Earticle

무인이동체 시스템은 운용 과정에서 다양한 하드웨어 및 소프트웨어 구성요소를 복합적으로 사용한다. 이처럼 다양 한 구성요소가 결합 되어 동작하는 무인이동체 시스템은 각 구성요소에 대한 다양한 결함 및 보안 위협에 노출되어 있다. 이에 따라 무인이동체의 일부 위험 및 위협 요소를 대상으로 무인이동체의 이상행위를 탐지하기 위한 다양한 연구들이 꾸준히 수행되어왔다. 무인이동체의 다양한 위험 및 위협 요소를 고려했을 때 실질적인 무인이동체 운용환 경에서 이상행위 탐지 알고리즘의 신뢰성 있는 도입을 위해, 이상행위를 유발하는 각각의 요소에 대한 탐지 커버리 지를 확장하여 무인이동체 시스템 전반의 강건성 및 보안성을 향상할 필요가 있다. 하지만 기존 이상행위 탐지 알고 리즘의 통합적 도입과 검증 과정에서, 각 알고리즘이 이상행위 탐지를 위해 사용하는 데이터의 차이로 인한 통합의 어려움이 있다. 따라서 본 논문은 다양한 이상행위의 요인의 다각적인 수집 및 행위 결과에 대한 분석이 가능한 소 프트웨어 정의형 무인이동체 테스트베드의 설계 및 구현을 통해 이상행위 탐지 개발과 적용 및 검증에서의 활용성을 높이고자 한다.

The UAV(Unmanned Aerial vehicle) system uses a variety of hardware and software components in the process of operation. The UAV system operating in combination with various components is exposed to various defects and security threats for each component. Accordingly, various studies for detecting abnormal behavior of the UAV system have been continuously studied for some risks and threats of the UAV system. Thus, considering the various defeats and threats of the UAV system, it is necessary to reliably introduce the anomaly detection algorithm in a practical unmanned mobile operating environment. In addition, it is necessary to improve the robustness and security of the overall UAV system by extending the detection coverage for each element that causes abnormal behavior. However, in the process of integrating and verifying the existing anomaly detection algorithm, there is a difficulty in integration due to differences in data used by each algorithm. Therefore, we design and implement a software-defined UAV testbed capable of multi-faceted collection of variables that can be a factor of various abnormal behaviors and analysis of UAV behavior results. Through this, we intend to increase the usability in the development, application and verification of abnormal behavior detection.

기존의 실내위치 인식 기술은 WLAN, GPS, Bluetooth, 또는 자기장 기술을 사용하는 것이 일반적이다. 하지만 이러한 기술은 실내 환경에서는 수신 신호 세기로 인해 오차를 발생시킬 수 있다. 센서를 사용하지 않는 실내위치 인식 방법으로 3D 건물 모델을 참조하는 방법이 있다. 본 논문은 3D 건물 모델을 참조하기 위하여 설계도면을 추 정 하는 방법을 제안한다. 제안된 방법은 이미지를 사용하여 이미지 안의 문과 같은 건물 안의 영구적인 정적 물체 를 인식, 사용하여 정적 물체와 정적 물체 간의 실제 거리 비율을 예측, 계산한다. 계산한 정적 물체 간의 실제 거리 비율을 사용하여 이미지 안의 정적 물체를 재배열하여 설계도면을 모델링한다. 본 논문의 설계도면 모델링 방법을 사용하여 실내위치 인식을 하면 특별한 인프라나 센서 없이도 이미지 한 장으로 값싸게 실내위치 인식을 할 수 있을 것으로 기대된다.

In the conventional indoor location recognition technology, WLAN, GPS, and Bluetooth technologies are generally used. However, this technique may cause an error in the indoor environment due to the received signal strength. There is a method of reference from 3D building model as a method of recognizing indoor location without a sensor. This paper proposes a method for modeling blueprint to refer to a 3D building model, which is one of the methods of indoor location recognition. The proposed method uses images to recognize static objects in buildings, such as doors in images, to predict and calculate the real-world distance ratio between static objects and static objects. Then our system model the blueprint by rearranging the static objects in the image using the calculated ratio of actual distances between static objects. It is expected that the indoor location recognition using the design drawing modeling method of this paper will be able to recognize the indoor location inexpensively with a single image without special infrastructure or sensor.

