2018년12월 18ZH1100-18-xxxx
사물-사람-공간의 유기적 연결을 위한
초연결 공간의 분산 지능 핵심원천 기술
Distributed Intelligence Core Technology of
Hyper-Connected Space
제 출 문
본 연구보고서는 주요사업인 "사물-사람-공간의 유기적 연결을
위한 초연결 공간의 분산 지능 핵심원천 기술"의 결과로서, 본
과제에 참여한 아래의 연구팀이 작성한 것입니다.
2018년 12월
연구책임자 : 책임연구원 손영성 (ETRI, 2018.01~12)
연구참여자 : 책임연구원 강현철 (ETRI, 2018.03~12)
책임연구원 고은진 (ETRI, 2018.05~12)
책임연구원 권동승 (ETRI, 2018.05~12)
책임연구원 김명은 (ETRI, 2018.01~12)
책임연구원 김성환 (ETRI, 2018.01~04)
책임연구원 김성희 (ETRI, 2018.05~06)
책임연구원 김영일 (ETRI, 2018.01~12)
책임연구원 김 현 (ETRI, 2018.01~12)
책임연구원 김현석 (ETRI, 2018.03~12)
책임연구원 명승일 (ETRI, 2018.01~12)
책임연구원 박광로 (ETRI, 2018.01~03)
책임연구원 박노삼 (ETRI, 2018.01~12)
책임연구원 박동환 (ETRI, 2018.01~12)
책임연구원 박만식 (ETRI, 2018.08~12)
책임연구원 박성희 (ETRI, 2018.10~10)
책임연구원 박준희 (ETRI, 2018.01~12)
책임연구원 방효찬 (ETRI, 2018.04~12)
책임연구원 배명남 (ETRI, 2018.01~12)
책임연구원 서영호 (ETRI, 2018.01~12)
책임연구원 손지연 (ETRI, 2018.01~12)
책임연구원 신동범 (ETRI, 2018.01~12)
책임연구원 신현순 (ETRI, 2018.08~12)
책임연구원 안동현 (ETRI, 2018.10~10)
책임연구원 안재영 (ETRI, 2018.01~12)
책임연구원 윤재관 (ETRI, 2018.01~12)
책임연구원 이강복 (ETRI, 2018.01~12)
책임연구원 이상연 (ETRI, 2018.03~12)
책임연구원 이성수 (ETRI, 2018.01~05)
책임연구원 이준경 (ETRI, 2018.01~01)
책임연구원 이형섭 (ETRI, 2018.10~10)
책임연구원 이훈기 (ETRI, 2018.01~12)
책임연구원 임선화 (ETRI, 2018.01~12)
책임연구원 임선환 (ETRI, 2018.01~12)
책임연구원 장일순 (ETRI, 2018.01~06)
책임연구원 장종현 (ETRI, 2018.01~07)
책임연구원 정동수 (ETRI, 2018.07~12)
책임연구원 정연준 (ETRI, 2018.01~06)
책임연구원 조광수 (ETRI, 2018.01~12)
책임연구원 조준면 (ETRI, 2018.01~12)
책임연구원 지덕구 (ETRI, 2018.05~12)
책임연구원 최길영 (ETRI, 2018.01~12)
책임연구원 최승한 (ETRI, 2018.01~12)
책임연구원 최원혁 (ETRI, 2018.01~12)
책임연구원 한미경 (ETRI, 2018.01~12)
책임연구원 한인탁 (ETRI, 2018.01~04)
책임연구원 허재두 (ETRI, 2018.01~03)
책임연구원 홍강운 (ETRI, 2018.01~12)
책임연구원 황승구 (ETRI, 2018.05~12)
선임연구원 강진아 (ETRI, 2018.08~09)
선임연구원 김성현 (ETRI, 2018.06~12)
선임연구원 김현석 (ETRI, 2018.07~12)
선임연구원 김현학 (ETRI, 2018.01~12)
선임연구원 모상현 (ETRI, 2018.07~10)
선임연구원 박상욱 (ETRI, 2018.01~04)
선임연구원 배희철 (ETRI, 2018.03~12)
선임연구원 손교훈 (ETRI, 2018.01~12)
선임연구원 송순용 (ETRI, 2018.01~12)
선임연구원 양회성 (ETRI, 2018.01~12)
선임연구원 유석봉 (ETRI, 2018.05~12)
선임연구원 윤현진 (ETRI, 2018.01~12)
선임연구원 이은서 (ETRI, 2018.01~12)
선임연구원 이혜선 (ETRI, 2018.01~12)
선임연구원 장인국 (ETRI, 2018.01~12)
선임연구원 최진철 (ETRI, 2018.01~12)
선임연구원 한규원 (ETRI, 2018.01~12)
선임연구원 한효녕 (ETRI, 2018.01~12)
연구원 손종권 (ETRI, 2018.01~12)
연구원 우성필 (ETRI, 2018.01~12)
연구원 이동훈 (ETRI, 2018.01~12)
연구원 이학준 (ETRI, 2018.01~12)
연구원 장수영 (ETRI, 2018.01~12)
연구원 전지훈 (ETRI, 2018.07~12)
연구원 정민기 (ETRI, 2018.01~12)
연구원 진준호 (ETRI, 2018.01~11)
UST 연구생 김정균 (ETRI, 2018.01~12)
UST 연구생 문지혜 (ETRI, 2018.01~05)
UST 연구생 시아다리 (ETRI, 2018.01~04)
UST 연구생 임정선 (ETRI, 2018.01~12)
연구연수생 김동훈 (ETRI, 2018.06~08)
연구연수생 김지나 (ETRI, 2018.06~08)
연구연수생 박상우 (ETRI, 2018.01~02)
연구연수생 박숭미 (ETRI, 2018.01~02)
연구연수생 왕종인 (ETRI, 2018.06~08)
연구연수생 이충훈 (ETRI, 2018.06~08)
연구연수생 전윤회 (ETRI, 2018.01~02)
연구연수생 정석현 (ETRI, 2018.06~08)
연구연수생 최민경 (ETRI, 2018.01~02)
요 약 문
Ⅰ. 제 목
o 대과제명: 초연결 분산 지능 및 트러스트 데이터 핵심 원천기술 개발 o 세부과제명: 사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분산 지능 핵심원천 기술Ⅱ. 연구목적 및 중요성
본 연구는 사물인터넷 기반 초연결 환경에서 공간에 주어진 미션과 공간의 다양 한 환경을 인지하고, 상황에 맞게 효율적이고 자율적으로 문제를 해결하는 초연결 공간의 분산지능 핵심 원천 기술의 개발을 목표로 한다. 본 연구에서 개발할 주요 핵심 요소 기술은 지식을 공유하고 협업이 가능한 분 산 지능사물 핵심인프라 SW 기술, 미션을 인지하고, 자율적으로 분배 및 자가조직 하는 미션 프레임워크 SW 기술, 그리고 대규모 사물-사람-공간 복잡 적응계 초연결 지능공간 Simulated Reality POC (제조, 재난안전) 기술로 구성된다.본 연구는 초연결 환경에서 분산된 지능요소들간의 협력 기술을 바탕으로 인공 지능 기술 혁신을 선도하는 역할을 담당할 것이며, 이를 위해 분산된 에이전트 간 의 상호작용 과정에서 지능을 개입시켜 합의 및 의사결정 자율성을 부여하는 방식 으로 기술 개발을 추진한다. 본 연구의 결과물은 불확실성을 내포하는 현실세계의 문제를 해결하는데 활용할 것으로 예상한다. 특히 현장에서의 빠른 대응이 요구되 는 즉시성 IoT 응용은 빠른 의사결정이 중요하며, 본 연구결과물의 적용시 네트워 크 연결 지연 또는 단절이 발생하여도 의사결정 기능 제공이 가능하다.
현실세계에 문제가 발생하였을 때 크게 피해를 볼 수 있는 재난 또는 제조현장 에서 본 연구를 우선적으로 적용할 것이며, Simulated Reality 기술을 통해 가상 공간에 복잡성을 갖는 사회, 경제 시스템, 그리고 기술환경/자연세계 등을 재현하 는 동적 분석 및 예측 분석 환경을 구축 할 수 있다.
