선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 블랙보드 중심의 분산 제어 구조에서 하나의 독립적인 지식원으로 동작하는 작업 계획기의 설계에 애해 자세히 설명하고, 데모시스템을 소개하였다. 현재 프로토타입 수준의 작업 계획기룰 더욱 안정화하고 조건부 계획 기능을 추가 개발하는 방향으로 향후 연구가 진행되어야 할 것으로 판댠한다.
- 본 연구의 작업 계획기는 효율적인 작업 계획 생성을 위해 지역상태공간 탐색법 (local state-space search)의 하나인 EHC+ 탐색법과 계획그래프 (planning g「aph)-기반의 휴우리스틱(he니「istic) 계산법을 적용한다. 본 논문에서는 작업 계획기의 효율성과 블랙보드와의 연계성을 시험하기 위한 데모시스템에 대해 자세히 설명한다.
- 본 논문에서는 지능 로봇 시스템 제어를 위한 작업 계획기의 설계와 데모시스템 구현에 대해 설명한다. 블랙보드 중심의 분산 제어 구조에서 하나의 독립적인지식원 (Knowledge Source, KS) 으로 동작하는 작업계획기는 작업 관리기의 요청이 있을 때마다 지식베이스로부터 동작 모델과 월드 상태 정보를 제공받아 작업 목표 달성을 위한 작업 계획을 생성한다.
- 본 연구의 작업 계횕기는 효율적인 작업 계획 생성을 위해 휴우리스틱에 기초한 지역 상태공간 탐색 (local state-space search)S 전개한다. 잘 알려진 A* 탐색은 탐색의 완전성(completeness)과 허용성(admissibility) 을 보장할 수 있으나, 전역적 탐색의 하나로서 복잡도가 높은 로봇 작업 계획을 위해서는 메모리 요구량이 매우 크고 탐색 시간이 길다는 단점이 있다.
- 만약 상태노드 S3 이후에 더 우수한 再우리스틱 값을 갖는형제노드들01 있다고 하더라도 모두 무시되는 결과률 가져와서 탐색의 효율성과 계획의 최적성을 얻기 어렵다. 이와 같은 문제점을 극복하고자 본 연구에서는 [그림 3]과 같은 EHC+ 탐색법을 개발하였다. EHC+ 탐색은 기존의 EHC 탐색을 확장한 것으로서, 넓이-우선 탐색을 통해 현재 상태노드보다 휴우리스틱 값이 우수한 최초의 후손노드를 찾았으면 탐색을 남아 있는 형제노드들까지 탐색을 연장하여 그 레벨의 최우수 상태노뜨인 S4를 찾아 이것을 다음 탐색주기에서 시작노드로 삼는 탐색방법이다.
가설 설정
- [그림 8]은 서비스 로못의동작들을 정의한 한 예로서, 각 방들 사이를 오가는 서비스 로봇의 자율 이동 동작을 표준계획영역기술언어인 PDDL 로 정의한 것이다. 이러한 동작 모델은 대응되는 컴포넌트의 기능명세로부터 직접 자동 추출할 수 있다고 가정하였다. 동작모델 이외에 계획에 필요한 작업 목표와 상태 정보는 작업 관리기 등 다른 지식원과의 상호작용을 통해 입수한다.
- 작업 계획기 내부에는 이미 로봇에 설치되어 실행 중인기능 컴포넌트들을 기초로 [그림 8]과 같은 동작 모델을 저장하고 있다고 가정한다. [그림 8]은 서비스 로못의동작들을 정의한 한 예로서, 각 방들 사이를 오가는 서비스 로봇의 자율 이동 동작을 표준계획영역기술언어인 PDDL 로 정의한 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.