지능형 시스템에 대한 요구가 지속적으로 증가하면서, 최근에는 인공지능과 시뮬레이션 기술을 연동하기 위한 다양한 접근이 이루어지고 있다. 본 논문의 기반이 되는 RG-DEVS는 이산 사건 시뮬레이션모델링 방법론인 DEVS에 인공지능의 계획(planning) 기술을 반영함으로써 동적으로 시뮬레이션 모델이 정의될 수 있는 인공지능과 시뮬레이션의 연동 기술이다. 그러나, 오늘날 많은 문제 해결 시스템들에 반영되고 있는 계층성(hierarchy)이 계획에 반영되어 있지 않다. 계층성은 탐색 공간을 작게 하여 계획의 계산 비용을 줄일 수 있을 뿐 아니라, 모델링 대상 시스템의 계층적 작업 흐름을 반영하기에도 유용하다. 본 논문은 RG-DEVS에 계층적 계획 능력을 추가하여 확장한 모델링 방법론인 HRG-DEVS출 제안하고, 이를 검증하기 위하여 고전적인 계획 문제로 알려진 계층적인 블록 쌓기 문제인 ABSTRIPS에 적용하였다.
지능형 시스템에 대한 요구가 지속적으로 증가하면서, 최근에는 인공지능과 시뮬레이션 기술을 연동하기 위한 다양한 접근이 이루어지고 있다. 본 논문의 기반이 되는 RG-DEVS는 이산 사건 시뮬레이션 모델링 방법론인 DEVS에 인공지능의 계획(planning) 기술을 반영함으로써 동적으로 시뮬레이션 모델이 정의될 수 있는 인공지능과 시뮬레이션의 연동 기술이다. 그러나, 오늘날 많은 문제 해결 시스템들에 반영되고 있는 계층성(hierarchy)이 계획에 반영되어 있지 않다. 계층성은 탐색 공간을 작게 하여 계획의 계산 비용을 줄일 수 있을 뿐 아니라, 모델링 대상 시스템의 계층적 작업 흐름을 반영하기에도 유용하다. 본 논문은 RG-DEVS에 계층적 계획 능력을 추가하여 확장한 모델링 방법론인 HRG-DEVS출 제안하고, 이를 검증하기 위하여 고전적인 계획 문제로 알려진 계층적인 블록 쌓기 문제인 ABSTRIPS에 적용하였다.
As the needs of intelligent systems increase, there have been diverse approaches that combine artificial intelligence (AI) and simulation in the last decade. RG-DEVS, which is the basis for this paper, embedded AI planning techniques into the simulation modeling methodology of DEVS, in order to spec...
As the needs of intelligent systems increase, there have been diverse approaches that combine artificial intelligence (AI) and simulation in the last decade. RG-DEVS, which is the basis for this paper, embedded AI planning techniques into the simulation modeling methodology of DEVS, in order to specify dynamically a simulation model. However, a hierarchy concept, which is used for various types of problem solving systems. is not included in the planning of RG-DEVS. The hierarchy concept reduces the computational cost of planning by reducing the search space, and also makes it easy to apply the hierarchical process flow of a target system to planning. This paper proposes Hierarchical RG-DEVS (HRG-DEVS) in an attempt to insert hierarchical planning capability into RG-DEVS. For the verification of the proposed modeling methodology, HRG-DEVS is applied to model the block's world problem of ABSTRIPS, which is a classical planning problem.
As the needs of intelligent systems increase, there have been diverse approaches that combine artificial intelligence (AI) and simulation in the last decade. RG-DEVS, which is the basis for this paper, embedded AI planning techniques into the simulation modeling methodology of DEVS, in order to specify dynamically a simulation model. However, a hierarchy concept, which is used for various types of problem solving systems. is not included in the planning of RG-DEVS. The hierarchy concept reduces the computational cost of planning by reducing the search space, and also makes it easy to apply the hierarchical process flow of a target system to planning. This paper proposes Hierarchical RG-DEVS (HRG-DEVS) in an attempt to insert hierarchical planning capability into RG-DEVS. For the verification of the proposed modeling methodology, HRG-DEVS is applied to model the block's world problem of ABSTRIPS, which is a classical planning problem.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 시뮬레이션 모델링 방법론에 관한 연구로서, 계층적 계획이 필요한 시뮬레이션 모델을 체계적으로 구성 할 수 있는 환경을 제안하였다. DEVS에 인공지능의 계획 기술을 반영하여 확장한 RG-DEVS 형식론을 기초로 하여, 계층적 계획 기술을 추가 반영하기 위하여 RG-DEVS를 이론적으로 더 확장 시킨 계층적 계획 이산사건 시뮬레이션 모델링 방법론인 HRG-DEVS를 정의하고, 간단한 블록 쌓기 문제를 통해 모델링의 예시를 보였다.