Ⅲ. 연구내용 및 범위
본 연구는 초연결 공간의 사물인터넷 환경에서 공간에 주어진 미션을 인지하고, 지능 사물간 협력을 통해 자율적인 문제해결 기술을 제공하는 지능형 사물 분산 협업 원천 핵심 기술 확보를 목표로 한다. 우선적으로 1 차년도에는 지능형 사물 분산 협업 원천 핵심 기술 확보를 위한 개념정립, 기술 요구사항 도출 및 핵심 요 소 기술을 분석하며, 최종연도에는 ALFUS 레벨 8 기준을 만족하는 자율 분산지능 핵 심 기술을 반영한 연구시작품을 제작하여 개념 검증을 위한 제조 및 재난안전 분 야에 적용을 단계적으로 추진한다. 당해연도(1 차년도, 2018)의 세부적인 연구 범위는 다음과 같다. - 경량 지능사물을 위한 인지, 추론, 의사결정 기술 개발 - 피드백 기반 경량형 지능사물 강화 학습 기술 개발 - 사물-사람-공간 관계 분석을 통한 분산지능 요구사항 및 기능 정의 - 분산지능 조직화를 위한 미션 정보 모델 개발 - 미션 수행을 위한 태스크 정보 모델 개발 - 사물지능 분산 협업을 위한 시뮬레이션 요소기술 및 구조 설계 - 온디맨드 이종 제품의 효율적 생산 미션 수행을 위한 동적 작업 스케쥴링 요소 기술 설계 및 의사결정 방식 모델링 - 재난안전 초연결 공간 구성을 위한 인지증강 요소 기술 및 미션/대응 지식 저작 기술 개발 - 사물-사람-공간의 분산 지능 운용 환경을 위한 통합 프레임워크 및 인터페 이스 기능 정의Ⅳ. 연구결과
본 연구의 당해연도 결과물은 초연결 공간의 분산 지능의 구성요소인 지능사물 에이전트, 미션 자율인지, 초연결 지능공간 POC 핵심 기술에 대한 시스템 구조설계, 요구사항 및 시나리오 도출이다.Ⅴ. 연구개발결과의 활용계획
본 연구의 최종 결과물은 현실공간과 초연결 공간의 분산지능 기술 요구사항을 반영한 시스템 사람-사물-공간이 복잡하게 연결되어 있는 초연결 공간의 지능형 에이전트 자율협업 핵심기술을 확보하여 현실 사회 문제 해결에 활용하고자 한다. 본 연구의 핵심요소 기술인 분산지능 해법은 가상환경에서 논의되어 왔던 지능 의 탈집중화 및 지능사물 기반의 분산화 흐름을 현실세계로 소환하는 효과가 있으 며, 사물에 지능을 부여하는 기술을 통해 센서 수준의 사물로 구성된 현실 공간에 서 지능화된 서비스를 가능하게 할 것으로 예상하고 있다. 본 연구의 핵심요소 기술이 필요한 대표적인 분야로는 제조, 교통, 물류, 에너지, 소셜네트워크 등이 있으며, IoT 센서와 액츄에이터가 설치된 모든 공간에서 로컬 최적화를 통해 글로벌 유사 최적화 솔루션을 제공하는 현실적인 대안이 될 수 있 다. 또한, 로컬 최적화 문제를 해결하는 원천기술은 다양한 산업분야에 활용되어 새로운 솔루션을 창조할 수 있다. 특히, 과제 수행의 결과 POC 로 개발될 제조분야 및 재난안전분야는 분산지능을 활용한 문제 해결의 실례를 보여줄 것이며, 해당 산 업 현장에서 본 연구에서 구축된 시스템을 즉시 활용할 수 있다.Ⅵ. 기대성과 및 건의
본 연구를 통해 차세대 인공지능 핵심 기술인 협력지능에 대한 선도적 연구 수 행으로, AI 분야의 기술적 추격자에서 선도자로 전환하여 미래유망 연구분야를 선 점할 수 있다. 수십년간 이론적 중심으로 정립되고 제한된 가상조건 하에서 논문연 구의 검증 수준에서 판단되어 왔던 분산 AI 기술을 현실세계의 문제에 직접 적용및 검증하는 최초의 시도임에 의의가 있다. 미션 크리티컬한 시스템 구축에서는 미션을 시스템에 이해시키는 과정이 설계자 와 프로그래머의 역할, 즉, 일종의 중앙지능으로 인식되었고 많은 개발시간과 사전 검증이 매우 중요하였으나, 본 과제에서는 센싱과 액츄에이팅에 기반한 환경에서의 자율적 대응 뿐만 아니라 미션에 대한 인지와 자율적 적응이 가능한 기술을 개발 하여 다양한 현실 복잡계 문제를 편의적으로 해결하는데 기여할 수 있다.
목 차
제 1 장 서론 ... 18
제 1 절 연구배경 ... 18 제 2 절 연구목표 및 내용 ... 20 1. 최종목표 ... 20 2. 연차별 연구개발 목표 및 내용 ... 21 3. 당해연도 성과지표 및 목표설정 ... 24 제 3 절 국내외 연구개발 동향 ... 25 1. 국내외 기술동향 및 수준 ... 25제 2 장 사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분
산 지능 핵심원천 기술 개발 ... 33
제 1 절 연구개발 추진 체계 ... 36 제 2 절 기술개발 추진 일정 ... 38 제 3 절 해당연도 추진 실적 ... 41 1. 계획 대비 실적 ... 41 2. 실적 세부설명 ... 51 제 4 절 연구개발결과 ... 160 1. 연구개발 결과 요약 ... 160 2. 연구개발 결과 세부 내용 ... 161제 3 장 연구개발 결과의 활용계획 ... 180
제 4 장 결론 ... 182
제 5 장 연구 시설ㆍ장비 현황 ... 183
약어표 ... 188
부록 ... 191
1. 위탁과제 ... 191
그림목차
(그림 1) 최종 연구목표 ... 20 (그림 2) 분산지능의 개념적 분류 ... 26 (그림 3) CPSwarm 개념도 ... 27 (그림 4) 하버드대학 킬러봇 ... 28 (그림 5) 추진체계도 ... 36 (그림 6) 동적 협업 지능 구성 ... 51 (그림 7) 지능요소 동적 Adaptation 기술 ... 52 (그림 9) 액션 및 피드백 모니터링 시스템 개념도 ... 53 (그림 10) 액션규칙 및 다중 데이터 매핑 함수 학습 시스템 개념도 ... 53 (그림 11) IBM Watson 의 정의 ... 54 (그림 12) 블록체인기술 개요 ... 54 (그림 13) Multi-Agent 분석 방안 분류 ... 55 (그림 14) Multi-Agent Network 조직화 방안 ... 56 (그림 15) 화재 대응 시나리오 환경 ... 57 (그림 16) 화재 대응 서비스 시스템 ... 57 (그림 17) 화재대응 시나리오 기반 유스케이스 UML ... 57 (그림 18) 분산 지능 시스템 모델 개념도 ... 59 (그림 19) 분산 상황 인지 시스템 구성도 ... 59 (그림 20) 상황학습용 훈련데이터 예제 ... 60 (그림 21) 환경센서 조사 및 분석 ... 60 (그림 22) 실내 환경정보 측정용 센서 ... 60 (그림 23) 환경정보 측정 시험용 단말 ... 61 (그림 24) 환경 센서 데이터 ... 61 (그림 25) 센서 데이터 변화 추이 ... 62 (그림 26) 아크릴 기구물 구성도 ... 62 (그림 27) 센싱 디바이스 시작품 ... 63 (그림 28) 액추에이터 제어용 시작품 ... 63 (그림 29) LoRa 통신보드 시작품 ... 64 (그림 30) 환경정보 수집 프로그램 구동화면 ... 64 (그림 31) 센서 데이터 수집 DB ... 65 (그림 32) 센서 데이터 가시화 화면 ... 65 (그림 33) IoT 디바이스 관리화면 ... 66(그림 34) 심볼릭 플래닝 ... 66 (그림 35) 인텔 Coach 프레임워크 ... 67 (그림 36) 심볼릭 플래닝, 강화학습을 융합한 계층적 플래닝 ... 67 (그림 37) 미션, 태스크, 액션 등의 계층적 구조 ... 67 (그림 38) 태스크 추상화 JSON 정의 ... 68 (그림 39) 도메인 지식 기반 태스크 분할 사례 ... 68 (그림 40) 분산 에이전트 환경에서 에너지 효율을 고려한 태스크 할당 기 법 ... 69 (그림 41) 에이전트 정보 관리 기능도 ... 69 (그림 42) JSON, REST, MQTT 기반 에이전트 정보교환 프로토콜 ... 70 (그림 43) IoT 디바이스 간 사물지식 공유를 위한 아키텍처 ... 70 (그림 44) 주요 미션 사례 ... 70 (그림 45) 교통 환경에서 에이전트 기반 교통신호제어 모델링 ... 71 (그림 46) 분산지능 미션 협업 유형 분석 ... 72 (그림 47) 분산지능 에이전트 협력 방식 분석 ... 72 (그림 48) 미션 정보 규격화 ... 73 (그림 49) 미션 저작 도구 디자인 ... 74 (그림 50) 분산 협업 미션 배포 구조 ... 74 (그림 51) 미션 변환 프로토타입 ... 75 (그림 52) 미션 태스크 매핑 점화 알고리즘 ... 76 (그림 53) 에이전트 학습 환경 시뮬레이터 비교 ... 77 (그림 54) 최신 에이전트 강화학습 알고리즘 분류 (2015~) ... 78 (그림 55) 가상공간 학습 환경기반 에이전트 지능 학습 기능 구조 ... 79 (그림 56) 협업형 Unity ML-에이전트 학습 방법 비교 ... 80 (그림 57) 협업형 Unity ML-에이전트 훈련련 결과: (상)협업중인 2 개의 에이전트, (하)훈련에 따른 누적 보상 증가 추이 ... 81 (그림 58) 네비게이션 Unity ML-에이전트 관측값 비교 ... 81 (그림 59) Visual Observation 기반 지능형 에이전트 ... 83 (그림 60) 통신 대상 및 반경 설정 기능 ... 83 (그림 61) Curved Environment ... 84 (그림 62) 알고리즘에 따른 누적 보상 결과 ... 84 (그림 63) 알고리즘에 따른 성능 평가 결과 ... 85 (그림 64) 분산협업지능 적용 사회적 문제 해결을 위한 시나리오 ... 85 (그림 65) 유해물질확산에 대한 시각화 시뮬레이션 ... 86 (그림 66) 유해화학물질 확산모델 기반 Agent based 시뮬레이션 시나리오 ... 86 (그림 67) 유해화학물질 확산모델 기반 Agent based 시뮬레이션 시나리오 ... 86 (그림 68) 모기활동예측모델 기반 Agent based 시뮬레이션 시나리오 ... 87
