generally, there are two types of chatbots rule-based and smart machine-based. Over the years, several chatbots designed in many languages for serving various fields such as medicine, entertainment, and education. Unfortunately, in the Arabic chatbots area, little work has been done. In this paper, we developed a beneficial tool (chatBot) in the Arabic language which contributes to educating people about the Prophet's biography providing them with useful information by using Natural Language Processing.

• 한국콘텐츠학회논문지
• /
• 제9권12호
• /
• pp.932-939
• /
• 2009

본 논문은 시맨틱 웹 서비스 환경에서 유아교육을 위한 각각의 서비스를 표현하는 메타 정보를 기술한 서비스 템플릿 객체 모델을 기반으로 그래픽한 서비스 템플릿 저작도구 시스템을 구현하였다. 제안한 시스템은 자동으로 웹 서비스를 선택하고 구성하여 적절한 서비스 플랜을 생성하여 로봇 서비스를 제공한다. 또한 STDL을 기반으로 URC용 서비스 템플릿 생성, 추가, 삭제, 수정 등의 기능뿐만 아니라 서비스 템플릿 리소스들에 대한 그래픽한 처리 기능을 제공한다. 서비스 템플릿 과정에서 사용자 편의적인 환경 제공을 위해 플로우 뷰 스타일, 그리드 뷰 스타일, 텍스트 뷰 스타일 등의 편집 환경을 구현했다. 또한 실제 로봇 구동에 필요한 로봇API를 참조하고 이를 기반으로 추상 서비스 블록을 구체화하여 서비스 템플릿을 쉽게 작성할 수 있는 기능을 제공하게 된다. 따라서 서비스의 시맨틱 정보를 기반으로 서비스 에이전트의 지능적이고 자율적인 서비스를 제공할 수 있다.

• 정보과학회 논문지
• /
• 제42권3호
• /
• pp.320-327
• /
• 2015

최근 다양한 분야에 서비스 로봇이 상용화되고 있지만 대부분의 로봇 에이전트는 사용자의 구체적인 명령에 의존적이고, 불안정한 센서정보를 기반으로 환경변화에 빠르게 대응하여 목적을 달성하기는 어려운 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문은 사람이 타인의 의도를 이해하고 대응하는 과정을 설명하는 거울뉴런(mirror neuron)과 마음이론(theory of mind) 시스템을 모델링하고 로봇에이전트에 적용하여 유용성을 입증한다. 제안하는 의도-대응 모델은 거울뉴런의 빠르고 직관적인 대응행동과 중간목적 지향적인 특성을 구현하기 위해, 환경과 목적을 고려하는 행동선택 네트워크(behavior selection network)를 사용한다. 또한, 장기적인 행동계획을 기반으로 대응행동을 수행하는 마음이론 시스템을 수행하기 위해, 계층적 계획생성 기법을 이용하여 중간목적 단위로 행동을 계획하고 이를 기반으로 행동선택네트워크 모듈을 제어한다. 다양한 시나리오에 대해 실험한 결과 외부자극에 적절한 대응행동이 생성됨을 확인하였다.

• 전자공학회논문지
• /
• 제51권2호
• /
• pp.220-226
• /
• 2014

본 논문에서는 Passive RFID system으로 구성된 Smart Floor 환경에서 다 개체 로봇의 효율적인 영역 탐색 방법을 제안한다. 연구에서 사용된 Passive RFID system 은 RF 안테나의 인식 범위 내에 있는 RF 태그에 사용자가 원하는 정보를 저장하고 읽을 수 있다. 본 연구에서는 명시적인 위치정보를 저장한 RF 태그를 바닥에 매설한 Smart Floor 라는 환경을 구축하였고, 로봇에 설치되어 있는 안테나를 통하여 태그로부터 받아들인 위치정보를 논문에서 제안하는 방법으로 가공하여 모바일 로봇의 위치를 추정함과 동시에 Smart Floor 내의 다른 로봇에게 자신의 이동 흔적을 남김으로써 기존 탐색 기법에 비해 전체 영역 탐색 시간을 단축하여 효율을 높였다. 본 논문에서는 Smart Floor 환경을 활용하여 모바일 로봇의 효율적인 이동 알고리즘을 제안한다.

