초록

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

본 논문에서는 유전자 프로그래밍을 이용하여 판단 기준을 탐색할 수 있는 자율 이동로봇의 센서 해석회로를 진화 하드웨어상에 구현하였다. 자율 이동 로봇은 센서 정보를 통하여 환경 정보를 인지하고 자율성을 유지한다. 그러나 기존의 센서 체계는 첫째, 잡음의 영향을 심하게 받으며, 둘째 같은 환경에 대하여 동일한 종류의 센서라 할지라도 심한 편차가 존재하는 관측값을 출력한다는 문제점을 갖는다. 따라서 센서의 특성에 대한 고려없이 판단기준을 결정하면 로봇의 정확한 환경인지를 보장할 수 없게 된다. 본 논문에서는 센서 입력값 해석 기준을 센서 특성에 맞추어 적응적으로 변화시키는 센서를 구현하여 입력 해석과정에서의 정확도를 향상하였다.

본 논문에서는 유전자 프로그래밍을 이용하여 판단 기준을 탐색할 수 있는 자율 이동로봇의 센서 해석회로를 진화 하드웨어상에 구현하였다. 자율 이동 로봇은 센서 정보를 통하여 환경 정보를 인지하고 자율성을 유지한다. 그러나 기존의 센서 체계는 첫째, 잡음의 영향을 심하게 받으며, 둘째 같은 환경에 대하여 동일한 종류의 센서라 할지라도 심한 편차가 존재하는 관측값을 출력한다는 문제점을 갖는다. 따라서 센서의 특성에 대한 고려없이 판단기준을 결정하면 로봇의 정확한 환경인지를 보장할 수 없게 된다. 본 논문에서는 센서 입력값 해석 기준을 센서 특성에 맞추어 적응적으로 변화시키는 센서를 구현하여 입력 해석과정에서의 정확도를 향상하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 관측값 해석을 적응적으로 수행 할 수 있는 센서의 해석 회로를 진화 하드웨어 상에 구현하였다. 실험 결과 센서 해석 회로의 진화를 통하여 관측값 해석과정의 오류를 의미 있게 줄일 수 있음을 확인하였다.
• 센서 입력의 진화적 해석은 주로 신경망을 이용하고 있다［2,6］. 본 논문에서는 유전자 프로그래밍(genetic programming)을 이용하여 센서 해석 루틴을 진화시키는 것을 목표로 하였다. 센서 해석 루틴은 진화 하드웨어 (evolvable hardware) 상에 구현되어 동적으로 하드웨어 구성을 변경하며 높은 해석 성능을 제공하고 있다.
• 그림 4에 실험 결과가 나와 있다. 실험은 장애물과의 로봇과의 거리를 네 개 구간으로 분할한 후, 목표 구간의 센서 데이터를 최대로 하는 동시에, 다른 구간의 센서 데이터를 참으로 결정하는 오류의 수를 최소화하는 구간 결정을 목표로 하였다. 실험 결과 적합도 0.
• 표1에서 수 있듯 장애물과 로봇과의 거리를 추정하기 위하여 서관 측 값을 이용할 경우 각 구간별로 센서 관측값이 겹치는 범위가 많기 때문에 센서의 관측값을 신뢰하기 어렵다. 이와 같은 문제점을 해결하기 위하여 본 논문에서는 유전자 프로그래밍을 이용하여 온라인상에서 판단 기준을 적응 변화시키는 센서를 구현하였다. 유전자 프로그래밍의 개체는 표2의 노드를 이용하여 구성된다.

제안 방법

• 함수 노드는 buffer 및 inverter gate로 구성된다. 정의된 단말노드 및 함수 노드를 이용하여 센서 관측값의 판단 기준을 구성한다. 표3은 유전자 프로그래밍의 진화연산 파라미터이다.

대상 데이터

• 실험의 대상이 된 센서는 케페라 로봇의 IR 센서이다. 케페라 로봇은 8개의 IR 센서를 이용하여 외부 환경을 인지하며, 각 센서는 0~1023까지의 범위를 갖.

성능/효과

• 본 논문에서는 관측값 해석을 적응적으로 수행 할 수 있는 센서의 해석 회로를 진화 하드웨어 상에 구현하였다. 실험 결과 센서 해석 회로의 진화를 통하여 관측값 해석과정의 오류를 의미 있게 줄일 수 있음을 확인하였다. 센서 진화는 본 논문의 실험과 같이 센서 데이터의 해석 구간을 동적으로 변화시키는 분야에 적용될 수도 있지만, 더욱 가능성이 큰 분야는 센서의 결함 발생시 다른 센서의 데이터를 통한 장애물의 존재 유추, 환경 변화에 따른 해석 기준의 동적 적응 등이다.
• 실험은 장애물과의 로봇과의 거리를 네 개 구간으로 분할한 후, 목표 구간의 센서 데이터를 최대로 하는 동시에, 다른 구간의 센서 데이터를 참으로 결정하는 오류의 수를 최소화하는 구간 결정을 목표로 하였다. 실험 결과 적합도 0.5050을 갖는 개체를 155세대만에 찾을 수 있었다. 목표 구간의 센서 데이터를 최대로 포함하는 구간을 설정한 후 식(1)에 의하여 계산한 결과는 1.

후속연구

• 센서 진화는 본 논문의 실험과 같이 센서 데이터의 해석 구간을 동적으로 변화시키는 분야에 적용될 수도 있지만, 더욱 가능성이 큰 분야는 센서의 결함 발생시 다른 센서의 데이터를 통한 장애물의 존재 유추, 환경 변화에 따른 해석 기준의 동적 적응 등이다. 추후 연구에서는 환경 변화에 따른 센서 데이터의 변화 적응, 센서의 특성 차이에 의한 데이터 차 적응 실험 등을 통하여 센서 해석의 정확도를 보다 향상시킬 수 있는 회로의 진화 시도가 필요하다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기