(그림 69) 동 단위 상세기온 산출 폭염예측 시뮬레이션 ... 87 (그림 70) 폭염 예측모델 기반 Agent based 시뮬레이션 시나리오 ... 88 (그림 71) 설계 및 시각화 툴킷과 강화학습 프레임워크 인터페이스 ... 89 (그림 72) 도로 설계 및 건축 기능 ... 89 (그림 73) 재난 상황(불) 재현 기능 ... 90 (그림 74) 재난 관련 차량에 대한 독립된 카메라 및 뷰포트 ... 90 (그림 75) 데이터 병렬 처리 ... 91 (그림 76) 모델 병렬 처리 ... 91 (그림 77) 계층별 모델 분할 ... 92 (그림 78) 입력 피쳐별 모델 분할 ... 92 (그림 79) 하이브리드형 모델 분할 ... 92 (그림 80) 풀 메시 토폴로지 ... 93 (그림 81) 스타 토폴로지 ... 93 (그림 82) Petuum 아키텍처 ... 94 (그림 83) SINGA 딥러닝 플랫폼 ... 94 (그림 84) MXNet 아키텍처 ... 94 (그림 85) RAY 아키텍처 ... 95
(그림 86) RLlib with RAY 아키텍처 ... 95
(그림 87) 분산 병렬 학습 프레임워크 ... 96 (그림 88) 제조 자율성 수준 평가 Metrix ... 101 (그림 89) 자율화 공장 평가 ... 101 (그림 90) ALFUS 자율성 목표 ... 102 (그림 91) 팩토리 자원 AML 모델 ... 102 (그림 92) 분산지능 의사결정 시나리오 ... 103 (그림 93) 분산지능 의사결정 시나리오 1 ... 103 (그림 94) 분산지능 의사결정 시나리오 2 ... 104 (그림 95) 시나리오별 비교실험 (1) ... 105 (그림 96) 시나리오별 비교실험 (2) ... 105 (그림 97) 동시주문 작업개수에 따른 Maximum lateness 비교 ... 106 (그림 98) 협력(coopration) 유스케이스 ... 106 (그림 99) 협동(collaboration) 유스케이스 ... 107 (그림 100) 제조라인 자율구성 시나리오 ... 107 (그림 101) 제조 자율스케줄링 시나리오 ... 107 (그림 102) 제조 자율 학습 및 보정 시나리오 ... 108 (그림 103) 제조 PoC 개발 환경 ... 109 (그림 104) 지능 설비 Agent 구조 ... 109 (그림 105) 가상 환경 구성 ... 110
(그림 106) Agent 구성 ... 110 (그림 107) 시나리오 구성 설비 ... 111 (그림 108) GUI Interface ... 111 (그림 109) 신규 라인 구성 시나리오 ... 111 (그림 110) 라인 변경구성 시나리오 ... 112 (그림 111) 설비 이상(재료소진,고장) 시나리오 ... 112 (그림 112) 다중 센서 정보 ... 113 (그림 113) IR 절대 온도 가시화 기술 ... 113 (그림 114) 상대거리 기반 그룹이탈 위험 표시 ... 114 (그림 115) 위험 정보 가시화 서비스 ... 114 (그림 116) 자기 상태 메시지 포멧 ... 115 (그림 117) 자기 위험 가시화 및 알림 ... 115 (그림 118) 단절 위치 보고 동작 순서 ... 116 (그림 119) 단절위치 보고 버튼 할당 ... 116 (그림 120) 단절 위치 가시화 ... 117 (그림 121) 노드간 Weight 를 고려한 최단 거리계산 ... 117 (그림 122) 단절 위치에 의한 우회 경로 표시 ... 118 (그림 123) 증강인지 서비스 핵심 API ... 118 (그림 124) 핵심 API 관계도 ... 119 (그림 125) 인공감각정보 교환 방식 모델 ... 119 (그림 126) 대원장비 관리 UI ... 120 (그림 127) 귀환경로 매핑 흐름도 ... 120 (그림 128) 증강인지 서비스 통합시험 구성도 ... 121 (그림 129) Standalone 모드 동작 순서 ... 121 (그림 130) 출동지시 구성도 ... 122 (그림 131) 이력 전달/저장/조회 구성도 ... 122 (그림 132) 지도 발생/저장/관리/수신 구성도 ... 123 (그림 133) TTA 표준 ... 123 (그림 134) 허리기반 PDR 알고리즘 블록도 ... 124 (그림 135) 보정 알고리즘 시험 결과 ... 124
(그림 136) UWB Range Finder 모듈 ... 124
(그림 137) UWB Long Range Finder 모듈 ... 125
(그림 138) 알고리즘 시험을 위한 Android 용 application ... 125
(그림 139) 융합항법 알고리즘 개념 및 시뮬레이션 결과 ... 126
(그림 140) LoRa 4x4 Channal Base Station 보드 ... 126
(그림 141) LoRa Base station 송/수신 결과 ... 127
(그림 143) LoRa 900MHz 대역 수신 phase 시뮬레이션 결과 ... 128
(그림 144) LoRa End Device 보드 ... 128
(그림 145) LoRa End Deivce 통신 시험 결과 ... 128
(그림 146) PASS Unit 기구물 ... 129 (그림 147) Range Finder 기구물 ... 130 (그림 148) 고층화재의 특성 다이어그램 ... 131 (그림 149) 롯데월드타워의 안전 점검 현황(1) ... 132 (그림 150) 롯데월드타워의 안전 점검 현황(2) ... 132 (그림 151) CTBUH 의 결과 분석 ... 133 (그림 152) 재난안전 POC 의 시나리오 도출 결과 ... 133 (그림 153) 분산지능 기반 엣지 컴퓨팅 구조 지능형 GW ... 134 (그림 154) 재난안전 POC 운용을 위한 시스템/서비스/사용자의 구조 ... 135 (그림 155) 초고층 빌딩에 배치되는 지능형 GW 분포 구조도 ... 135 (그림 156) 유연제조 생산을 위한 지능형 에이전트 학습 시나리오 ... 136 (그림 157) 재난 대응을 위한 분산지능 에이전트 학습 및 시뮬레이션 시나 리오 ... 136 (그림 158) 모의 재난 환경 ... 137 (그림 159) 교통 시뮬레이션 환경 ... 137 (그림 160) 통합 프레임워크에서 논리적 시간 관리의 필요성 ... 139
(그림 161) Time Resolution Management ... 139
(그림 162) Time synchronize management ... 140
(그림 163) Data Management ... 140 (그림 164) Model Management ... 141 (그림 165) 이상 보행자 탐지 시나리오 개요 ... 141 (그림 166) 이상 보행자 탐지 시나리오 구조 ... 141 (그림 167) 이상 보행자 탐지 시나리오 동작 화면 ... 142 (그림 168) 화재 확산 시뮬레이션 FDS 의 특징 ... 143 (그림 169) FDS 를 통한 연기의 확산 시뮬레이션 (Smokeview) ... 143 (그림 170) 드론 하드웨어 구조의 일례 ... 145 (그림 171) NVIDIA 사 자율비행 드론의 CNN 알고리즘 ... 145 (그림 172) 3 차원 위치 인식을 위한 기술 분류 ... 145 (그림 173) 대피안내 시스템 (㈜코너스) ... 147 (그림 174) 적응형 피난 안내 (EATON) ... 147 (그림 175) 응급구조 위치확인 시스템(㈜CONIS) ... 148 (그림 176) CLEERIO 의 응급구조 위치확인 시스템 (BIONEXUS) ... 148 (그림 177) 무선 탐색 기반 대피로 안내 기술의 개념도 ... 149 (그림 178) 개인 안내 장치 기반의 최적 대피로 안내 시스템 ... 150
(그림 179) Infra 기반 최적 대피로 안내 시스템의 신호흐름 ... 150 (그림 180) 구조로 탐색 시스템 ... 151 (그림 181) 구조 진입로 안내 서비스 흐름도 ... 152 (그림 182) 강화학습연동 인터페이스 설계 및 개발 ... 153 (그림 183) 시뮬레이터 실행 및 환경 구축 기능 구조도 ... 154 (그림 184) 미세규모 기상모델 시각화 시뮬레이션 설계 ... 154 (그림 185) 기상모델 시각화 시뮬레이션 ... 155 (그림 186) 확산모델 시각화 시뮬레이션 ... 155 (그림 187) 미세먼지 농도에 따른 디스플레이 불량률 모델 설계 ... 156
(그림 188) AnyLogic 에서의 Dynamic Modeling 화면 ... 156
(그림 189) 분산 지능 시뮬레이터 구조도 ... 157 (그림 190) 학습 환경 구성 ... 158 (그림 191) 지능 사물 학습 화면 ... 158 (그림 192) 지능 사물 학습 중 누적 보상 도식 - 하늘색: 지능형 에이전트 (경찰), 빨간색: 지능형 에이전트(소방) ... 158 (그림 193) 공간-사물-학습 시스템 간 연계 통한 동작 화면 ... 159
표목차
