[박테리아]학습결과

이 프로젝트는 인공지능 커뮤니티 Gurugail(http://gurugail.com )에서의 개인프로젝트로 진행하는 것입니다.
=======================================================================================================

얼마전에 서울 코엑스에서 했던 ICASS(국제 제어 자동화 시스템 심포지엄)에 논문 발표하고 왔습니다.
국제학회 처음 가봤는데.. 생각보다 대체로 수준이 좋지 않더군요;;
하긴 뭐 그냥 시간나는 짬짬이 만든 이 프로그램이 통과될 정도니;

논문 풀페이퍼를 올릴까 했었는데,
학회에 제출한 논문은 저작권이 어떻게 되는지 몰라서
그냥 발표했던 ppt의 결과 부분만 편집해서 올립니다.


논문 제목은 무려 "Evolutional Interactivity in a swarm of robots"입니다.


이 앞의 내용은 지금까지 올렸던 내용과 같습니다.

우선 첫번째로 박테리아를 모방한 군집로봇 시스템의 성능을 평가하기 위해서,
상호작용을 하는 로봇군과 상호작용하지 않는 로봇군, 이상적으로 제어됐다고 가정했을 때의 계산결과를 비교했습니다.

성능평가는 로봇군이 환경에 뿌려진 타겟의 98%를 먹어치우는 시간으로 평가합니다.
성능비교는 100개의 환경에서의 평균 동작시간을 비교했습니다.

이상적으로 제어했다고 가정한 로봇의 움직임과 성능을 계산하는 방법입니다.
이걸 어떻게 할 것인가에 대한 논문도 꽤 있는데.. 결국 로봇이 환경의 상황을 완전히 파악할 수 있어야 가능하죠.

이게 가능하다고 하다면, 로봇군집이 낼 수 있는 성능의 한계선이라고 생각하시면 됩니다.

결과입니다. 상호작용하는 로봇군은 상호작용하지 않는 로봇군 보다 2배정도 속도로 일을 했고,
이상적으로 제어된 값에 73% 더 가까운 값을 냈습니다.

x 축은 로봇의 수입니다. 1대에서 10대까지 비교했고,
2대 이상일 때 성능차이의 비율은 비슷했습니다.

두번째로, 학습의 성능을 평가하기 위해
상호작용하지 않는 로보군, 최대의 가중치로 상호작용하는 로봇군,
학습을 통해 상호작용의 정도를 최적화하는 로봇군을 비교했습니다.

실험은 100개의 환경에 대하여 나타나는 곡선을 100번 평균한 ensemble average로 표현하였습니다.

로봇은 10대를 놓고 했고,
3가지 서로 다른 환경에 대한 성능평가를 했습니다.
이는 학습하는 로봇군이 환경에 잘 적응하는가를 보기 위한 겁니다.

이 3가지 서로 다른 환경은

주인이 달라서 먼지나 쓰레기의 분포가 다른 방들
지진 후 부상자의 분포가 다른 도시들
광물의 분포가 다른 달이나 화성의 표면

등으로 생각하시면 됩니다.

우선 첫번째 환경에서의 결과입니다.
타겟이 온 환경에 골고루 퍼져있고, 이 상황에서는 최대의 가중치로 상호작용하는 로봇의 성능이 제일 좋았습니다.
하지만 학습하는 로봇의 성능이 이를 쫓아가는 것을 보실 수 있습니다.

두번째 환경에서의 결과입니다.
학습하는 로봇군의 성능이 환경을 10번 정도 겪고 나니 성능이 안정되고,
다른 두종류의 로봇군보다 성능이 좋은 것을 보실 수 있습니다.

세번째 환경에서의 결과입니다.
다른 두종류의 로봇군보다 더 뚜렷하게 성능이 좋은 것을 보실 수 있습니다.





간단하게 요약하자면

제가 제안한 이 방법으로 청소로봇시스템을 만든다면

청소로봇시스템을 구입하고 일주일 정도 돌리고 나면
자기 방의 쓰레기 분포에 최적화된 움직임으로 최대한 빠르게 청소를 해낼 거라는 겁니다.


...근데 사실 하드웨어로 구현하려면 아직 안되는 게 많아서 무리라는 거 ㄱ-

지금 졸업논문으로 로봇 간 상대위치인식을 하드웨어로 구현하고 있는데..
어지간히 말 안듣는 군요. 이넘들.

타치코마의 꿈은 대략 멀군요.