• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.10a
• /
• pp.551-554
• /
• 2001

분산 인공지능 분야에서는 여러 개의 기본 객체들이 상호작용을 통해 원하는 작업을 수행하는데, 그 한 예로 행동기반 이동로봇 제어 시스템을 들 수 있다. 이것은 여러 개의 기본 행동 모듈을 개발한 후, 적절한 조정방법을 사용하여 어려운 문제를 해결하며, 행동 네트워크는 행동 모듈들간의 협력과 억제를 모델링 하여 주어진 작업을 달성하도록 행동들의 실행순서를 조정하는 방법중의 하나이다. 정적으로 행동을 선택하는 규칙기반 결합 방법과는 달리 목표에 기반 하여 행동 네트워크는 다양한 행동들의 실행순서를 동적으로 선택한다는 장점이 있다. 본 논문에서는 진화 방식으로 설계된 기본 행동 모듈을 행동 네트워크와 규칙기반 방법으로 선택하는 실험을 수행하며, 그 결과 행동 네트워크가 변화하는 환경에서도 좋은 성능을 보인다는 사실을 확인할 수 있었다.

• Journal of Korea Multimedia Society
• /
• v.8 no.9
• /
• pp.1269-1281
• /
• 2005

The control of character's behavior in games is determined by game designers. One of the popular method used in the control of character's behaviors is rule-based. The rule-based control of behavior makes the flow of play simple and boring. In this paper, we propose an efficient method of controling character's behaviors which can generate various actions of characters by using probability estimation applied to the character's behaviors.

• Proceedings of the Korea Contents Association Conference
• /
• 2011.05a
• /
• pp.77-78
• /
• 2011

현대 사회에서는 복잡하고 넘쳐나는 정보들을 스마트한 기술을 통해 지식 기반으로 제공한다. 이에 따라 정보를 기반으로 한 대표적인 콘텐츠인 인터넷 뉴스 또한 지식 기반의 제공이 필요하다. 하지만, 현재 인터넷 뉴스는 정보를 노출하는데 편향되어 있다. 따라서 본 연구에서는 행동 기반의 뉴스를 통해 실 사용자들에게 유용한 정보를 제공해주는 것을 목표로 한다. 결론적으로 지식 기반의 뉴스는 "사용자가 예측할 수 있고 행동할 수 있도록 돕는 정보로 제공되어야 한다."라는 결론을 도출해냈으며, 이는 지식 기반의 인터넷 뉴스 콘텐츠를 위한 행동 분류를 제시하였다는 점에서 의미가 있다.

• 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.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.719-724
• /
• 2007

본 논문에서는 광범위한 지역을 감시하기 위해 설치된 여러 대의 카메라로부터 획득된 비디오에 대해 행동을 기반으로 한 비디오 요약 시스템을 제안한다. 제안된 시스템은 시야가 겹쳐지지 않은 다수의 CCTV 카메라를 통해서 촬영한 비디오들을 30분 단위로 나누어 비디오 데이터베이스를 구축하여 시간별, 카메라별 비디오 검색이 가능하다. 또한 비디오에서 키프레임을 추출하여 카메라별, 사람별, 행동별로 비디오를 요약할 수 있도록 하였다. 또한 임계치에 따라 키프레임 검색정도를 조절함으로써 비디오 요약정도를 조절할 수 있다. in. out, stay, left, right, forward, backward와 관련된 11가지 행동을 추출하여 요약된 정보를 가지고 현재 사람의 행동이 어떤 영역에서 어떤 방향으로 움직이고 있는 지에 대한 정보를 보여줌으로써 더 자세히 행동추적을 할 수 있다. 또한 카메라 3대에 대한 전체적인 키프레임에 대한 행동별 통계를 통해서 감시지역의 행동기반 이벤트를 간단히 확인해 볼 수 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10b
• /
• pp.523-525
• /
• 2000

프레임(Key Frame) 애니메이션 방법은 많은 수의 개체들을 동시에 움직여야 하는 애니메이션을 수행 시에 이를 모두 수작업을 통해서 움직여야 하는 단점이 있다. 본 논문에서는 이러한 단점을 보완하기 위해서 행동기반 그룹 애니메이션에 대하여 연구하였다. 이를 위하여 애니메이션되는 각각의 개체에 자신의 내적 상태와 외부의 환경에 의해서 영향을 받아서 다음에 취해야 할 행동을 확장 가능한 구조로 설계된 행동구조(Behavior Architecture)에 이미 프로그램 되어 있는 모듈을 삽입하였다. 그리고 이에 따라서 판단하고 수행될 수 있도록 한 후에, 각각의 개체가 자신의 고유한 행동을 취해서 움직이면서도 그룹의 특성을 가지는 행동을 수행할 수 있도록 구현하였다.