• Journal of Advanced Research in Ocean Engineering
• /
• 제3권3호
• /
• pp.136-148
• /
• 2017

The paper presents dual arm ROV manipulation using deep reinforcement learning. The purpose of this underwater manipulator is to investigate and excavate natural resources in ocean, finding lost aircraft blackboxes and for performing other extremely dangerous tasks without endangering humans. This research work emphasizes on a self-learning approach using Deep Reinforcement Learning (DRL). DRL technique allows ROV to learn the policy of performing manipulation task directly, from raw image data. Our proposed architecture maps the visual inputs (images) to control actions (output) and get reward after each action, which allows an agent to learn manipulation skill through trial and error method. We have trained our network in simulation. The raw images and rewards are directly provided by our simple Lua simulator. Our simulator achieve accuracy by considering underwater dynamic environmental conditions. Major goal of this research is to provide a smart self-learning way to achieve manipulation in highly dynamic underwater environment. The results showed that a dual robotic arm trained for a 3DOF movement successfully achieved target reaching task in a 2D space by considering real environmental factor.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.335-338
• /
• 2005

로봇 에이전트는 변화하는 환경에서 센서정보를 바탕으로 적절한 행동을 선택하며 동작하는 것이 중요하다. 행동 선택 네트워크는 이러한 환경에서 변화하는 센서정보에 따라 실시간으로 행동을 선택할 수 있다는 점에서, 장시간에 걸친 최적화보다 단시간 내 개선된 효율성에 초점을 맞추어 사용되어 왔다. 하지만 행동 선택 네트워크는 초기 문제에 의존적으로 설계되어 변화하는 환경에 유연하게 대처하지 못한다는 맹점을 가지고 있다. 본 논문에서는 행동 선택 네트워크의 연결을 LCS를 기반으로 진화 학습시켰다. LCS는 유전자 알고리즘을 통해 만들어진 규칙들을 강화학습을 통해 평가하며, 이를 통해 변화하는 환경에 적합한 규칙을 생성한다. 제안하는 모델에서는 LCS의 규칙이 센서정보를 포함한다. 진화가 진행되는 도중 이 규칙들이 모든 센서 정보를 포함하지 못하기 때문에 현재의 센서 정보를 반영하지 못하는 경우가 발생할 수 있다. 본 논문에서는 이를 해결하기 위해 센서정보 별로 개체를 따로 유지하는 방법을 제안한다. 제안하는 방법의 검증을 위해 Webots 시뮬레이터에서 케페라 로봇을 이용해 실험을 하여, 변화하는 환경에서 로봇 에이전트가 학습을 통해 올바른 행동을 선택함을 보였고, 일반LCS를 사용한 것보다 조건별 개체 유지를 통해 더 나은 결과를 보이는 것 또한 확인하였다.

• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.395-400
• /
• 2000

본 논문에서는 강화학습에 기반한 새로운 뉴로-퍼지 제어기를 제안한다. 시스템은 개체의 행동을 결정하는 뉴로-퍼지 제어기와 그 행동을 평가하는 동적 귀환 신경회로망으로 구성된다. 뉴로-퍼지 제어기의 후건부 소속함수는 강화학습을 한다. 한편, 유전자 알고리즘을 통하여 진화하는 동적 귀환 신경회로망은 환경으로부터 받는 외부 강화신호와 로봇의 상태로부터 내부강화 신호를 만들어낸다. 이 출력(내부강화신호)은 뉴로-퍼지 제어기의 교사신호로 사용되어 제어기가 학습을 지속하도록 만든다. 제안한 시스템은 미지의 환경에서 제어기의 최적화 및 적응에 사용할 수 있다. 제안한 알고리즘은 컴퓨터 시뮬레이션 상에서 자율 이동로봇의 장애물 회피에 적용하여 그 유효성을 확인한다.