동해안 항만 및 어항 개발사업에 따른 해양물리학적 영향평가 개선방안

김인철,김귀영,전경암,엄기혁,유준,이대인,김영태,김희정,Kim, In-Cheol,Kim, Gui-Young,Jeon, Kyeong-Am,Eom, Ki-Hyuk,Yu, Jun,Lee, Dae-In,Kim, Young-Tae,Kim, Hee-Jung 해양환경안전학회 2013 해양환경안전학회지 Vol.19 No.2

동해안 항만 및 어항 개발 사업에 따른 해양환경영향평가 개선방안을 제시하기 위해 2009년부터 2011년까지 3년간 동해안의 항만 및 어항 개발 사업에 따른 일반해역이용협의서 33건을 분석하였다. 분석결과 동해안에서 중점적으로 검토해야 하는 해류, 파랑, 수심측량 자료의 경우 각각 3건, 12건, 16건 만이 조사가 이루어졌다. 하지만 동해안에서 시행되는 항만 및 어항 개발사업의 경우 서해, 남해와는 다른 동해안의 해역특성이 고려된 해양환경영향평가가 이루어져야 한다. 동해안은 조석의 영향이 약하고 해류, 취송류, 파랑의 영향이 우세한 해역으로 동해안의 해수유동을 파악하기 위해서는 해류의 영향을 고려해야하고 항내 정온도 및 방파제 기능성 및 안정성 등 협의대상사업의 타당성을 확보하기 위해서는 파랑을 평가항목으로 고려할 필요가 있다. 또한 동해안에 발생되는 항내매몰 및 해안침식의 문제점을 비교적 정확히 예측 및 예방하기 위해서는 해빈류를 표사이동의 기본외력으로 설정해야 하고 인근 하천에서의 토사유입과 해당 해역의 정확한 수심자료를 수치모델링의 검증자료로 활용해야 한다. This paper suggested the improvement of marine environmental impact assessment in eastern coast as analyzing consultation on the coastal area utilization for development of ports and fishing harbors for 3years in the east coast. The results of survey are only 3cases, 12cases and 16cases each for ocean currents, wave and sounding data. However, for development of ports and fishing harbors in eastern coast, ocean characteristics in eastern coast different than in the West Sea, South Sea is considered to marine environmental impact assessment. For development of ports and fishing harbors in east coast where the influences of ocean currents, wind-driven current and waves are dominant, the effect of the current should be considered to improve the reproducibility of tidal current. The wave should also be considered as an assessment criteria to obtain the validity of project such as harbor tranquility, functionality of breakwaters and stability. In addition, sediment inflow in river and exact water depth data of the ocean should be applied to numerical modeling and set wave-induced current to external force of sediment transport to predict the problems such as the harbor siltation and the coastal erosion considering ocean characteristics in the east coast.

