• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.473-475
• /
• 2003

최근 빠른 시간에 행동을 표현할 수 있는 장점을 가진 반응형 시스템과 최적화된 시퀀스를 생성할 수 있는 계획에 기반만 시스템을 통합하기 위한 하이브리드 시스템의 연구가 활발히 진행되고 있다. 행동 네트워크 구조는 센서와 목적에 대한 외부연결과 행동들 사이의 내부연결을 통해 수동적으로 설계되지만. 자동적으로 행동을 생성할 수 있고 복잡한 문제에 적용할 수 있는 장점이 있다. 본 논문에서는 이동 에이전트의 행동을 생성하기 위한 최적화된 방법을 찾는 문제에 대해 이 행동 네트워크에 계획 기능을 부가함으로 행동 시퀀스를 최적화하는 방법을 제안한다. 행동 네트워크는 입력된 정보와 목적 정보를 가지고 다음에 수행할 행동을 선택하여 각 상황에 가장 높은 우선순위를 가지는 행동만을 선택한다. 이 행동 네트워크에서 선택된 모든 행동들을 몇 단계 앞서 수행시켜 가장 좋은 결과를 가져올 행동으로 다음의 행동을 선택하는 방법을 통하여 복잡하고 불확실한 환경에서 주어진 목표를 달성하기 위한 전체적인 최적 행동 시퀀스를 생성할 수 있다. Khepera 이동 로봇을 이용한 실험을 통해 제안한 행동 네트워크에 계획을 이용한 방법이 행동 네트워크 구조에서보다 더 적은 행동 시퀀스로 목적을 달성함을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.390-392
• /
• 2012

인공비서 에이전트는 일정관리 및 추천을 할 때 일정이 비어 있는 시간을 계산하는 비교적 간단한 방식을 사용하는데, 보다 유용한 추천을 위해서는 사용자의 상황과 일정의 수행 조건을 고려하여야 한다. 본 논문에서는 환경의 변화에 유연하게 대응할 수 있는 행동선택 네트워크를 사용하는 일정추천 에이전트를 개발한다. Maes가 제안한 행동선택 네트워크를 현실적인 문제에 적용하는 데는 목적과 행동 노드의 개수가 크게 늘어나면 문제가 있다. 이를 해결하기 위해 행동선택 네트워크를 모듈화 하여 목적간의 충돌을 방지하고, 모듈화를 할 때 선행 행동 연결을 통한 모듈간의 사라진 연결을 보완하며, 목적들 간의 연관관계를 표현하기 위한 상위 행동선택 네트워크를 두는 계층적 행동선택 네트워크 방식을 제안한다. 제안하는 방법을 사용하여 몇가지 시나리오에 따른 일정추천 실험을 통하여 제안한 에이전트의 유용성을 확인하였다.

• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.46-48
• /
• 2003

본 논문에서는 실제환경에서와 같이 예측할 수 없는 상황에서 에이전트의 인지와 자동 행동 생성 방법을 제안한다. 전통적인 에이전트의 지능제어 방법은 환경에 대해 알고 있는 정보를 이용한다는 제약 때문에 다양하고 복잡한 환경에 적응할 수 없었다. 최근, 미리 알려지지 않은 환경에서 자동으로 행동을 생성할 수 있는 센서와 행동을 연결하는 행동 기반의 방법과 추론, 학습 및 계획 기능의 부여를 위한 하이브리드 방법이 연구되고 있다. 본 논문에서는 다양한 환경조건으로 움직이는 장애물을 인지하고 피할 수 있는 행동을 생성하기 위해 행동 네트워크에 Bayesian 네트워크를 결합한 방법을 제안한다. 행동 네트워크는 입력된 센서 정보와 미리 정의된 목적 정보를 가지고 다음에 수행할 가장 높은 우선순위의 행동을 선택한다. 그리고 Bayesian 네트워크는 센서 정보들로부터 상황을 미리 추론하고 이 확률 값을 행동 네트워크의 가중치로 주어 행동 선택을 조정하도록 한다. 로봇 시뮬레이터를 이용한 실험을 통해 제안한 행동 네트워크와 Bayesian 네트워크의 결합 방법으로 움직이는 장애물을 피하고 목적지를 찾아가는 것을 확인할 수 있었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.349-351
• /
• 2002

