초록 ▼

본 과제에서는 타인의 마음속을 읽어 낼 수 있는 임간의 마음의 이론을 모방하여 학습을 통해 사용자의 의도를 모델링하고 이를 예측하는 기술을 개발함. 이러한 기술은 사용자의 외부로 드러나는 행동들을 수집하고 수집된 데이터로부터 학습하여 사용자의 의도를 모델링할 뿐만 아니라 부정확한 모델링 결과에 대해서는 능동적으로 사용자와 상호작용함으로써 부족한 데이터를 보강하여 사용자 의도에 기반한 향상된 예측을 가능하게 함. 더욱이 의도 모델링 및 예측의 성능을 더 향상시키기 위해 다양한 학습 방법을 조합하여 사용하는 앙상블 기법과 기존에 학습된

본 과제에서는 타인의 마음속을 읽어 낼 수 있는 임간의 마음의 이론을 모방하여 학습을 통해 사용자의 의도를 모델링하고 이를 예측하는 기술을 개발함. 이러한 기술은 사용자의 외부로 드러나는 행동들을 수집하고 수집된 데이터로부터 학습하여 사용자의 의도를 모델링할 뿐만 아니라 부정확한 모델링 결과에 대해서는 능동적으로 사용자와 상호작용함으로써 부족한 데이터를 보강하여 사용자 의도에 기반한 향상된 예측을 가능하게 함. 더욱이 의도 모델링 및 예측의 성능을 더 향상시키기 위해 다양한 학습 방법을 조합하여 사용하는 앙상블 기법과 기존에 학습된 의도 모델링에 데이터를 더할 수 있는 점진적 학습 기술을 추가하여 더 높은 정확도를 지닌 사용자 의도 모델링 기법과 그에 따른 적절한 대응 기술을 개발. 총 28편의 논문을 게재하여 대외적으로도 활발히 연구 성과를 발표함.

(출처:보고서 요약서 p.3)

Abstract ▼

The internal mechanisms to recognize and react to human intention are not built in a day but requires interactions for a long time. Based on the information about others, we can build a model on our brain and exploit them to understand their actions and intentions. The capability that infers human's

The internal mechanisms to recognize and react to human intention are not built in a day but requires interactions for a long time. Based on the information about others, we can build a model on our brain and exploit them to understand their actions and intentions. The capability that infers human's internal mental states from the external observation has been named as "Theory of Mind" in cognitive and psychological societies. With the function, human can construct and update other's models in his biological neural circuits. In this work, we attempt to develop intention modeling and prediction techniques inspired by human theory of mind.

(출처:SUMMARY p.6)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 요 약 문 ... 4
• SUMMARY ... 6
• CONTENTS ... 6
• 목차 ... 7
• 제 1 장 연구개발 과제의 개요 ... 8
• 제 1 절 연구개발의 필요성 ... 8
• 제 2 장 국내외 기술개발 현황 ... 10
• 제 1 절 세계적 수준 ... 10
• 제 2 절 국내수준 ... 10
• 제 3 절 국내외 연구현황 ... 10
• 제 3 장 연구개발 수행내용 및 결과 ... 14
• 제 1 절 능동적 관측 기술 개발 ... 14
• 제 2 절 능동적 관측 기술의 유용성 검증 ... 21
• 제 2 절 능동적 관측 기술의 유용성 검증 ... 21
• 제 3 절 의도 모델 정의 ... 23
• 제 4 절 은닉정도에 따른 추론 기술 개발 ... 27
• 제 5 절 앙상블 기술을 이용한 예측성능 향상 ... 35
• 제 6 절 점증적 학습 기술 개발 ... 40
• 제 7 절 의도 모델링 및 예측 기술을 대응기술과 통합 ... 47
• 제 8 절 다른 형태의 인터페이스에서도 작동할 수 있도록 융통성 제공 ... 49
• 제 4 장 연구개발결과의 활용계획 ... 55
• 제 1 절 연구개발결과의 활용방안 ... 55
• 제 2 절 기대성과 ... 55
• 제 5 장 연구개발과정에서 수집한 해외과학기술정보 ... 57
• 제 1 절 발달 로봇공학(developmental robotics)를 위한 호기심기반 학습/탐색 능동학습 라이브러리 ... 57
• 제 2 절 자동화된 실험 로봇 Eve ... 57
• 제 3 절 토픽 모델링 라이브러리 gensim ... 58
• 제 4 절 Deep Learning 기반 강화학습 연구 플랫폼 Deep Q R L ... 58
• 제 5 절 인공 신경망 기반 Turing Machine ... 59
• 제 6 절 Extreme Learning Machine ... 59
• 제 6 장 연구시설·장비 현황 ... 60
• 제 7 장 참고문헌 ... 61
• 끝페이지 ... 63