(표 1) 지능형 에이전트 모델링 ... 82 (표 2) Mission Complexity 평가항목 ... 97 (표 3) Human Independence 평가항목 ... 97 (표 4) Environment complexity 평가항목 ... 98 (표 5) 자율성 ALFUS 수준 정량화 ... 99 (표 6) MC, EC, HI 기준 자율성 수준 정량화 ... 100 (표 7) 무인기 ICT 기술의 나라별 비교 ... 144 (표 8) 무인이동체 자율지능 단계별 분류 ... 146 (표 9) 지능 사물 종류에 따른 API(일부) ... 157제1장 서론
제1절 연구배경
딥러닝 기술의 등장과 다양한 산업분야에서 AI 의 적용으로 다시 붐을 일으키고 있는 인공지능은 이제 다음 단계로 진입할 준비가 필요하다. 현재의 인공지능은 인 간의 지능적인 작용들을 이해하려는 학문으로 학습, 추론, 인식에 집중되어 있다. 다음 단계의 인공지능이 어느 방향으로 진화될 지를 추측하는 것은 매우 어려운 일이지만, 인간의 지능을 모방하면서 시작된 기술이기 때문에 인류의 진화에서 그 힌트를 찾을 수 있다. 사회학적으로 사람은 집단 거주와 상호 협력에 의해 진화해 나간 것으로 연구되어 있어, 인공지능의 다음 단계는 협력지능이 될 것으로 예측할 수 있으며, 이는 지능이 분산된 분산지능 환경이 전제가 된다. IoT 기술은 연결성과 관리 중심의 1.0 에서 초연결성, 지능 중심의 2.0 으로 진화 중이며, 기존 연결성 및 정형적 관리모델 기반의 문제해결 기술로는 해결하기 어려 운 문제로, 사물의 연결, 발견, 등록, 탐색 등 모든 것이 인터넷에 연결된 세상을 이루기 위한 IoT 1.0 에서 이젠 사물에 지능을 부여하여 현장에서 문제에 대응하는 즉시적 해결이 가능한 기술 개발 수요가 증가하고 있다.글로벌 시장 동향 조사기관인 ABIresearch 및 Gartner 에서는 IoT 장치가 생산하 는 데이터의 양이 폭발적으로 증가하는데 반해 데이터 처리를 위한 기술이 부족한 것을 지적하고 있다. 프로그래밍 해야 할 규칙이 너무 복잡하고 외부 요소가 많으 며 반복적인 작업의 오류와 지연에 따른 문제 해결과 데이터의 가치를 창출을 위 해 IoT 단말에서 자체적으로 데이터를 처리하는 기계학습 및 AI 기반의 지능화 기 술 도입이 필요할 것으로 전망하였다. 본 연구는 초연결 공간에 산재된 지능 사물들이 상호간에 연결되고 협력하여, 그 공간 에 주어진 미션과 공간의 다양한 환경을 인지하고, 상황에 맞게 효율적으로, 자율적으로
하게 얽혀있는 교통, 금융, 제조, 재난안전, 소셜네트워크, 에너지 등 현실 세계에서 풀 기 어려운 초연결 공간의 문제 해결을 위한 솔루션 개발을 추진하고 있다. 연구의 목표 를 달성하기 위해 MAS(Multi-Agent System) 기술의 활용을 검토하고 있으며, 로컬 최적화 방법을 통해 복잡한 현실세계의 문제를 해결할 수 있다. 현재까지 MAS 기술은 컴퓨터 게 임과 같은 가상공간에서의 복잡한 문제 해결에 활용되고 있으나, 현실 세계와 결합한 문 제 해결 또는 현실세계에서의 분산지능 적용을 위한 연구가 필요하며 본 과제의 연구범 위에 포함되어 있다. “사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분산 지능 핵심원천 기술”을 바탕으로 유망 연구분야의 선점을 통해 국가 과학기술의 경쟁력 향상 에 기여할 수 있다. 본 연구에서 초연결 공간에서의 복잡한 문제 해결을 위해 개발하고자 하는 개발 분산지능의 주요 핵심 기술 요소와 접근 방법은 아래와 같다. - 미션의 정의 및 표현, 자율적 분할 및 분배 - 지능사물이 연동하여 새로운 협업지능을 구성하는 것 - 지능과 미션의 하모나이징 - 미션 혹은 태스크를 수행하는 지능형 사물간의 합의 - 분산지능의 학습 본 연구에서 개발한 원천기술은 다음과 같이 실제적인 분산지능이 요구되는 시 나리오에 적용하여 개념을 검증한다. - 분산지능 기반의 인간의 인지 증강 POC 는 재난안전 지역과 같은 인프라가 상실된 극한·열악 현장에서 주변의 위험요소를 인지하고, 안전하게 대응하 는 기술을 구현하여 검증 - 분산지능 기반 자율 생산시스템 POC 는 중앙집중식의 생산계획을 분산된 환 경 속에서 최적에 가까운 생산라우팅을 지원하는 기술을 구현하여 검증 - 현실적인 검증이 가능한 POC 시나리오를 개발하되, 궁극적으로 결과물이 적 용되어야 하는 복잡계 시스템에서의 실현가능성 검증을 위해 POC 와 시뮬레 이션 환경을 매시업하여 기술 검증 수행
제2절 연구목표 및 내용
1. 최종목표
본 연구는 사물인터넷 기반 초연결 환경에서 공간에 주어진 미션을 인지하고, 지 능사물 간 협력을 통해 자율서비스를 제공하는 지능형 사물 분산 협업 원천 기술 확보를 목표로 한다. (그림 1) 최종 연구목표 이를 통해 달성하고자 하는 세부 기술개발 목표는 다음과 같다. - 지식을 공유하고 협업이 가능한 분산 지능사물 핵심 인프라 SW - 미션을 인지하고, 자율적으로 분배 및 자가조직 하는 미션 프레임워크 SW - 대규모 사물-사람-공간 복잡성 모사 초연결 지능 공간 Simulated Reality POC(제조, 재난안전) 개발2. 연차별 연구개발 목표 및 내용
본 연구의 연차별 연구목표 및 내용은 다음과 같다. (1 차년도, 2018) 경량 지능사물 에이전트 핵심기술 개발, 미션 기반 분산지능 핵심기 술 개발, 현실공간과 초여결 공간간 정밀정합을 통한 POC 기능 정의 및 요소기술 분석 o 경량 지능사물을 위한 인지, 추론, 의사결정 기술 개발 o 피드백 기반 경량형 지능사물 강화 학습 기술 개발 o 사물-사람-공간 관계 분석을 통한 분산지능 요구사항 및 기능 정의 o 분산지능 조직화를 위한 미션 정보 모델 개발 o 미션 수행을 위한 태스크 정보 모델 개발 o 사물지능 분산 협업을 위한 시뮬레이션 요소기술 및 구조 설계 o 온디맨드 이종 제품의 효율적 생산 미션 수행을 위한 동적 작업 스케쥴링 요소 기술 설계 및 의사결정 방식 모델링 o 재난안전 초연결 공간 구성을 위한 인지증강 요소기술 및 미션/대응 지식 저작기술 개발 o 사물-사람-공간의 분산 지능 운용 환경을 위한 통합 프레임워크 및 인터페이스 기능 정의 (2 차년도, 2019) 지능사물 에이전트 기반 분산협업 핵심기술 개발, 미션 기반 지 능사물 조직화 기술 개발, 현실공간과 초연결 공간간 정밀 정합을 위한 POC 기능 설계 및 요소기술 개발 o 서비스 도메인 지능 정보모델 명세, 배포 기술 개발 o 분산 지능사물 간 협업을 위한 지식 분할, 공유, 병합 기술 개발 o 지능사물 협업을 위한 에이전시 구성기술 개발 o 미션수행을 위한 에이전시 기반 태스크 분해 및 할당 기술 개발 o 미션 수행 결과 분석 및 피드백 기술 개발 o 가상공간기반 지능적 협업 트레이닝 및 시뮬레이션 기술 개발 o 분산지능사물 기반 생산 미션 수행을 위한 동적 작업계획 및 할당 기술 개발 o 재난안전 분산 지능사물의 미션/협업/대응 지식화 참조 모델 개발(3 차년도, 2020) 분산협업 지능사물 에이전트 프로토타입 개발, 미션기반 지능사 물 동적 조직화 및 다중 미션 처리 기술 개발, 분산 지능사물 시뮬레이션 참조 시스템 개발 및 초연결 공간 POC 구성 o 자원적응적 인지, 추론, 학습, 판단 지능요소 조합 기술 개발 o 협업 지능사물 에이전트 검증을 위한 프로토타입 구현 o 자원 및 제약 상황을 고려한 조정자 지능사물 에이전트 기술 개발 o 동적 조직화를 위한 분산 지능사물 탐색 기술 개발 o 다중 미션 처리 기술 개발 o 현실공간과 초연결 공간간 복잡계 지능 협업 에이전트 V&V 기술 개발 o 제조 현장내 분산 지능 사물의 생산 미션 수행/협업 참조 모델 및 제조상황-시뮬레이션 연계 시범 POC 구성 o 재난안전 분산 지능사물의 재난상황-시뮬레이션 연계 시범 POC 구성 o 분산지능 에이전트 운용 프레임워크를 위한 모니터링 도구 개발 (4 차년도, 2021) 지능사물 에이전트 기반 분산협업 기술 고도화 개발, 미션기반 지능사물 자율 조직화 핵심 기술 개발, 분산사물 협업 기능 및 자율조직화 지원 을 위한 POC 연동 기능 개발 o 자원적응적 인지, 추론, 학습, 판단 지능요소 조합 기술 개발 o 추상 자원명세 및 최적 자원-지능 매칭 기술 개발 o 환경 및 상황 변화에 적응 가능한 분산지능 재계획 기술 개발 o 자율조직 구성 지식베이스 구축 및 검색 기술 개발 o 분산 사물협업 지능 및 자율조직화 지원 시뮬레이션 아키텍쳐 개발 o 유연제조 워크플로우/프로세스 지식베이스 구축 및 분산 사물지능 핵심기술연동 시스템 개발 o 재난현장 시뮬레이션 (FDS 등) 연계 지식저작 및 이를 활용한 분산 사물지능/협업 핵심기술 검증 o POC 통합 운용 시험 환경 개발
(5 차년도, 2022) 분산 지능사물 협력학습 기반 분산지능 진화 기술 개발, 미션 자율 인지 및 분산 지능사물 합의 기술 개발, 사물지능 패턴 및 분산 조직화 활 동 단계적 검증 기술 개발 o 지능 별 학습모델 개발 및 분할, 병합 기술 개발 o 자원적응형 인지, 학습 프로파일링 및 프로파일 배포 기술 개발 o 상황적응형 미션 자율 인지 기술 개발 o 동적 미션 수행을 위한 합의 기술 개발 o 복잡 환경에서 사물협업 및 자율구성을 위한 지능형 V&V 시뮬레이션 기술 개발 o 분산지능사물기반 자율공정설계 지원 제조PoC 프로토타입 구축 및 기술 검증 o 재난안전 빅데이터(사고조사 DB, 이력) 기반 학습을 통한 (복잡 미션 자율해결형) 동적 자가조직화 핵심기술 검증 o 대규모 분산 지능 에이전트 운용 프레임워크를 위한 다차원 모니터링 도구 개발 (6 차년도, 2023) 진화 분산지능 프로토타입 구현, 자율조직 기반 분산지능 고도 화 기술 개발, 현실공간과 초연결 공간간 정밀 POC 통합 시스템 개발 및 시험 o 임무기반 분산 협업 모니터링 및 학습데이터 변환 기술 개발 o 진화 분산지능 프로토타입 개발 o 자율조직 재구성 및 재계획 최적화 기술 개발 o 자율조직 기반 분산지능 기술 통합 검증 및 보완 o 현실공간과 초연결 공간간 정밀 정합 지원 V&V 시뮬레이션 시스템 통합 검증 o 생산 미션 수행 제조PoC 자가진화/의사결정기술 최적화 기술 개발 o 재난안전 초연결 공간 POC를 통한 사물지능/자가조직/자율적응 기술 통합 검증 o POC(제조)기반 분산 지능 에이전트 운용 통합 시스템 검증
