Earticle

현재 위치 Home

실내 군집 로봇 시스템에서 거리 정보를 기반한 DNN 상대 측위 기술 개발
Development of DNN-Based Relative Positioning Technique Using Distance Information in Indoor Swarm Robotic Systems

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제7권 12호 (2023.12)바로가기
  • 페이지
    pp.2006-2013
  • 저자
    윤승미, 현인영, 오정은, 윤동환, 선중규, 정의림
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A439233

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
This paper introduces two DNN models for predicting the formation of mobile swarm nodes in a real-time, using only distance information. The first method estimates the coordinates of each node simultaneously using acquired distance information, while the second method estimates coordinates by grouping a total of four nodes, including an anchor node and the node intended for estimation. Constraints are applied to the anchor node to resolve the ambiguity in formation. In order to compare DNN performance, grid-based algorithm is adopted as conventional method. The results of the simulated experiments indicate that as the SD of the noise increases, the performance of coordinate estimation deteriorates. Furthermore, regardless of the standard deviation of noise and the number of nodes, the coordinate estimation error remains below 1 for all cases.
한국어
본 논문은 실시간으로 이동하는 군집 노드 환경에서 거리 정보만이 주어졌을 때 상대 측위를 통해 군집 노드들의 대형을 예측하는 두 가지 심층 신경망(Deep Neural Network, DNN)을 제안한다. 제안하는 첫 번째 방법은 획득한 거리 정보를 통해 각 노드의 좌표를 동시에 추정하며, 두 번째 방법은 앵커 노드(Anchor node) 및 추정하고자 하는 노드를 포함한 총 4개의 노드를 그룹 지어 좌표를 추정한다. 대형의 모호성을 해결하기 위해 앵커 노드(Anchor node)의 역할을 하는 노드에 제한 조건을 적용하여 단일 좌표 솔루션을 갖도록 한다. DNN의 성능 비교를 위해 기존의 Grid-based 알고리즘을 채택하였으며, 좌표평면상 존재하는 노드의 개수를 4∼8개로 제한한다. 노드의 존재 범위를 축 각각 로 지정하여 모의실험한 결과, 잡음의 표준 편차가 커질수록 좌표 추정 성능이 저하되며, SD 0.08 기준 노드가 4, 5개 존재하는 경우를 제외한 모든 경우에서 그룹별 추정 방법의 성능이 가장 우수하다. 또한, 좌표 추정 오차는 잡음의 표준 편차 및 노드의 개수와 상관없이 모든 방법에서 이하의 오차를 보인다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 상대 측위에 사용할 기준 선정
Ⅲ. 상대 측위 알고리즘
3.1 기존의 상대 측위 알고리즘
3.2 제안하는 상대 측위 알고리즘 (DNN)
Ⅳ. 모의실험
4.1 모의실험 환경
4.2 인공지능 모델 학습
4.3 모의실험 결과
Ⅴ. 결론
REFERENCES

키워드

군집 로봇 실내 상대 측위 대형 예측 딥러닝 심층신경망 Swarm robots Indoor relative positioning Formation prediction Deep learning DNN

저자

  • 윤승미 [ Seung-Mi Yun | 한밭대학교 인공지능학과 학생 ]
  • 현인영 [ In-Young Hyun | 한밭대학교 인공지능학과 학생 ]
  • 오정은 [ Jeong-Eun Oh | 한밭대학교 모바일융합공학과 학생 ]
  • 윤동환 [ Dong-Hwan Yoon | 엘아이지넥스원 수석연구원 ]
  • 선중규 [ Jung-Kyu Sun | 엘아이지넥스원 수석연구원 ]
  • 정의림 [ Eui-Rim Jeong | 한밭대학교 인공지능소프트웨어학과 교수 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제7권 12호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.