강화 학습에 기초한 로봇 축구 에이전트의 설계 및 구현

김인철,Kim, In-Cheol 한국정보처리학회 2002 정보처리학회논문지B Vol.9 No.2

로봇 축구 시뮬레이션 게임은 하나의 동적 다중 에이전트 환경이다. 본 논문에서는 그러한 환경 하에서 각 에이전트의 동적 위치 결정을 위한 새로운 강화학습 방법을 제안한다. 강화학습은 한 에이전트가 환경으로부터 받는 간접적 지연 보상을 기초로 누적 보상값을 최대화할 수 있는 최적의 행동 전략을 학습하는 기계학습 방법이다. 따라서 강화학습은 입력-출력 쌍들이 훈련 예로 직접 제공되지 않는 다는 점에서 교사학습과 크게 다르다. 더욱이 Q-학습과 같은 비-모델 기반의 강화학습 알고리즘들은 주변 환경에 대한 어떤 모델도 학습하거나 미리 정의하는 것을 요구하지 않는다. 그럼에도 불구하고 이 알고리즘들은 에이전트가 모든 상태-행동 쌍들을 충분히 반복 경험할 수 있다면 최적의 행동전략에 수렴할 수 있다. 하지만 단순한 강화학습 방법들의 가장 큰 문제점은 너무 큰 상태 공간 때문에 보다 복잡한 환경들에 그대로 적용하기 어렵다는 것이다. 이런 문제점을 해결하기 위해 본 연구에서는 기존의 모듈화 Q-학습방법(MQL)을 개선한 적응적 중재에 기초한 모듈화 Q-학습 방법(AMMQL)을 제안한다. 종래의 단순한 모듈화 Q-학습 방법에서는 각 학습 모듈들의 결과를 결합하는 방식이 매우 단순하고 고정적이었으나 AMMQL학습 방법에서는 보상에 끼친 각 모듈의 기여도에 따라 모듈들에 서로 다른 가중치를 부여함으로써 보다 유연한 방식으로 각 모듈의 학습결과를 결합한다. 따라서 AMMQL 학습 방법은 큰 상태공간의 문제를 해결할 수 있을 뿐 아니라 동적인 환경변화에 보다 높은 적응성을 제공할 수 있다. 본 논문에서는 로봇 축구 에이전트의 동적 위치 결정을 위한 학습 방법으로 AMMQL 학습 방법을 사용하였고 이를 기초로 Cogitoniks 축구 에이전트 시스템을 구현하였다. The robot soccer simulation game is a dynamic multi-agent environment. In this paper we suggest a new reinforcement learning approach to each agent's dynamic positioning in such dynamic environment. Reinforcement learning is the machine learning in which an agent learns from indirect, delayed reward an optimal policy to choose sequences of actions that produce the greatest cumulative reward. Therefore the reinforcement learning is different from supervised learning in the sense that there is no presentation of input-output pairs as training examples. Furthermore, model-free reinforcement learning algorithms like Q-learning do not require defining or learning any models of the surrounding environment. Nevertheless these algorithms can learn the optimal policy if the agent can visit every state-action pair infinitely. However, the biggest problem of monolithic reinforcement learning is that its straightforward applications do not successfully scale up to more complex environments due to the intractable large space of states. In order to address this problem, we suggest Adaptive Mediation-based Modular Q-Learning (AMMQL) as an improvement of the existing Modular Q-Learning (MQL). While simple modular Q-learning combines the results from each learning module in a fixed way, AMMQL combines them in a more flexible way by assigning different weight to each module according to its contribution to rewards. Therefore in addition to resolving the problem of large state space effectively, AMMQL can show higher adaptability to environmental changes than pure MQL. In this paper we use the AMMQL algorithn as a learning method for dynamic positioning of the robot soccer agent, and implement a robot soccer agent system called Cogitoniks.

북 마크 자동 분류를 위한 학습 에이전트

김인철,조수선,Kim, In-Cheol,Cho, Soo-Sun 한국정보처리학회 2001 정보처리학회논문지B Vol.8 No.5

웹은 이제 인터넷의 중요한 서비스중의 하나가 되었다. 웹 공간을 탐색할 때 사용자들은 항해하는 동한 만나는 흥미 있는 사이트들을 기록하기 위해 북 마크 기능을 이용한다. 북 마크 기능을 이용할때 겪는 문제중의 하나가 거듭된 새로운 북 마크의 추가로 인해 북 마크 리스트의 길이가 길어지면 북 마크 리스트가 일관성 있는 구성을 잃어버리게 되어 실제적인 도움을 주기 어렵다는 것이다. 사용자가 북 마크 파일을 효율적이고 체계적으로 유지하기 위해서는 북 마크 파일에 추가되는 새로운 북 마크들을 카테고리별로 분류하여 신규 폴더를 찾아 삽입해주어야 한다. 본 논문에서는 대응되는 웹 문서들을 다운 받아 내용을 분서함으로써 자동으로 북 마크를 분류하는 BClassifier라 불리는 학습에이전트를 소개한다. BClassifier 에이전트를 위한 훈련 예의 주된 공급원은 바로 사용자가 명시적으로 이미 주제에 따라 몇 개의 북 마크 폴더들로 분류해놓은 북 마크들이다. 여기에 주제 카테고리들을 확대하고 이들에 대한 훈련 문서들을 확보하기 위해 추가적으로 Yahoo 사이트의 최상휘 카테고리들로부터 웹 문서들을 수집하여 훈련 예에 포함시킨다. BClassifier 에이전트는 잘 알여진 확률기반의 분류 기술이나 나이브 베이지안 학습 방법을 채용하고 있다. 본 논문에서는 BClassifier 에이전트에 관한 몇 가지 실험 결과를 소개하고 평가한다. 나이브 베이지안 방법과 k-최근접 이웃 방법, TFIDF 등과 같은 서로 다른 학습 방법들과 비교 실험 결과도 제시한다. The World Wide Web has become one of the major services provided through Internet. When searching the vast web space, users use bookmarking facilities to record the sites of interests encountered during the course of navigation. One of the typical problems arising from bookmarking is that the list of bookmarks lose coherent organization when the the becomes too lengthy, thus ceasing to function as a practical finding aid. In order to maintain the bookmark file in an efficient, organized manner, the user has to classify all the bookmarks newly added to the file, and update the folders. This paper introduces our learning agent called BClassifier that automatically classifies bookmarks by analyzing the contents of the corresponding web documents. The chief source for the training examples are the bookmarks already classified into several bookmark folders according to their subject by the user. Additionally, the web pages found under top categories of Yahoo site are collected and included in the training examples for diversifying the subject categories to be represented, and the training examples for these categories as well. Our agent employs naive Bayesian learning method that is a well-tested, probability-based categorizing technique. In this paper, the outcome of some experimentation is also outlined and evaluated. A comparison of naive Bayesian learning method alongside other learning methods such as k-Nearest Neighbor and TFIDF is also presented.