3. 당해연도 성과지표 및 목표설정
가. 연구산출물 성과지표
공통지표(필수제시) 자율지표(자율제시) 지표명 총사업연도 `18년도 지표명 총사업연도 `18년도 과학적 성과 표준화된 IF 상위 20% SCI 논문(건) 4 - SCI/SCIE논문 (건) 22 2 기술적 성과 특허활용률 (기술이전건수/ 특허등록보유건수) 20% - 국내/국제특허 (출원) 50/40 8/5 국제표준특허(건) 1 - 기술이전(건) 7 1 국제표준승인 표준기고서(건) 1 - 연구시제품(수) 34 2 3극 특허(건) 4 - 소프트웨어 등록 63 7 경제적 성과 연구비 대비 기술료 수입(%) 5% (총년도기준) -제3절 국내외 연구개발 동향
1. 국내외 기술동향 및 수준
○ 인공지능 기술 - 구글, 애플, MS, IBM, 페이스북 등 IT 기업 중심으로 헬스케어, 무인기기, 지 식서비스 등에서 상용화 사례가 출현하고 있음 ◦ IBM 은 왓슨(Watson)과 같은 차세대 분석 플랫폼을 연구개발하기 위해 인공지능에 대한 집중적인 투자를 진행 중 ◦ 구글은 ’13 년부터 시작한 ‘인공지능 맨허튼 프로젝트’에서 실리콘밸 리 벤처기업을 참여시키면서 인공지능에 대해 소프트웨어(알고리즘)과 하드웨어(무인자동차) 분야 모두 지속적인 연구개발투자를 진행 중 ◦ MS 는 미래에 발생할 결과를 예측하는 형태의 가상 비서‘Cortana(코타 나)’와 인공지능 채팅봇 ‘테이’를 개발하였으며, 시각적 정보를 활 용해 어떤 사물도 인식할 수 있도록 하는‘아담(ADAM)’프로젝트 및 수 십조의 신경망으로 이뤄진 인간의 뇌를 응용해 뉴런 네트워크를 구축 하고 스스로 학습할 수 있도록 하는 딥러닝 프로젝트를 시행 중 ◦ 페이스북은 ’13 년 9 월‘인공지능 연구그룹’출범으로 사람의 측면 얼 굴 이미지도 인식하는 기술인‘딥 페이스’개발을 발표하였으며, 2016 년 연례개발자회의에서는 인공지능을 메신저에서 사용 가능한 ‘챗봇’ 에 적용한다고 발표 ◦ 애플은 스마트폰 생태계 전반에 영향력을 미치고 있는 대규모 사업자 로서 ‘SIRI’(개인비서 기능제공) 등 다양한 어플리케이션을 개발하기 위해 인공지능 기술을 접목 중이며,‘Project Titan’이라 불리는 무인 전기자동차 개발 프로젝트가 진행 중 ○ 분산지능 기술 - 분산지능(Distributed Intelligence)은 한 곳에서 풀기 어려운 복잡계 문제 를 지능을 갖는 에이전트를 분산시켜 해결하는 기술- 분산지능은 DPS(Distributed Problem Solving), MAS(Multi-Agent System), SI(Swarm Intelligence), PAI(Parallel AI)로 구분되며 각각의 차이는 아래와 같음
◦ DSP: 하나의 커다란 문제 해결을 위해 문제를 나누고, 분산된 노드에서 처리하고, 부분적 결과를 매시업 하여 최종 결과를 도출하는 방법 ◦ MAS: 각기 다른 관심과 목적을 갖는 이종의 분산 노드 환경에서 각 노 드들은 협업과 경쟁, 동의와 부정의 과정으로 결과를 도출 ◦ SI: 동일한 관심과 목적을 갖는 동종의 분산 노드 환경에서 마스터 플 랜 없이 각 노드의 단순한 절차를 통해 결과를 도출 ◦ PAI: 병렬처리 시스템을 활용한 AI - 분산지능이 구현되는 IoT 환경은 일반적으로 불특정한 이종의 디바이스들이 상호간에 연결되어 정보를 교환하고 각기 다른 관점의 결론을 통해 의사결 정을 하는 시스템으로 MAS 와 유사함 (그림 2) 분산지능의 개념적 분류 ○ 군집지능 (Swarm Intelligence) 기술 - EU 는 2016 년부터 H2020 을 통해 CPSwarm 이라는 프로젝트를 수행하고 있으 며 프라운호퍼를 비롯한 총 8 개의 기관이 공동연구를 수행하고 있음 - CPSwarm 에서는 분산된 CPS 간 협업을 하기위한 각종 툴체인을 제공하고, 다 양한 목적에 따라 모델별 라이브러리를 제공하여 시뮬레이션을 수행하며 실환경과 연계를 시킬 수 있는 CPS 간 자율적 통합운용환경 개발을 목표로 하고 있음
(그림 3) CPSwarm 개념도 ○ 군집 로봇 기술 - 군집지능을 활용한 로봇 제어기술 개발이 활발하게 진행되고 있으며, 복수 의 무인기와 물류 로봇 제어의 충돌방지 및 경로 최적화 등에 활용 - 군집로봇에 대한 연구는 군집을 이루는 생명체를 모방하여 로봇들 간의 직 접적인 정보 교환 없이 개별적 행동의 집합이 군집 지능으로 발현되는 좁 은 의미의 군집로봇, 즉 스웜로봇에 집중해 온 경향이 강함 - 실제적으로 활용도가 높은 군집로봇은 전체 로봇 팀의 임무를 결정하고 상 호간 교신하며 역할을 분담하여 작업을 하는 방식으로 운영체계를 갖추어 야 하는데, 이를 지원하는 표준 아키텍쳐의 부재가 큰 문제로 대두 - TerraSwarm 은 2013 년부터 구성되어 연구중인 조직으로 군집 연구를 수행중
인 9 개 대학(UC Berkeley 외)이 참여하고, DARPA, IBM, 인텔 등이 함께 연 구를 수행 중으로, 군집 기술과 관련된 플랫폼의 OS, 클라우드와의 연계, 모 델과 방법론, 각종 응용 서비스등 전 분야에 대한 연구를 수행중
(그림 4) 하버드대학 킬러봇 ○ 멀티 에이전트 시스템 - 멀티에이전트 시스템은 복잡계 문제를 해결하기 위해 다수의 에이전트가 서로 상호작용하여 임무를 수행하는 시스템임. - 멀티 에이전트 시스템은 1990 년대 제안된 이후 현재까지 특정 문제를 모델 링하고 시뮬레이션 하는 분야에 가장 많이 쓰이고 있음 - 멀티에이전트시스템의 가장 알려준 분야는 로봇 축구 - 최근 인공지능 분야도 개별 단위 인공지능에서 사회성, 협력, 경쟁 모델을 가진 멀티 에이전트 기반 인공지능으로 발전하고 있음 - 최근에는 멀티 에이전트 강화학습을 통해 에이전트가 다른 에이전트의 영 향을 받아 강화 학습을 수행하는 분야가 인공지능 학계의 큰 트렌드임 - 최근 VR 엔진 중 하나인 유니티엔진 (Unity)에서 인공지능 에이전트
(machine learning agents)를 추가하여 VR 을 통해, 에이전트끼리 경쟁, 협 동, 분업이 필요한 상황에서 발생가능한 복잡한 멀티에이전트시스템을 연구 할 수 있도록 함
- 미국 NSF 에서 후원한 ‘ 미국 로보틱스 로드맵-인터넷에서 로보틱스로(A Roadmap for US Robotics From Internet to Robotics 2016)’ 중 다중-로봇 (멀티 에이전트) 기술에 따르면, 이 기술은 주로 제조업, 물류(창고관리), 네트워크 연장, 재난감시, 건설 등 다양한 분야에서 활용되지만, 현재 기술 수준은 단순한 동종 로봇집합을 제어하는 수준에 머무르고 있으며, 향후 이 기종 로봇의 제어와 단시간에 동작을 최적화 하는 기술의 개발이 필요함
- 산업계 측면에서 멀티 에이전트 시스템은 분산된 구조에서 탈 중앙화 된 컨트롤을 가능하게 해주고 있으며, 주요 산업 분야로는 크게 아래의 6 가지가 있음 ◦ 생산관리, 수요공급체인 및 로지스틱스 분야에서는 생산 스케줄링 및 리소스 분배, 유동적엔 차량 및 제품 라우팅 기술에 MAS 적용 ◦ 교통관제의 경우 복잡한 상황/환경에서의 교통 흐름 최적화 방안, 차량 간의 커뮤니케이션, 공중에서의 교통관제 기술 등에 적용 ◦ 에너지 및 스마트 그리드 분야서는 대규모 네트워크의 에너지 생산자 와 소비자 모니터링 및 매니징, 재사용 가능한 리소스의 재분배, 효율 적으로 다수의 전기차를 충전하는 방법등의 세부 분야가 있음 ◦ 빌딩 및 홈 오토메이션 분야에선 분산된 오토메이션 기계들의 네트워 크 모니터링 및 매니징 기술 분야가 존재 한다. 또한 멀티 에이전트에 기반한 지능적인 제어 시스템을 활용하여 빌딩에서의 효율적인 에너지 및 편의 관리 시스템 개발 ◦ 국방 및 방어체계에선 감시, 패트롤, 안전한 수송, 미지 탐사 등의 목 적의 다중 로봇 그룹 컨트롤 및 제어에 적용 ◦ 네트워크 보안의 경우 분산된 네트워크 트래픽 분석 및 공격 감지 등에 적용 - 대표적인 멀티 에이전트 개발 플랫폼
◦ JADE – 멀티 에이전트 표준인 Foundation for Intelligent Physical Agents (FIPA)를 준수하는 JAVA 기반의 미들웨어로써 멀티 에이전트 시 스템 개발을 단순화시킴. 에이전트 기반 미션 및 태스크 수행에 있어 능동화된 서비스를 제공하기 어려움. ◦ Jadex – JADE 의 확장 버전으로, 추론 엔진에 기반한 지능형 에이전트 를 XML 과 JAVA 로 구현할 수 있게 함. 기존 JADE 의 태스크 지향적인 에 이전트에서 목적 지향적인 특징이 있음. ◦ Swarm – Swarm 은 군집지능의 모델링 및 시뮬레이션을 위한 목적으로, 재사용 가능한 에이전트 기반의 모델링을 제공함. Swarm 의 기본 단위 는 스웜이며, 스웜들이 계층적인 구조를 형성하는 중첩구조 (nested structure)를 형성함. 이기종 IoT 환경을 모델링하기 적합하지 않음.
