동적 프로그래밍과 변수 제거를 이용한 Dynamic Bayesian Network 기반의 Planning
- 발행기관 서강대학교 대학원
- 지도교수 오경환
- 발행년도 2007
- 학위수여년월 200702
- 학위명 석사
- 학과 및 전공 컴퓨터학
- 식별자(기타) 000000103794
- 본문언어 한국어
초록/요약
로봇 기술이 발전함에 따라 인간과 로봇의 상호작용 (Human-Robot Interation)은 최근 각광받는 분야이다. 지금까지 로봇은 사람이 하기 힘든 일을 대신 하기 위하여 구현된 기계로서 인식되어 왔으며, 주어진 작업을 보다 정확히 수행하기 위하여 복잡한 기계 공학적인 기술을 적용하는 것을 목표로 하였다. 1990년대 들어 사람들의 관심을 모아온 인간과 컴퓨터 상호작용(Human-Computer Interaction : HCI)분야에서 사람이 원하는 정보를 미리 추출하고 제공하기 위하여 사람의 프로파일을 작성하고 취향을 분석하는 연구들이 진행되어 왔다. 이와 같은 연구 결과에 한 단계 더 나아가 사람의 취향을 바탕으로 사람의 지시나 행동을 보고 사람의 목적(goal)을 파악하기 위한 연구가 진행되고 있다. 사람의 목적을 파악하여 목적에 해당하는 행동 방침들을 얻고자 하는 “계획수립(Planning)"분야에서 사람과 로봇이 상호작용을 통해 원하는 결과를 추론해낸다. 현재까지 planning 연구에서 사람이 원하는 목적을 추론하기 위하여 로봇이 행하는 많은 행동들을 확률적으로 계산해야 하기 때문에 엄청난 시간이 걸리며, 원하는 목적을 얻지 못하는 경우가 많다. 본 논문에서는 원하는 목적을 위하여 관찰된 행동을 통해 시스템이 어떠한 행동을 하였는지 확률로 계산하는 Planning을 모델링한다. 시간에 따라 변화하는 데이터의 관계를 확률로써 표현하기 위하여 기존의 동적 베이지안 네트워크(Dynamic Bayesian Networks : DBN)는 확률적 추론을 사용한다. 기존의 DBN 알고리즘에 변수 제거 방식과 동적 프로그래밍 개념을 이용하여 불필요한 계산을 줄여 기존 DBN 알고리즘 보다 추론의 정확성과 효율성이 높다는 것을 UCI의 Machine Repository Pioneer 데이터를 통해 입증하였다.
more초록/요약
According to the development of robot technology, Human-Robot Interaction is the field of study highlighted. Robot has been considered as a machine developed to substitute hard works of human, and targeted the application of complex engineering to perform the task more accurately. In 1990''s, in Human-Computer Interaction that has attracted people''s concerns, it has been done to draw up the profiles of human and examine their interests to extract and provide information in advance that human needs. The study is recently being conducted that find the goal of human considering their direction and behavior based on their habits. To gain the principle of behavior on the goal by understanding that of human, engineers draw the inference of the result needed from Planning through Human-Robot Interaction. Until now, because they have to calculate behavior of a robot probabilistic to draw the inference of goal that people need in the study on Planning, they can''t often achieve the goal they predicted. In this paper, Planning inferencing for wanted goal is modeled by calculating to probability what task system performs through the observed behavior. Dynamic Bayesian Networks uses the probabilistic inference to reveal the relation of data varying according to time. Machine Repository Pioneer data of UCI has proved that accuracy and efficiency of inference is more high than the existing DBN by lowering useless calculation applying the variable elimination method and the concept of dynamic programming for DBN algorithm.
more