가설 설정
로보트는몸체는 고정되어 있는 상태에서 팔과 손을 움직여 블록을 빈 탁자 혹은 다른 블록 위로 쌓을 수 있으며 한 번에 하나의 블록만 들 수 있다. 단, 여기에서 탁자는 블록 한 줄만 위로 쌓을 수 있는 공간이라도 가정한다.
제안 방법
구성 할 수 있는 환경을 제안하였다. DEVS에 인공지능의 계획 기술을 반영하여 확장한 RG-DEVS 형식론을 기초로 하여, 계층적 계획 기술을 추가 반영하기 위하여 RG-DEVS를 이론적으로 더 확장 시킨 계층적 계획 이산사건 시뮬레이션 모델링 방법론인 HRG-DEVS를 정의하고, 간단한 블록 쌓기 문제를 통해 모델링의 예시를 보였다.
타원으로 표현된 상태는 각 계층에서의 predicate들을 카티션곱으로 표현한 것이며, predicate들 중 밑줄이 있는 것은 계획 level 1 관점에서 상태, 밑줄이 없는 것은 level 2 관점에서의 상태를 구분한 것이다. 각 상태를 지면상 전체 predicates 중 단계별 주요 predicate 만을 이용하여 기술하였다. 첫번째 상태 변이는 에 의해 계획(plan)이 생성된 직후 실행되고, 두번째부터는 계획된 상태 순서를 따라 목표에 도달 할 때까지 δint에 의해 실행된다.
계층적 계획과 비계층적 계획 사이의 계획 비용을 탐색공간을 기준으로 비교해보자. 탐색 공간은 세 가지 변수를가정하여 간단히 계산 할 수 있다[21] 세 변수는 계층적 계획에서 계층의 깊이(depth)인 d, 각 계층에서 상위 계층의액션 하나를 구체화시킨 계획(plan)이 갖는 액션(action)의수인 a, 각 계층에서의 탐색 가지수(branchhig factore)b 이다.
본 논문에서는 인공지능의 계층적 계획(hierarchical planning) 개념을 시뮬레이션에 통합하여 대상 시스템을 모델로 정의하는데 있어 좀 더 체계적인 모델링 방법을 제안하며, 이후 그 이름을 HRG-DEVS(Hierarchical RG-DEVS)라 하겠다. 이 후, 2장에서는 배경이론이 되는 DEVS, RG-DEVS, 인공지능에서의 계층적 계획을 설명하고, 3장에서는 본 연구에서 제안하는 HRG-DEVS 모델링 방법론을 정의한다.
본 장에서는 우선 모델링을 위한 구성 요소를 정의하고, 각 구성 요소들을 이용하여 규칙을 선정하고 상태가 생성되는 식을 전개함으로써 시뮬레이션 모델을 동적으로 정의하기 위해 계획의 계층성이 어떻게 반영되는지를 정의한다. 또, HRG-DEVS 형식론에 의한 모델의 실행관점에서, 하나의 외부입력 처리를 하기 위해 계획이 생성되고 그 계획을 실행시킴으로써 시뮬레이션이 진행되는 절차를 설명한다.
성능/효과
위의 두 계산식을 통해 단일 계층의 계획 보다는 여러단계를 거치는 계층적 계획이 전체 탐색 공간을 분할함으로써 계획(planning) 비용을 줄여줄 수 있음을 알 수 있다. 또, 이러한 탐색 공간의 축소의 효과는 변수 a의 값이커질수록 더욱 더 커지는데, 이는 HRG-DEVS 모델 실행시 계획(planning)과정이 포함되어 있는 의 실행시간을 줄어들게 한다.
후속연구
반영하기가 용이하다. 또한, 시뮬레이션 모델에서 계층적 계획의 특징을 시뮬레이션 결과를 분석하기 위해서도 유용할 것으로 기대되는데, 이러한 특징은 향후 연구 논문에서 이를 뒷받침 할만한 실제 시스템으로의 적용을 보일 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.