◦ Cougaar – 미국국방성 DARPA 의 지원을 받은 프로젝트로, 군사 수송 문 제를 해결하기 위한 오픈소스 에이전트 플랫폼임. 대규모, 분산된 환경 에서 멀티 에이전트 시스템을 개발하기 용이하게 해줌. - 기존 멀티 에이전트 시스템은 주로 수동적인 다수의 에이전트에게 태스크 를 부여하고 수행 결과를 취합하는 수준의 한계를 보여줌. 따라서, 사용자 가 부여한 미션을 인지하고, 분산 사물 간 자율 연결 및 자가조직 기술이 현재 미흡함. 또한, 추론 등의 머신러닝 기법이 적용된 플랫폼의 경우 분산 사물 간 협업보다는 단일 사물에게 단순한 수준의 인지능력을 부여하는 데 에 그침. 결과적으로, 대규모의 복잡계 문제를 해결하기 위해 지능사물 기 술, 미션 자율인지 및 협업 기술 등이 융합된 분산 지능 기술이 필요함. ○ 재난안전 ICT 융합 - 소방방재청은 미래환경 변화로 인한 재난·재해에 대응할 수 있도록 재난 안전 대응기술에 대한 연구개발을 추진하고 있으며, ◦ 재난·재해 현장에 투입되는 구조대원의 위치를 추적 및 첨단 센서를 이용한 구조대원의 생체정보를 지능화하여 위험감지, 실시간 현장통제 및 대응을 위한 국가 재난망 구축 등 미래 재난안전 시스템을 위한 첨 단 기술 도입 추진 ◦ 이를 바탕으로 국내 기술력을 확보하여 해외 시장 진출 모색 - 소방방재청은 화재 진압 현장에서 구조대원의 정확한 위치 추적과 상태를 실시간으로 파악함으로써 구조대원의 생명과 안전을 지킬 수 있고, 신속한 화재 진압 및 인명구조가 가능해 질것으로 전망 - 구조대원의 안전을 위한 종합적인 모니터링 시스템 구현에 관한 연구개발 은 미국과 유럽을 중심으로 약 10 년 전부터 진행되어 왔으며, 특히 각 분 야별 일부 업체에서는 상용화를 앞두고 있을 정도로 기술력을 확보함 - 유럽에서는 재난·재해현장에서 구조대원의 안전을 위한 Personal
Protective Systems 개발을 목표로 EU FP7 프로젝트 smart@fire 를 220 만 유 로 규모로 2012 년 11 월부터 수행 중이며, 2015 년까지 공공기관 납품을 위 한 상용제품 개발을 목표로 함
○ 분산 IoT 기술 - 최근 다수의 모바일 기기를 활용한 근접기반 네트워크에서 다양한 협력 센 싱, 자료의 분산 처리, 입출력의 자원풀링(Resource pooling) 등의 기술을 가능하게 해주는 클라우드릿(Cloudlet)에 대한 연구가 활발함 - 최근 모바일 기기에서의 대화인식, 자연어처리, 영상처리, 기계학습, 증강 현실 등과 같은 컴퓨팅 인텐시브한 작업의 사용자 요구가 늘어나며, 새로운 아키텍처와 분산처리를 통해 이를 해결하려는 연구가 활발함 - 중계서버 없는 장치간 연결 및 분산처리를 위한 P2P 기반 프레임워크 또는 라이브러리에 대한 연구가 활발함 - 장치간 분산 처리를 통해 여러 장치에 저장, 관리되고 있는 데이터 및 정보에 액세스 하거나 특정 프로세스를 구동하기 위한 동적 실행 제어 기술에 대한 연구가 활발함 - CISCO 의 포그 컴퓨팅은 중앙 서버로 운영되는 클라우드와 지역적으로 분산 된 사물인터넷 기기들을 중간에서 연결하고 매개하는 또 하나의 네트워크 구성을 지향하는 구조로 제안됨 ◦ 모든 데이터를 중앙(클라우드 컴퓨팅 인프라)에 올려놓고 분산 처리하 는 기존 방식과 달리 주변(edge, 개별기기)에 더 주목하고 있음 ○ IoT 에서의 합의 기술 - 블록체인은 누군가의 보증없이 내용을 신뢰할 수 있게 해주는 기술로서, 거래 보증을 위한 많은 비용이 발생하던 기존 방법을 개선할 수 있는 기술로 주목을 받음 - 기술의 핵심은 블록체인에 가입된 분산된 노드들이 모든 트랜잭션 정보 및 자산 결정 기록을 공유하고, 정보에 대한 수정을 불가능하게 하는 분산 DB 와 프로토콜 기술이라 할 수 있음 - 특히, 멀티에이전트 시스템의 의사졀정에 있어서 중요한 합의의 도구로 블 록체인의 합의 기술인 분산합의(Distributed Consensus) 및 이력 맥락 (Historical Context)이 사용이 가능함 - 그러나, 구현된 블록체인 플랫폼의 무게로 일반적인 IoT 환경에의 활용에 한계가 있다는 점, 합의의 대상이 신규 블록 결정에 한정되어 제한적이라는 점을 극복해야 활용이 가능할 것임
○ 모사현실 기술
- Forbes 는 2013 년 ‘혁신의 미래는 시뮬레이션’이라는 기사를 게재, 향후 시 뮬레이션 경제로의 발전 예상. 실세계 데이터로부터 현상을 재구성하고 가 설을 시험하고 점증하는 전략적 분석 시대로 전이중
- 미국 아르곤 국립 연구소의 Repast HPC(High-Performance Computing)는 대 규모 시스템에 적합한 계산능력을 제공하는 ABMS 도구로 군중행위, 도시 시 뮬레이션, 교통 흐름, 공급 체인 등의 소셜 시뮬레이션이나 최적화 문제 등 을 해결하는데 사용 - 복잡 적응계의 멀티 에이전트 시뮬레이션을 위해 1994 년 산타페 연구소는 SWARM 을 개발. 1999 년 이후 비영리 SWARM 개발자 그룹에 의해 유지되고 있 으며, 생물학적 시스템 모델링, 인류학, 컴퓨터 사이언스, 생태학, 경제학, 지리학, 정치과학 등에 사용
- 조지 메이슨 대학의 ECL(Evolutionary Computation Laboratory)과 CSC(Center for Social Complexity)의 공동 프로젝트로 개발된 MASON(Multi-Agent Simulation of Neighborhoods or Networks)는 자바로 만들어졌으며,
◦ 속도가 빠르고 확장이 용이한 이산 사건 멀티 에이전트 시뮬레이션 라 이브러리로, 모형 라이브러리 및 선택사항인 2D/3D 시각화 도구를 포함 - FLAME(Flexible Large-scale Agent Modeling Environment)는 하나의 시뮬레
이션 환경에서 폭넓은 범위의 행위자 모형과 비행위자 모형을 허용하며, HPC 시스템상에서 대규모 행위자 시뮬레이션을 지원하고,
◦ 복잡계 시스템을 3D 로 시뮬레이션 가능한 조직배양이나 신호전달 등의 의학과 생물학과 재정 모델링 증에 주로 사용
- IRD 연구소(Institute of Research for Development)를 중심으로 GIS 를 연 계한 다양한 프로젝트에 사용된 시뮬레이션 도구인 GAMA(GIS and Agent-based Modeling Architecture)는,
◦ 지리적인 데이터와 GIS 를 통합하여 시간, 공간, 행위를 포함하는 다수준 모델 링 기능, GAMA Modeling Language(GAML) 언어, GUI 기반의 통합적 개발환경인 IDE, 2D/3D 기반의 시뮬레이션 시각화 도구 등을 제공
제2장 사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분산
지능 핵심원천 기술 개발
사물-사람-공간의 유기적 연결을 위한 초연결 공간의 분산지능 핵심원천 기술 은 지식을 공유하고 협업이 가능한 분산 지능사물 핵심 인프라 SW, 미션을 인지하 고 자율적으로 분배 및 자가조직하는 미션 프레임워크 SW, 대규모 사물-사람-공간 초연결 지능공간 Simulated Reality POC 개발 기술을 제공하며, 다음의 기본 기능 을 포함한다. ○ 지능사물 에이전트 핵심기술 및 분산협업 기술 개발 - 경량 지능사물을 위한 인지, 추론, 의사결정 기술 개발 - 피드백 기반 경량형 지능사물 강화 학습 기술 개발 - 서비스 도메인 지능 정보모델 명세, 배포 기술 개발 - 분산 지능사물 간 협업을 위한 지식 분할, 공유, 병합 기술 개발 - 협업 지능사물 에이전트 검증을 위한 프로토타입 구현 ○ 지능사물 분산협업 기술 고도화 및 분산지능 진화 기술 개발 - 추상 자원명세 및 최적 자원-지능 매칭 기술 개발 - 자원적응적 인지, 추론, 학습, 판단 지능요소 조합 기술 개발 - 지능 별 학습모델 개발 및 분할, 병합 기술 개발 - 자원적응형 인지, 학습 프로파일링 및 프로파일 배포 기술 개발 - 임무기반 분산 협업 모니터링 및 학습데이터 변환 기술 개발 - 진화 분산지능 프로토타입 개발 ○ 미션기반 분산지능 핵심기술 및 지능사물 조직화 기술 개발 - 사물-사람-공간 관계 분석을 통한 분산지능 요구사항 및 기능 정의 - 분산지능 조직화를 위한 미션 정보 모델 개발