BIST 환경에서의 천이 억제 스캔 셀 구조

김인철,송동섭,김유빈,김기철,강성호,Kim In-Cheol,Song Dong-Sup,Kim You-Bean,Kim Ki-Cheol,Kang Sung-Ho 대한전자공학회 2006 電子工學會論文誌-SD (Semiconductor and devices) Vol.43 No.6

This paper presents a modified scan cell architecture to reduce the power dissipation during testing. It not only eliminates switching activities in the combinational logic during scan shifting but also reduces switching activities in the scan chain during the time. Furthermore, it limits the transitions on capture cycles. It can be made for test-per-scan BIST and employed in both single scan style and multiple scan style. Experimental results demonstrate that the proposed structure achieves the same fault coverage with lower power consumption compared to other existing BIST schemes. 본 논문은 테스트 수행 중 발생하는 전력 소모를 줄이기 위한 변경된 스캔 셀 구조를 제안하고 있다. 이는 스캔 이동 중에 조합 회로 부분에서 발생하는 천이를 억제할 뿐 아니라 동시에 스캔 체인 내에서 발생하는 천이도 감소시킨다. 뿐만 아니라 캡쳐 싸이클에서 발생하는 천이 또한 제한시킨다. 제안하는 방식은 test-per-scan BIST 구조에 적합하고 싱글 스캔 구조 뿐 아니라 멀티 스캔 구조에도 적응 가능하다. 실험 결과는 제안하는 방법이 기존의 방법들과 비슷한 수준의 고장 검출율을 가지면서 보다 적은 전력을 소모한다는 것을 보여준다.

잡음 모델을 이용한 파티클 필터 측위

김인철,김승연,김혜숙,Kim, In-Cheol,Kim, Seung-Yeon,Kim, Hye-Suk 한국정보처리학회 2012 정보처리학회논문지B Vol.19 No.1

지능형 에이전트에게 요구되는 가장 기초적인 기능 중의 하나가 불확실한 센서 데이터에 의존하여 자신의 현재 위치가 어디인지를 파악하는 일이다. 본 논문에서는 가장 효과적인 확률 기반의 측위 기법인 파티클 필터를 실제 로봇 측위에 적용한 로봇 측위 시스템의 구현에 대해 설명하고, 성능 평가를 위한 실험의 결과를 소개한다. 특히 비-잡음 상태 전이 모델과 로봇 동작의 오차를 고려한 잡음 모델간의 비교 실험을 통해, 실제 로봇 동작의 불확실성에 근사한 상태 전이 모델이 파티클 필터 측위의 성능 개선에 도움이 될 수 있음을 보인다. One of the most fundamental functions required for an intelligent agent is to estimate its current position based upon uncertain sensor data. In this paper, we explain the implementation of a robot localization system using Particle filters, which are the most effective one of the probabilistic localization methods, and then present the result of experiments for evaluating the performance of our system. Through conducting experiments to compare the effect of the noise-free model with that of the noisy state transition model considering inherent errors of robot actions, we show that it can help improve the performance of the Particle filter localization to apply a state transition model closely approximating the uncertainty of real robot actions.

