• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3416-3435
• /
• 2023

Task offloading in vehicular networks is hot topic in the development of autonomous driving. In these scenarios, due to the role of vehicles and pedestrians, task characteristics are changing constantly. The classical deep learning algorithm always uses a pre-trained neural network to optimize task offloading, which leads to system performance degradation. Therefore, this paper proposes a neural network fine-tuning task offloading algorithm, combining with location prediction for pedestrians and vehicles by the Payne model of fluid dynamics and the car-following model, respectively. After the locations are predicted, characteristics of tasks can be obtained and the neural network will be fine-tuned. Finally, the proposed algorithm continuously predicts task characteristics and fine-tunes a neural network to maintain high system performance and meet low delay requirements. From the simulation results, compared with other algorithms, the proposed algorithm still guarantees a lower task offloading delay, especially when congestion occurs.

• International Journal of Control, Automation, and Systems
• /
• 제1권2호
• /
• pp.236-242
• /
• 2003

This paper presents a cooperation strategy between a human operator and autonomous robots for an interactive robot soccer game, The interactive robot soccer game has been developed to allow humans to join into the game dynamically and reinforce entertainment characteristics. In order to make these games more interesting, a cooperation strategy between humans and autonomous robots on a team is very important. Strategies can be pre-programmed or learned by robots themselves with learning or evolving algorithms. Since the robot soccer system is hard to model and its environment changes dynamically, it is very difficult to pre-program cooperation strategies between robot agents. Q-learning - one of the most representative reinforcement learning methods - is shown to be effective for solving problems dynamically without explicit knowledge of the system. Therefore, in our research, a Q-learning based learning method has been utilized. Prior to utilizing Q-teaming, state variables describing the game situation and actions' sets of robots have been defined. After the learning process, the human operator could play the game more easily. To evaluate the usefulness of the proposed strategy, some simulations and games have been carried out.

• 인지과학
• /
• 제5권2호
• /
• pp.47-73
• /
• 1994

본 논문에서는 일반적인 도로 영상을 이해할 수 있는 시스템을 블랙보드 모델을 이용하여 구현하였다. 블랙보드에는 계층적인 구조를 갖는 여러 가지의 정보를 저장 하도록 하였으며 이들은 제어모듈의 통제에 따라 여러 개의 지식원들과 유기적으로 결 합하여 가정을 세우고 검증하므로써 도로 영상을 이해하도록 하였다. 실제의 영상을 대상으로 실험한 결과는 90% 정도의 물체를 인식하는 것을 확인하였다. 이 결과를 토 대로 무인운항에 필요한 도로 정보의 추출이 가능하다는 것을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.27-34
• /
• 1996

GENIE is a learning-based engine for building intelligent systems. Learning in GENIE proceeds by incrementally modeling its human or technical environment using a neural network and a genetic algorithm. The neural network is used to represent the knowledge for solving a given task and has the ability to grow its structure. The genetic algorithm provides the neural network with training examples by actively exploring the example space of the problem. Integrated into the training examples by actively exploring the example space of the problem. Integrated into the GENIE system architecture, the genetic algorithm and the neural network build a virtually self-teaching autonomous learning system. This paper describes the structure of GENIE and its learning components. The performance is demonstrated on a robot learning problem. We also discuss the lessons learned from experiments with GENIE and point out further possibilities of effectively hybridizing genetic algorithms with neural networks and other softcomputing techniques.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1365-1375
• /
• 2016

일상생활 환경 속에서 자율적으로 동작하는 서비스 로봇에게 가장 필수적인 능력 중 하나가 동적으로 변화하는 주변 환경에 대한 올바른 상황 인식과 이해 능력이다. 다양한 센서 데이터 스트림들로 부터 신속히 의사 결정에 필요한 고수준의 상황 지식을 생성해내기 위해서는, 멀티 모달 센서 데이터의 융합, 불확실성 처리, 기호 지식의 실체화, 시간 의존성과 가변성 처리, 실시간성을 만족할 수 있는 시-공간 추론 등 많은 문제들이 해결되어야 한다. 이와 같은 문제들을 고려하여, 본 논문에서는 지능형 서비스 로봇을 위한 효과적인 동적 상황 관리 및 시-공간 추론 방법을 제시한다. 본 논문에서는 상황 지식 관리와 추론의 효율성을 극대화하기 위해, 저수준의 상황 지식은 센서 및 인식 데이터가 입력될 때마다 실시간적으로 생성되지만, 반면에 고수준의 상황 지식은 의사 결정 모듈에서 요구가 있을 때만 후향 시-공간 추론을 통해 유도되도록 알고리즘을 설계하였다. Kinect 시각 센서 기반의 Turtlebot를 이용한 실험을 통해, 제안한 방법에 기초한 동적 상황 관리 및 추론 시스템의 높은 효율성을 확인할 수 있었다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1995년도 추계학술대회 논문집
• /
• pp.697-701
• /
• 1995

The network encironment includes a number of autonomous agents which are widely distributed, have different platforms, and change very dynamically. The information system operated on this environment must solve some basic problems; restrictive client-server models, heterogeneous systems, and intellignet agents. We are using KQML for knowledge management. Java language provides solutions against a strong server dependency and a heterogenous troubles. We introduce KQML as an agent communication language and JATLite as a java agent template. these increase an efficiency of communication on network and enable us to use resources distributed in world wide web. Also, we describe a new agent system architecture and implement it through an example scenario