- 미션 수행을 위한 태스크 정보 모델 개발 - 지능사물 협업을 위한 에이전시 구성기술 개발 - 미션수행을 위한 에이전시 기반 태스크 분해 및 할당 기술 개발 - 미션 수행 결과 분석 및 피드백 기술 개발 - 자원 및 제약 상황을 고려한 조정자 지능사물 에이전트 기술 개발 - 동적 조직화를 위한 분산 지능사물 탐색 기술 개발 - 다중 미션 수행을 위한 지능사물 간 협업 기술 개발 ○ 상황적응형 미션 자율 인지 및 자율 조직화 기술 개발 - 환경 및 상황 변화에 적응 가능한 분산지능 재계획 기술 개발 - 자율조직 구성 지식베이스 구축 및 검색 기술 개발 - 상황적응형 미션 자율 인지 기술 개발 - 동적 미션 수행을 위한 합의 기술 개발 - 자율조직 재구성 및 재계획 최적화 기술 개발 - 자율조직 기반 분산지능 기술 통합 검증 및 보완 ○ 현실공간과 초연결 공간간 정밀 정합 POC 요소기술 개발 - 사물지능 분산 협업을 위한 시뮬레이션 요소기술 및 구조 설계 - 온디맨드 이종 제품의 효율적 생산 미션 수행을 위한 동적 작업 스케쥴링 요소 기술 설계 및 의사결정 방식 모델링 - 재난안전 초연결 공간 구성을 위한 인지증강 요소 기술 및 미션/대응 지식 저작 기술 개발 - 사물-사람-공간의 분산 지능 운용 환경을 위한 통합 프레임워크 및 인터페 이스 기능 정의 - 가상공간기반 지능적 협업 트레이닝 및 시뮬레이션 기술 개발 - 분산지능사물 기반 생산 미션 수행을 위한 동적 작업계획 및 할당 기술 개발 - 재난안전 분산 지능사물의 미션/협업/대응 지식화 참조 모델 개발 - 지능사물의 실행환경 및 통합 운용을 위한 기능 및 구조 설계
- 현실공간과 초연결 공간간 복잡계 지능 협업 에이전트 V&V 기술 개발 - 제조 현장내 분산 지능 사물의 생산 미션 수행/협업 참조 모델 및 제조상 황-시뮬레이션 연계 시범 POC 구성 - 재난안전 분산 지능사물의 재난상황-시뮬레이션 연계 시범 POC 구성 - 분산 지능 에이전트 운용 프레임워크를 위한 모니터링 도구 개발 ○ 현실공간과 초연결 공간간 정밀 정합 POC 통합 시스템 개발 및 시험 - 분산 사물협업 지능 및 자율조직화 지원 시뮬레이션 아키텍쳐 개발 - 유연제조 워크플로우/프로세스 지식베이스 구축 및 분산 사물지능 핵심기 술연동 시스템 개발 - 재난안전 현장 시뮬레이션 (FDS) 연계 지식저작 및 이를 활용한 분산 사물 지능 핵심기술 검증 - POC 통합 운용 시험 환경 개발 - 복잡 환경에서 사물협업 및 자율구성을 위한 지능형 V&V 시뮬레이션 기술 개발 - 분산지능사물기반 자율공정설계 지원 제조 PoC 프로토타입 구축 및 기술 검증 - 재난안전 빅데이터(사고조사 DB/이력)기반 학습을 통한 (복잡 미션 자율해 결형) 동적 자가조직화 핵심기술 검증 - 대규모 분산 지능 에이전트 운용 프레임워크를 위한 다차원 모니터링 도구 개발 - 현실공간과 초연결 공간간 정밀 정합 지원 V&V 시뮬레이션 시스템 통합 검증 - 생산 미션 수행 제조 PoC 자가진화/의사결정기술 최적화 기술 개발 - 재난안전 초연결 공간 POC 를 통한 사물지능/자가조직/자율적응 기술 통합 검증 - POC 기반 분산 지능 에이전트 운용 통합 시스템 통합 검증
제1절 연구개발 추진 체계
(그림 5) 추진체계도 ○ 본 과제는 ETRI 에서 자체적으로 기획하여 미래에 필요한 도전적 핵심기술 개발을 목표로 하는 주요사업으로서, ETRI 내부의 역량 활용을 원칙으로 함 - 단, 사업의 평가와 자문, 선행적으로 유관 기술을 보유한 대학 및 전문가 그룹의 자문과 검토를 수시로 받으면서 스스로의 생각에 대한 매몰의 오류 없이 과제 수행 추진 - 또한, 핵심 기술개발 이외의 일부 단편적 개발 작업 – 즉 전시회를 포함한 시연목적 의 단편적 소프트웨어, 사용자 인터페이스, 시작품 등은 외주 용역 활용 ○ 본 과제에서 목표로 하고 있는 분산지능 기술은 응용 도메인과 하부 공통 기술에 대한 구분, 표준화 요소에 대한 구체성이 모호한 분야이므로, 과제 수행과정에서 이 부분에 대한 연구 목표와 내용 구체화- 특히, 개발된 기술의 개념 검증(POC)를 위해서 제조와 재난안전분야를 선정하고 구 체적인 기술검증 POC 시나리오를 1 차년도에 추진하여 자문위원회를 통해서 검증 - 또한, 과제 초기에 개발기술의 수요기업을 섭외하여 현장의 복잡계 문제를 도출하고, 기술 적용 POC 도출에 활용할 예정이며, 지속적인 관계를 통해 기 술의 현장 적용 유도 ○ 본 과제는 3 년 단위의 2 단계 추진 전략을 가지고 있음 - 1 단계가 시작되면 가장 먼저 과제의 목표와 요구사항을 POC 도출과 함께 명확히 정의하는 시간을 가질 예정이며, 1 단계 종료시점에는 인간의 개입 이 최소화된 자율 분산지능 시스템을 통한 기술 검증을 시도할 계획임 - 2 단계에는 1 단계 기술을 고도화 하여, 미국 NIST 에서 정의한 무인시스템의 자율도 레벨 8 수준, 즉 인간의 개입 없이 동작하는 자율 시스템을 통해 기술을 검증 ○ 기존 주요사업에서 수행하고 있던 재난안전(헬멧) 과제는 그 결과물을 활용 하는 POC 를 구축하고, 1 단계부터 부분적으로 완료되는 분산지능의 핵심기술 검증에 우선적으로 적용하도록 추진 - 또한, 복잡계 시스템이며 멀티에이전트 개념을 활용한 사례가 많은 제조분 야는 개방형 스마트공장에서의 분산구조 적용과 지능 활용 시나리오를 개 발하여 POC 화를 추진 ○ 또한, 제조 분야는 시장 수요 불확실성과 공급 네트워크의 확장, 제품 모델 가변성, 다품종 생산의 유연성 등으로 인한 복잡계 시스템으로, 분산지능의 단계적 적용을 통해 자율유연생산에서의 분산지능 유용성 검증 - 1 단계에는 생산 미션 수행을 위한 동적 작업계획 및 작업할당에 분산지능 을 활용한 시나리오를 개발하여 시범 PoC 를 구축 - 2 단계에는 생산 미션별 자율공정설계에 분산 지능을 적용함으로써, 티칭이 필요없는 ‘teaching-less factory’ 제조 PoC 검증
○ 사물-사람-공간의 물리 시스템에 대한 디지털 공간 시뮬레이션 기술 개발 및 지능적 사물 간 분산 지능 환경 구축 기술력과 관련 인프라를 보유하고 있는 기업 및 기초 원천에 대한 심화 기술을 보유한 대학이 유기적으로 연 계된 연구개발 체계 구성
제2절 기술개발 추진 일정
당초계획 개발내용 일련 번호 연구내용 추진일정 (12개월) 달성도 (%) 1 2 3 4 5 6 7 8 9 10 11 12 1 경량 지능사물 에이전트 핵심기술 개발 o 경량 지능사물을 위한 인지, 추론, 의사결정 기술 개발 100% o 피드백 기반 경량형 지능사물 강화 학습 기술 개발 100% 2 미션 기반 분산지능 핵심기술 개발 o 사물-사람-공간 관계 분석을 통한 분산지능 요구사항 및 기능 정의 100% 분산 상황 인지를 위한 선행 기술 동향 분석 서비스 시나리오 도출 및 유스케이스 분석 분산지능 시스템 요구사항 도출 분산 상황 인지 기능 정의 분산 지능 검증을 위한 IoT 디바이스 협업 테스트베드 구축 태스크 플래닝 기술 분석 에이전시 관리 기술 분석 미션 평가 기술 분석 o 분산지능 조직화를 위한 미션 정보 모델 개발 100% 미션 정보 모델 정의 미션 정보 모델 - 스키마 변환 기술 개발 미션 관리 및 로깅 기술 개발 o 미션 수행을 위한 태스크 정보 모델 개발 100% 미션 기반 태스크 정보 모델 정의 미션 정보 모델 - 태스크 정보 모델 맵핑 기술 개발 3 현실공간과 초연결 공간간 정밀 정합을 위한 POC 기능 정의 및 요소기술 분석 o 사물지능 분산 협업을 위한 시뮬레이션 요소기술 및 구조 설계 100% 모델기반 에이전트 생성/성장/추적/소멸/검색/ 구성 및 인터페이스 기능 정의 사물지능 분산협업 지원 시뮬레이션 모델 정의 분산 협업 시뮬레이션을 위한 아키텍쳐 설계 및 참조모델 개발