베이지안 네트워크는 변수들간의 원인-결과 관계를 확률적으로 모델링하기 위한 도구로서 소프트웨어 사용자의 목적을 추론하기 위해 널리 이용된다. 행동기반 로봇 설계는 반응적(reactive) 행동 모듈을 효과적으로 결합하여 복잡한 행동을 생성하기 위한 접근 방법이다. 행동의 결합은 로봇의 목표, 외부환경, 행동들 사이의 관계를 종합적으로 고려하여 동적으로 이루어진다. 그러나 현재의 결합 모델은 사전에 설계자에 의해 구조가 결정되는 고정적인 형태이기 때문에 환경의 변화에 맞게 목표를 변화시키지 못한다. 본 연구에서는 베이지안 네트워크를 이용하여 현재 상황에 가장 적합한 로봇의 목표를 설정하여 유연한 행동선택을 유도한다. Khepera 이동로봇 시뮬레이터를 이용하여 실험을 수행해 본 결과 베이지안 네트워크를 적용한 모델이 상황에 적합하게 목적을 선택하여 문제를 해결하는 것을 알 수 있었다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.46 no.4
• /
• pp.7-16
• /
• 2009

A robot must be able to generate various skills to achieve given tasks intelligently and reasonably. The robot must first learn affordances to generate the skills. An affordance is defined as qualities of objects or environments that induce actions. Affordances can be usefully used to generate skills. Most tasks require sequential and goal-oriented behaviors. However, it is usually difficult to accomplish such tasks with affordances alone. To accomplish such tasks, a skill is constructed with an affordance and a soft behavioral motivation switch for reflecting goal-oriented elements. A skill calculates a behavioral motivation as a combination of both presently perceived information and goal-oriented elements. Here, a behavioral motivation is the internal condition that activates a goal-oriented behavior. In addition, a robot must be able to execute sequential behaviors. We construct skill networks by using generated skills that make action selection feasible to accomplish a task. A robot can select sequential and a goal-oriented behaviors using the skill network. For this, we will first propose a method for modeling and learning Bayesian networks that are used to generate affordances. To select sequential and goal-oriented behaviors, we construct skills using affordances and soft behavioral motivation switches. We also propose a method to generate the skill networks using the skills to execute given tasks. Finally, we will propose action-selection-mechanism to select sequential and goal-oriented behaviors using the skill network. To demonstrate the validity of our proposed methods, "Searching-for-a-target-object", "Approaching-a-target-object", "Sniffing-a-target-object", and "Kicking-a-target-object" affordances have been learned with GENIBO (pet robot) based on the human teaching method. Some experiments have also been performed with GENIBO using the skills and the skill networks.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04b
• /
• pp.580-582
• /
• 2004

방대한 양의 웹 정보를 적절히 가공하여 사용자가 원하는 서비스를 생성하기란 쉽지 않다. 웹서비스는 사용자가 원하는 적절한 정보를 표준화된 인터페이스를 통해 처리할 수 있는 기능을 제공하고 결합을 통해 보다 복잡한 서비스를 생성할 수 있도록 해준다. 오프라인에서 물품을 사기 위해 상점에 들어갈 때 점원의 도움을 받는 것처럼 웹서비스도 상황에 맞춰 유연하게 제공되어야 한다 그러나 일반 웹서비스 생성은 사용자의 정보를 능동적으로 판단하지 않고 정적인 규칙에 의존한 결합이 주를 이루고 있다 본 논문의 서비스 에이전트는 행동 네트워크를 사용하여 사용자에게 적절한 서비스를 제공한다. 행동 네트워크는 외부환경과 내부목표를 바탕으로 각각의 행동들이 서로 연결 관계를 가지고 있다. 각각의 행동의 선택은 다른 행동과 외부환경에 영향을 주기 때문에 동적으로 사용자의 환경과 입력이 변하여도 적절히 대처하며 서비스 선택을 할 수 있다. 행동 네트워크를 바탕으로 동적 서비스 생성 시스템을 만들었고, 이를 이용하여 Amazon 도메인에서 능동적인 서비스 제공이 가능함을 보였다.

• The Journal of the Korea Contents Association
• /
• v.14 no.12
• /
• pp.950-958
• /
• 2014

According to the rapid spreading of smart phone, the use of social network service(SNS) is also increasing rapidly. Social network service(SNS) which plays an important role in customer relationship management and brand management is becoming more important. This study aims to find out if differences exist in the perceptions of service quality and the consumer behaviors between Korean and Chinese consumers using SNS. In order to achieve the objectives of the study, the literatures of service quality and consumer behavior theory is reviewed. And based on the literature reviews, dimensions related to service quality and consumer behavior are derived and T-test is used to identify the differences. According to the analysis, significant differences exist in the perceptions of service quality and consumer behaviors between Korean and Chinese consumers using SNS. The results not only provide theoretical evidences for further SNS study but also provide practical evidences for companies in their overseas expansion.