3차원 가상환경에서 동작하는 지능형 에이전트의 구조와 경로 찾기 행위

김인철,이재호,Kim, In-Cheol,Lee, Jae-Ho 한국정보처리학회 2003 정보처리학회논문지B Vol.10 No.1

In this paper, we Introduce the Unreal Tournament (UT) game and the Gamebots system. The former it a well-known 3D first-person action game and the latter is an intelligent agent research testbed based on UT And then we explain the design and implementation of KGBot, which is an intelligent non-player character deploying effectively within the 3D virtual environment provided by UT and the Gamebots system. KGBot is a bot client within the Gamebots System. KGBot accomplishes its own task to find out and dominate several domination points pro-located on the complex surface map of 3D virtual environment KGBot adopts UM-PRS as its control engine, which is a general BDI agent architecture. KGBot contains a hierarchical knowledge base representing its complex behaviors in multiple layers. In this paper, we explain details of KGBot's Intelligent behaviors, tuck af locating the hidden domination points by exploring the unknown world effectively. constructing a path map by collecting the waypoints and paths distributed over the world, and finding an optimal path to certain destination based on this path graph. Finally we analyze the performance of KGBot exploring strategy and control engine through some experiments on different 3D maps. 본 논문에서는 대표적인 3차원 일인칭 액션 게임인 Unreal Tournament 게임과 이것에 기초한 지능형 에이전트 연구용 테스트베드인 Gamebots 시스템을 소개한다. 그리고 이들이 제공하는 3차원 가상환경에서 동작하는 지능형 NPC인 KGBot의 설계와 구현에 대해 설명한다. KGBot는 Gamebots 시스템 내의 하나의 보트 클라이언트이다. KGBot는 3차원 가상환경 안에 숨겨진 목표점들을 찾아 효과적으로 점령하는 임무를 수행한다. KGBot는 범용의 BDI 에이전트 구조인 UM-PRS를 제어엔진으로 채용하고 있으며, 복잡한 행위들을 여러 계층으로 표현한 계층화된 지식베이스를 가지고 있다. 본 논문에서는 미지의 월드를 효과적으로 탐색함으로써 숨겨진 목표점들의 위치를 빨리 파악하고, 흩어져 있는 이동점들과 경로들을 찾아내어 경로 그래프를 작성하며, 이것에 기초하여 특정 목적지까지 지적의 이동 경로를 계획하는 KGBot의 지능 행위들에 대해 자세히 설명한다. 그리고 끝으로 다양한 3차원 지도를 이용한 실험을 통해 KGBot의 월드 탐색 전략과 제어엔진의 성능을 분석해본다.

컴포넌트 서비스 기반의 휴리스틱 탐색 계획기

김인철,신행철,Kim, In-Cheol,Shin, Hang-Cheol 한국정보처리학회 2008 정보처리학회논문지B Vol.15 No.2

Nowadays, one of the important functionalities required from robot task planners is to generate plans to compose existing component services into a new service. In this paper, we introduce the design and implementation of a heuristic search planner, JPLAN, as a kernel module for component service composition. JPLAN uses a local search algorithm and planning graph heuristics. The local search algorithm, EHC+, is an extended version of the Enforced Hill-Climbing(EHC) which have shown high efficiency applied in state-space planners including FF. It requires some amount of additional local search, but it is expected to reduce overall amount of search to arrive at a goal state and get shorter plans. We also present some effective heuristic extraction methods which are necessarily needed for search on a large state-space. The heuristic extraction methods utilize planning graphs that have been first used for plan generation in Graphplan. We introduce some planning graph heuristics and then analyze their effects on plan generation through experiments. 최근 들어 로봇 작업 계획기에 요구되는 중요한 기능 중의 하나가 이미 존재하는 컴포넌트 서비스들을 결합하여 새로운 서비스로 조합해낼 수 있는 계획 기능이다. 본 논문에서는 이러한 컴포넌트 서비스 조합을 위한 커널모듈로 개발된 휴리스틱 탐색 계획기인 JPLAN의 설계와 구현에 대해 설명한다. JPLAN은 효율적인 상태 공간 탐색을 위해 지역 탐색 알고리즘과 계획 그래프 휴리스틱을 이용한다. 본 논문에서 제안하는 지역 탐색 알고리즘인 EHC+는 FF 등의 상태 공간 계획기에 적용되어 높은 효율성을 보인 Enforced Hill-Climbing (EHC)을 확장한 것이다. EHC+는 EHC에 비해 소량의 추가적인 지역 탐색을 필요로 하지만 목표 상태까지 전체 탐색 양을 줄일 수 있고 더 짧은 계획을 얻을 수있다. 또한 본 본문에서는 대규모 상태 공간 탐색에 필수적인 효과적인 휴리스틱 추출 방법을 제안한다. 본 논문에서 제안하는 휴리스틱 추출방법은 Graphplan에서 계획 생성을 위해 처음 제안된 계획 그래프를 이용한다. 본 논문에서는 이러한 계획 그래프 기반의 다양한 휴리스틱들을 소개하고, 이들이 계획 생성에 미치는 효과를 실험을 통해 분석해본다.