• 한국항행학회논문지
• /
• 제26권4호
• /
• pp.205-210
• /
• 2022

4차 산업혁명과 더불어 드론은 빠른 속도로 성장해 왔고 산업 전반에 확산하여 군사용으로도 널리 사용하기에 이르렀다. 최근 유럽 지역에서 벌어진 전쟁에서는 드론이 전장의 게임체인저라고 평가받으며 군사용 드론의 중요성이 주목받고 있다. 대한민국 육군도 미래의 국방 전력으로 군의 제대 규모와 임무에 적합한 다양한 드론을 포함하고 있는 드론봇 체계를 기획하였다. 이러한 드론봇 체계의 키워드는 인공지능에 의한 자율화이다. 또한, 다양한드론의신속한개발을위해드론봇체계는운용플랫폼의공용화 기술이 필요하다. 본 논문에서는 군사용 드론의 임무 자율화와 공용화를 위해 멀티 에이전트 시스템, 인지 아키텍처, 지식 기반의 상황 추론 등 다양한 인공지능 기술을 적용한 소프트웨어 프레임워크를 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권3호
• /
• pp.9-17
• /
• 2021

동적 시스템 환경에서 지능형 협업 자율 시스템을 위한 기계학습 기반의 다양한 방법들이 연구 및 개발되고 있다. 본 연구에서는 분산 노드 기반 컴퓨팅 방식의 자율형 다중 에이전트 경로 탐색 방법을 제안하고 있으며, 지능형 학습을 통한 시스템 최적화를 위해 강화학습 방법을 적용하여 다양한 실험을 진행하였다. 강화학습 기반의 다중 에이전트 시스템은 에이전트의 연속된 행동에 따른 누적 보상을 평가하고 이를 학습하여 정책을 개선하는 지능형 최적화 기계학습 방법이다. 본 연구에서 제안한 방법은 강화학습 기반 다중 에이전트 최적화 경로 탐색 성능을 높이기 위해 학습 초기 경로 탐색 방법을 개선한 최적화 방법을 제안하고 있다. 또한, 분산된 다중 목표를 구성하여 에이전트간 정보 공유를 이용한 학습 최적화를 시도하였으며, 비동기식 에이전트 경로 탐색 기능을 추가하여 실제 분산 환경 시스템에서 일어날 수 있는 다양한 문제점 및 한계점에 대한 솔루션을 제안하고자 한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.43-61
• /
• 2019

최근 4차 산업혁명과 함께 인공지능 기술에 대한 연구가 활발히 진행되고 있으며, 이전의 그 어느 때보다도 기술의 발전이 빠르게 진행되고 있는 추세이다. 이러한 인공지능 환경에서 양질의 지식베이스는 인공지능 기술의 향상 및 사용자 경험을 높이기 위한 기반 기술로써 중요한 역할을 하고 있다. 특히 최근에는 인공지능 스피커를 통한 질의응답과 같은 서비스의 기반 지식으로 활용되고 있다. 하지만 지식베이스를 구축하는 것은 사람의 많은 노력을 요하며, 이로 인해 지식을 구축하는데 많은 시간과 비용이 소모된다. 이러한 문제를 해결하기 위해 본 연구에서는 기계학습을 이용하여 지식베이스의 구조에 따라 학습을 수행하고, 이를 통해 자연어 문서로부터 지식을 추출하여 지식화하는 방법에 대해 제안하고자 한다. 이러한 방법의 적절성을 보이기 위해 DBpedia 온톨로지의 구조를 기반으로 학습을 수행하여 지식을 구축할 것이다. 즉, DBpedia의 온톨로지 구조에 따라 위키피디아 문서에 기술되어 있는 인포박스를 이용하여 학습을 수행하고 이를 바탕으로 자연어 텍스트로부터 지식을 추출하여 온톨로지화하기 위한 방법론을 제안하고자 한다. 학습을 바탕으로 지식을 추출하기 위한 과정은 문서 분류, 적합 문장 분류, 그리고 지식 추출 및 지식베이스 변환의 과정으로 이루어진다. 이와 같은 방법론에 따라 실제 지식 추출을 위한 플랫폼을 구축하였으며, 실험을 통해 본 연구에서 제안하고자 하는 방법론이 지식을 확장하는데 있어 유용하게 활용될 수 있음을 증명하였다. 이러한 방법을 통해 구축된 지식은 향후 지식베이스를 기반으로 한 인공지능을 위해 활용될 수 있을 것으로 판단된다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제3권12호
• /
• pp.455-462
• /
• 2014

최근에는 모바일 기기 자체의 성능뿐만 아니라 무선 네트워크 등의 연관 기술들이 발달함에 따라 모바일 환경에서의 다양한 서비스에 대한 관심이 높아지고 있는 추세이다. 게다가 급증하는 통신 부하 문제가 새로운 이슈로 떠오르면서 단말 간 직접 통신(D2D)과 이에 기반한 단말간의 협력 서비스 방식에 대한 연구가 활발해지고 있다. 본 논문에서는 D2D 기반의 협력 서비스를 위한 스마트 에이전트 시스템을 설계하고 서비스 온톨로지 기반의 동적 서비스 바인딩 기법을 제안한다. 3가지 타입의 에이전트를 설계하여 협력 서비스를 위한 역할을 구분하고, 에이전트의 기능을 서비스 단위로 모델링하여 속성을 기술함으로써 지식 베이스를 구축한다. 제안한 지식 모델인 D2D 협력 서비스 온톨로지는 실시간의 상황이 지속적으로 변화하는 모바일 환경에서 가변적인 상황에 따라 필요한 서비스를 최적의 멤버 기기에게 동적으로 바인딩함으로써 효율적이고 자율적인 협력 서비스를 가능케 할 수 있는 핵심 기술이라 할 수 있다.