o 온디맨드 이종 제품의 효율적 생산 미션 수행을 위한 동적 작업 스케쥴링 요소 기술 설계 및 의사결정 방식 모델링 100% 제조분야 자율성 수준 요구사항 분석 및 정의제조 요구사항 분석 및 정의 생산 미션구성 정보 및 제조 공정/설비 상태 모델링 사물 협업 에이전트 기반 제조 PoC 시나리오 도출 o 재난안전 초연결 공간 구성을 위한 인지증강 요소 기술 및 미션/대응 지식 저작 기술 개발 100% o 사물-사람-공간의 분산 지능 운용 환경을 위한 통합 프레임워크 및 인터페이스 기능 정의 100% 사물-공간의 분산 지능 운용환경 통합 프레임워크 연구 지능사물의 실행환경 및 통합 운용 구조 설계 사물-사람-공간의 분산지능 운용을 위한 인터페이스 설계
제3절 해당연도 추진 실적
1. 계획 대비 실적
목 표 세 부 계 획 실 적 목표 달성도 (%) 사 유 1) 지능사물을 위한 인지, 추론, 의사결정 기술 개발 o 지능사물 에이전트를 위한 센싱, 인지, 추론, 액션 컴퓨팅 모델 개발 o 사물 지능화 및 협업용 에이전트를 위한 센싱, 인지, 추론, 액션 모델 및 시스템 설계 TM: 2건 (2300-2018-09639, 2300-2018-09637) 100% o 상황지식 획득, 추론, 액션 알고리즘 개발 o 경량형 센서 데이터 스트림 처리/분석, 상황정보 생성/추론,액션 실행 및 피드백 정보 획득 알고리즘 개발 및 구현 TM: 2건 (2300-2018-09581, 2300-2018-09583) 2) 피드백 기반 지능사물 강화 학습 기술 개발 o 상황-추론-액션 모니터링 및 로깅 기술 개발 o 사물지능 강화를 위한 학습 데이터용 액션 상황정보 및 사용자 피드백 로깅 시스템 설계 및 구현 TM: 1건 (2300-2018-09585) 100% o 에이전트 액션 장단기 피드백 기반 지능 강화 학습 기술 개발 o 다중 회귀트리 및 feed-forward 인공신경망 기반 다중 이종 데이터 매핑 함수 학습 알고리즘 구현 TM: 2건 (2300-2018-11711, 2300-2018-16565) 프로그램: 1건 (PG20180702) 3) 사물-사람-공간 관계 분석을 통한 분산지능 요구사항 및 기능 정의 o 분산 상황 인지를 위한 선행 기술 동향 분석 o 분산 상황 인지를 위한 선행 기술 동향 분석 TM: 6건 (2300-2018-09844, 2300-2018-09846, 2300-2018-09913, 2300-2018-09914, 2300-2018-09915, 2300-2018-09916) o 자율 조직화 메커니즘 및 집단 의사 결정 기술 분석 TM: 2건 (2300-2018-16711, 2300-2018-16712) 100%o 서비스 시나리오 도출 및 유스케이스 분석 o 분산지능 개념 정리를 위한 서비스 시나리오 도출 TM: 1건 (2300-2018-09919) o 화재 대응 서비스 시나리오 기반 유스케이스 분석 TDP: 1건 (2300-2018-08467) o 분산지능의 활용 유스케이스 및 방법 분석 TM: 4건 논문: 3건 ◦ 사물지식 공유 모듈 시스템을 통한 기기간 지식 공유 ◦ IoT 디바이스를 활용한 조직 내 커뮤니케이션 시스템 제안 및 사용성 평가에 대한 연구 ◦ 오픈소스 하드웨어와 CNN 을 이용한 클라우드 기반의 주차장 모니터링 시스템 o 분산지능 시스템 요구사항 도출 o 사물-사람-공간 관계분석 기반 사용자 및 시스템 요구사항 정의 TDP: 1건 (2300-2018-15169) o 분산 상황 인지 기능 정의 o 시스템 요구사항으로부터 기능 규격 정의 o 다중 센서 환경에서 학습 기반 상황 인지 기능 정의 논문 2건
◦ ‘Origin-mediated Sink Mobility Support for Large-Scale Phenomenon Monitoring in IWSNs,’ IEEE-AINA, 2018.05
◦ ‘An Origin-centric Communication Scheme to Support Sink Mobility for Continuous Object Detection in IWSNs,’ 정보처리학회논문지, 2018.12 게재예정
특허 1건
◦ 멀티 센서 퓨전 기반 이상상황 탐지 장치 및 동작방법
o 분산 지능 검증을 위한 IoT 디바이스 협업 테스트베드 구축 o 센서 특성 분석 및 시험 TM 3건 (2300-2018-16811, 2300-2018-16812,2300-2018-16815) o 분산지능 탑재용 IoT 디바이스 개발 TM 3건(2300-2018-16823, 2300-2018-16824,2300-2018-16825) 센싱 디바이스 시작품 50개 제작 (시작품) 액추에이터 제어용 디바이스 시작품 10개 제작 LoRa 통신 시험용 보드 100개 제작 (시작품) o 실내 환경정보 측정 및 수집 모듈 개발 TM 1건 (2300-2018-16840) 프로그램 1건 등록중 o 실내 환경정보 관리 프로그램 개발 TM 3건(2300-2018-16808, 2300-2018-16810,2300-2018-16844) 프로그램 1건 등록중 o 태스크 플래닝 기술 분석 o 태스크 플래닝 기술 분석 TM: 13건 (2300-2018-09920, 2300-2018-09928, 2300-2018-09929, 2300-2018-09930, 2300-2018-09921, 2300-2018-16849, 2300-2018-16851, 2300-2018-16140, 2300-2018-16141, 2300-2018-16854, 2300-2018-16145, 2300-2018-16147, 2300-2018-16149) 논문: 1건
◦ Energy Efficient Task allocation for Distributed Multi-agent System o 에이전시 관리 기술 분석 o 에이전시 관리 기술 분석 TM: 5건 (2300-2018-09932, 2300-2018-16848, 2300-2018-16137, 2300-2018-16139, 2300-2018-16853) 논문: 1건 ◦ IoT 디바이스 간 사물지식 공유를 위한 아키텍처
o 멀티에이전트 시스템 동향 기술 분석 TM: 1건 (2300-2018-16713) o 미션 평가 기술 분석 o 미션 평가 기술 분석 TM: 4건 (2300-2018-09931, 2300-2018-16850, 2300-2018-16852, 2300-2018-16855) 논문: 1건
◦ An Agent-Based Simulation Modeling with Deep Reinforcement Learning for Smart Traffic Signal Control 4) 분산지능 조직화를 위한 미션 정보 모델 개발 o 미션 정보 모델 정의 o 분산지능 자율조직화 구성 기술 분석 TM: 2건 (2300-2018-11099, 2300-2018-11100) o 분산지능 환경 미션 수행을 위한 상호작용 및 협업 유형 분석 TM: 2건 (2300-2018-11101, 2300-2018-11102) 100% o 미션 정보 모델 - 스키마 변환 기술 개발 o 분산지능 환경에서 미션 플래닝을 위한 지식-미션 변환기술 분석 TM: 1건 (2300-2018-16989) o 메타 러닝 및 일반적인 인공지능 기술 분석 TM: 5건 o 미션 관리 및 로깅 기술 개발 o 지능형 미션 처리 에이전트 기술 및 미션 저작 GUI 프로토타입 개발 TM: 1건 (2300-2018-16713) 5) 미션 수행을 위한 태스크 정보 모델 개발 o 미션 기반 태스크 정보 모델 정의 o 미션 기반 태스크 수행 시나리오 분석 TM: 3건 (2300-2018-11103, 2300-2018-11104, 2300-2018-11105) o 멀티 에이전트 강화학습 기술 분석 TM: 5건 논문: 1건
◦ Multiagent Reinforcement Learning in Escape Scenario 100% o 미션 정보 모델 - 태스크 정보 모델 o 미션/태스크 수행을 위한 분산지능 플랫폼 개발 기술 분석
