행동 선택 메커니즘을 지원하는 교시 기반의 행위 학습 방법 및 응용 프로그램 설계

Abstract

지능로봇이 자율적인 행동을 수행하기 위해서는 스스로의 행동을 선택하는 프로그램이 반드시 탑재되어야 한다. 로봇의 행동 선택 프로그램은 로봇이 갖고 있는 행동 프로그램 단위들을 지능적으로 선택하여 작업을 수행하는데 있어 더욱 중요한 기술 요소이다. 로봇의 행동 선택 프로그램은 로봇 제어 구조와 밀접한 관계를 갖고 있으며, 생태학의 연구 결과인 동물의 행동 선택 방법에 많은 영향을 받아 왔다. 제어 구조적 측면에서 곤충 수준의 지능을 주로 구현한 행위 기반 제어 로봇은 우선순위에 따라 행동을 선택한다. 이를 위한 행동 선택 메커니즘은 내/외부 상황에 정보를 기반으로 행동 결정과정을 모델화 시킬 수 있고, 다수의 목적을 갖는 다중 태스크 수행이 가능한 메커니즘이다. 본 논문에서는 행동 선택 메커니즘이 탑재된 로봇이 태스크를 수행 하는 도중 예외 상황이 발생 했을 때 이를 처리 할 수 있는 기존의 방법과 기존 방법의 한계를 설명하고 이를 개선 할 수 있는 새로운 방법을 제안한다. 즉 행동 선택 메커니즘을 지원하는 교시 기반의 행위 학습 방법 및 응용 프로그램 설계를 제안한다. 교시 기반의 행위 학습 방법은 사람이 직접 가르쳐 주는 행위를 바탕으로 로봇이 행위를 학습을 하는 방법이다. 이를 증명 하기 위해 로봇에 학습 기능이 추가된 행동 선택 메커니즘을 탑재하고 예외 상황이 발생 하였을 경우 성공적인 태스크를 수행을 증명 하였다.; We propose a Teaching-based Action Learning Method and Application Program Design supporting Action Selection Mechanism. A intelligence robot must load a program which selects behavior to conduct autonomous behavior. A robot's action selection program is more important technical factor to accomplish task which select behavior program elements included in a intelligence. A robot's action selection program is related to robot's control structure closely and it affected by animal's action selection that a results of biology. In this side, behaviors based robot with insect's intelligence conduct task from priority. For this task, action selection mechanism makes model action decision process, conduct multi task which has a numerous purpose. This research proposed a solution when a robot includes action selection mechanism conduct task with exceptional case and also explains limit of order solution. In this case, It propose a design of application programming and teaching-based action learning method supporting action selection mechanism. Teaching-based action learning method makes to learn action to robot base on human teaching. To demonstrate teaching-based action learning method, we include action selection mechanism with learning function to robot and we also prove successful task when a robot come across exceptional case.