• Journal of the Korea Society for Simulation
• /
• v.20 no.3
• /
• pp.111-117
• /
• 2011

This paper suggests the passenger model considered evacuation behavioral characteristics on the passenger ship fire using a rules-based agent technique. The existing evacuation simulation system was modeled only passenger speed. The speed-based model considered passenger's physical characteristics, so it couldn't consider evacuation behavioral characteristics. For solving this problem, we modeled the passenger model using a rule-based agent applied evacuation behavioral characteristics. The rule-based agent consists of knowledge base and inference engine. In knowledge base, we represented evacuation behavioral characteristics, and chose the examples of the evacuation behavioral characteristics to show various patterns of behavior. And we simulated in the IMO MSC/Circ.1238 example 8 and we proved the simulation results could represent variety patterns of human behavior.

• Journal of Korea Game Society
• /
• v.2 no.2
• /
• pp.37-45
• /
• 2002

Computer games could be regarded as simulation of the real world. Control problems of software agents have long been studied in the field of Artificial Intelligence (AI), resulting in giving a birth to the behavior-based approach. three main approaches might be categorized out of the history of AI study. First, Cognitivists propose that intelligence could be represented and manipulated in terms of symbols. Second, Connectionists claim that symbols could not be isolated but they are embedded in the body structure. Third, the behavior-based approach is an approach to AI which suggests that intelligence is dynamic property that exists nowhere but emerges in the relationship of an agent and the world including observers while the agent performs behavior. This paper explains and compares the three approaches to AI, then discusses the plausibility of the behavior-based approach and problems. Finally, this paper proposes application of behavior-based approach to computer games in terms of agent control.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.99-101
• /
• 2022

이상 행동을 탐지하는 딥러닝 기반 검지 시스템은 동영상 기반 데이터로부터 움직임을 보이는 객체를 추적하고 그 객체의 행동을 분석하여 정상적인 행동 범위를 벗어나는 패턴을 보이는 영역을 이상으로 탐지한다. 특히 생성적 적대 신경망(GAN)과 광학 흐름 추정(Optical flow estimation) 기법을 활용하여 움직임에 대한 특징 정보를 추출하고 이를 학습하여 행동 패턴에 대한 모델링을 수행한다. 모델 학습 및 테스트에 활용되는 데이터셋의 해상도가 낮거나 이상 행동을 표현하는 특징 정보가 부족할 경우 최종 모델 성능에 부정적 영향을 미치게 되며, 특히 광학 흐름이 표현하는 이동량 측면에서 차이가 크게 나지 않는 이상 객체의 경우 탐지가 정확하게 이뤄지지 않는다. 본 연구에서는 동영상 프레임에서 나타나는 객체의 평균 종횡비를 구하고 정상적인 비율을 벗어나는 객체에 대해서 이상 행동을 취하는 샘플로 처리하는 후처리단 모듈을 제안하여 최종적인 모델 성능을 향상시키는 방법을 고안한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2020.11a
• /
• pp.179-180
• /
• 2020

해상교통을 모의하기 위해서는 주요 요소인 선박운항자의 인적요인에 대한 모델링 필요하며, 현실감 있는 해상교통 상황의 재현 및 예측을 위해 선박운항자 행동양식, 항해전문성, 항해오류 등을 모델링하여 반영하는 것이 필요하다. 본 발표에서는 에이전트 기반의 해상교통 시뮬레이션을 위해서 선박운항자의 충동회피를 위한 행동 분석를 수행했으며, 기초 데이터의 확보를 위해 설문조사를 실시하였다. 설문조사를 통해 분석된 정보를 이용하여 선박 충돌상황에서 선박운항자의 행동과 유사한 에이전트 기반의 항해행동 모델 개발현황을 소개하고자 한다.