모바일 퍼스널 어시스턴트의 지능 행위 구현을 위한 스마트 스크립트 시스템

김인철,오휘경,Kim, In-Cheol,Oh, Hui-Kyoung 한국정보처리학회 2011 정보처리학회논문지B Vol.18 No.2

본 논문에서는 동적 모바일 컴퓨팅 환경에 적합한 계획 실행 모델을 제시하고, 이 모델에 기초해 개발된 스마트 스크립트 시스템을 소개한다. 이 스마트 스크립트 시스템은 모바일 퍼스널 어시스턴트의 작업 지식을 기술하는 스마트 스크립트 언어와 스크립트들을 작업 목표와 환경 변화에 따라 동적으로 실행하는 실행 엔진 등을 포함한다. 또한, 본 논문에서는 스마트 스크립트 시스템의 유용성과 성능을 평가하기 위해 응용 서비스인 Smart Reservation를 구현하고, 실험을 전개한 결과를 소개한다. In this paper, we present the plan execution model for dynamic mobile computing environments, and then introduce the smart script system developed on these base models. The smart script system includes the smart script language, in which the task knowledge of a mobile personal assistant is represented, and the script execution engine, by which the scripts are dynamically executed in response to the given task goal and the environmental changes. In order to evaluate the utility and the performance of our system, we implement an application service called Smart Reservation and conduct some experiments.

연속 자유 공간에서 가우시안 보간법을 이용한 보행자 위치 추적

김인철,최은미,오휘경,Kim, In-Cheol,Choi, Eun-Mi,Oh, Hui-Kyung 한국정보처리학회 2012 정보처리학회논문지B Vol.19 No.3

본 논문에서는 대규모 실내 환경에서 WiFi 모듈이 내장된 스마트폰 사용자의 위치를 추적하기 위한 효과적인 이동 모델과 관측 모델을 제시한다. 제안하는 세 가지 부속 이동 모델들은 보행자의 움직임에 대한 더 정확한 예상 확률 분포를 제공한다. 또, 가우시안 보간법 기반의 관측 모델은 훈련 데이터 의 수집이 이루어지지 않은 지역들에 대해서도 관측 우도 계산을 가능하게 한다. 파티클 필터 프레임워크 속에 이와 같은 이동 모델과 관측 모델을 결합함으로써, 본 연구의 위치 추적 알고리즘은 대규모 실내 환경들에서도 스마트폰 사용자의 위치를 정확하게 추적할 수 있다. 한 복층 건물에서 안드로이드 스마트폰으로 수행한 실험을 통해, 본 연구에서 제안한 WiFi 위치 추적 알고리즘의 성능을 확인할 수 있었다. We propose effective motion and observation models for the position of a WiFi-equipped smartphone user in large indoor environments. Three component motion models provide better proposal distribution of the pedestrian's motion. Our Gaussian interpolation-based observation model can generate likelihoods at locations for which no calibration data is available. These models being incorporated into the particle filter framework, our WiFi fingerprint-based localization algorithm can track the position of a smartphone user accurately in large indoor environments. Experiments carried with an Android smartphone in a multi-story building illustrate the performance of our WiFi localization algorithm.

Vickrey 경매에 기초한 다중 에이전트 시스템에서의 작업 재할당

김인철,Kim, In-Cheol 한국정보처리학회 2001 정보처리학회논문지B Vol.8 No.6

The automated assignment of multiple tasks to executing agents is a key problem in the area of multi-agent systems. In many domains, significant savings can be achieved by reallocating tasks among agents with different costs for handling tasks. The automation of task reallocation among self-interested agents requires that the individual agents use a common negotiation protocol that prescribes how they have to interact in order to come to an agreement on "who does what". In this paper, we introduce the multi-agent Traveling Salesman Problem(TSP) as an example of task reallocation problem, and suggest the Vickery auction as an interagent negotiation protocol for solving this problem. In general, auction-based protocols show several advantageous features: they are easily implementable, they enforce an efficient assignment process, and they guarantce an agreement even in scenarios in which the agents possess only very little domain-specific Knowledge. Furthermore Vickrey auctions have the additional advantage that each interested agent bids only once and that the dominant strategy is to bid one′s true valuation. In order to apply this market-based protocol into task reallocation among self-interested agents, we define the profit of each agent, the goal of negotiation, tasks to be traded out through auctions, the bidding strategy, and the sequence of auctions. Through several experiments with sample multi-agent TSPs, we show that the task allocation can improve monotonically at each step and then finally an optimal task allocation can be found with this protocol.