초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문은 사용자의 복잡한 기계 시스템 설계를 도울 수 있는 두 가지 계산적 설계 방법을 제안한다. 첫 번째는 가상현실 기술을 접목시킨 대화형 설계 방법으로, 사용자는 가상환경에서 기계 시스템 중 하나인 오토마타를 직접 설계하고 물리 기반 시뮬레이션을 통해 오토마타의 동작 결과를 확인해볼 수 있다. 본 시스템에서 오토마타는 그래프 구조로 쉽게 표현될 수 있다. 그래프로 표현된 설계 정보를 사용하여 물리 시뮬레이션을 위한 ...

본 논문은 사용자의 복잡한 기계 시스템 설계를 도울 수 있는 두 가지 계산적 설계 방법을 제안한다. 첫 번째는 가상현실 기술을 접목시킨 대화형 설계 방법으로, 사용자는 가상환경에서 기계 시스템 중 하나인 오토마타를 직접 설계하고 물리 기반 시뮬레이션을 통해 오토마타의 동작 결과를 확인해볼 수 있다. 본 시스템에서 오토마타는 그래프 구조로 쉽게 표현될 수 있다. 그래프로 표현된 설계 정보를 사용하여 물리 시뮬레이션을 위한 기계요소 강체를 생성하고 강체 간 제약요소를 구성하는 것이 용이하고, 그래프 구조는 일반적인 설계 시스템과 물리 기반 시뮬레이션 양 쪽에서 모두 사용하기 때문에 어느 개발 도구에서도 쉽게 우리의 시스템을 접목시킬 수 있다. 본 시스템은 가상현실 기술을 접목시킨 직관적인 사용자 인터페이스를 사용자에게 제공하여 초심자도 오토마타를 쉽고 빠르게 설계할 수 있도록 한다. 설계한 오토마타의 동작 결과는 물리 기반 시뮬레이션을 통해 바로 확인할 수 있기 때문에 전문가 또한 반복적인 설계로 기술을 숙련하는데 용이하다.
두 번째는 기계학습 알고리즘을 활용한 설계 자동화 방법으로, 주어진 환경 및 직무에 적합한 모듈형 로봇의 구조와 행동양식을 자동으로 설계하는 최적화 방법을 제안한다. 방대한 해 공간으로부터 구조와 행동양식 두 가지 측면을 동시에 최적화하기 위하여, 본 연구에서는 모듈의 서로 다른 조합을 탐색하는 진화 알고리즘과 각 구조마다 최적의 행동양식을 발견하는 심층강화학습을 서로 연계한다. 먼저, 기본 모듈들을 임의로 조합하여 만든 로봇들로 초기 해집단을 구성한다. 이후, 각 로봇마다 주어진 환경 및 직무를 반영한 보상함수에 기초하여 비교적 짧은 시간 동안 심층강화학습을 수행하고, 학습 양상에 근거하여 학습능력을 평가받는다. 이후, 현재 세대의 로봇들 중 학습능력이 우수한 로봇을 선택하여 교차연산을 수행함으로써 자식 세대의 해집단을 구성한다. 이러한 진화 과정을 반복하면 최적의 구조와 행동양식을 갖는 로봇을 자동적으로 설계한다.