SSD(Solid-State Drive)는 다수의 HDD(Hard Disk Drive)로 구성된 영상 서버에서 캐시로 활용될 수 있으며, 제한된 캐싱 공간을 효율적으로 사용하기 위해서는 캐싱될 영상의 미래 인기도를 정확하게 예측하는 것이 요구된다. 본 논문에서는 SVR(Support Vector Regression) 기반의 영상 인기도 예측 기법을 통해 영상 서버에서 SSD 캐 시를 할당하는 방법을 제안한다. 먼저 예측 영상 인기도를 도출하기 위해 영상의 제목, 대표 이미지, 선호도 지표, 과거 조회수 기록 등 다양한 특징 벡터를 통해 영상 인기도 예측 모델을 구축하고 특징 벡터 구성에 따라 모델의 예 측 성능과 연산 복잡도가 어떻게 변화하는지 분석하며, 그 결과를 기반으로 영상 인기도를 인자로 사용하는 SSD 캐 싱 할당 모델을 제시한다. 9만개의 실제 유튜브 영상의 데이터를 수집하고, SSD 캐싱 동작을 시뮬레이션하여 1) 영상 인기도 예측 성능과 연산 복잡도간의 관계, 2) 최적해 대비 SSD 캐싱 할당 성능 면에서 제안하는 기법의 효용성을 검증하였다.

Solid-state drives (SSDs) can be effectively used as a cache for video servers that consist of a lot of hard disk drives (HDDs), for which exact prediction of future video popularity is essential to make effective use of limited cache space. We propose a new SSD cache allocation scheme by making use of video popularity prediction based on a machine learning technique called support vector regression (SVR). To derive future popularity, we first construct a video popularity prediction model based on various feature types including title, thumbnail, and a ratio of “likes" and “dislikes" and viewing history to predict the popularity of video clips and analyze how complexity and accuracy of the SVR vary with each feature type. Based on this, we develop an SSD cache allocation model that uses video popularity as a parameter. We simulated a video server that stores 90,000 actual YouTube video clips to evaluate our scheme in terms of 1) popularity prediction accuracy and computational complexity 2) SSD caching set determination performance compared with optimal solution. The results confirm that the proposed scheme can accurately predict future popularity at a modest machine learning cost, which can be effectively used to SSD caching set determination.

본 논문은 리튬이온배터리의 전력상태(SoP, state of power) 계산 복잡도를 줄이기위하여 최대 전류에서 SoP를 추론 하는 기법을 제안한다. SoP 추론을 위해 시계열 기계학습 방법인 BiLSTM를 이용하였으며, 전압과 잔존용량 제약을 고려한 최대 전류를 사용하였다. 제안한 알고리즘은 Urban Dynamometer Driving Schedule 데이터를 이용하여 검 증하였으며, 제안한 SoP 추론 알고리즘의 계산은 평균제곱근오차(RMSE)가 15.54일 때 0.559 시간으로 측정되었다.

An accurate SoC(state-of-charge) to estimate SoP(state-of-power) is the most remarkable technique for electric vehicles (EV). Hence, the estimation of battery state-of-charge prior to estimation of battery state-of-power requires more computation cost and time. This paper makes two contributions: (1) a data-driven SoP estimation method has been proposed to accurately capture the characteristics of the battery through the bidirectional long-short term memory algorithm, (2) the estimation of maximum discharge current based on voltage and SoC constraints using BiLSTM. The robustness of the proposed method has been verified by comparing the method with co-estimation and conventional method. The results show higher accuracy (approximately 24%) compared to the conventional state-of-power estimation method with 15.54 root-mean-square-error and faster computing time (approximately 66%) compared to co-estimation method with 2015 seconds calculation time, which made the proposed SoP estimation more efficient and reliable for the electric vehicles application.

Virtual Reality(VR)은 1950년대에 제안된 기술이었지만 최근에서야 활발하게 VR 기기와 콘텐츠 보급이 이루어 지고 있다. 기존의 VR 콘텐츠는 사전에 만들어진 콘텐츠를 사용자가 보ㄴ는 것이 대부분 이었지만, 최근의 컴퓨팅 기술의 급격한 발전 덕분에 작은 사이즈에 사용자의 행동을 추적할 수 있는 기기가 등장함으로서 사용자와 상호작용 을 하는 VR 콘텐츠가 등장할 수 있었다. 뿐만 아니라 VR이 AR과 MR로 확장되고 있으므로, 3가지 가상 환경에서 모두 사용가능하며 효율적인 User Interface(UI)가 필요하다. 본 논문에서는 아이트래킹 센서 기술기반의 UI를 제안한다. 아이트래킹 센서 기반 UI는 사용자가 직접 컨트롤러를 조작하는 부분을 줄임으로서 단순 조작에 사용되 는 시간을 극적으로 낮출 수 있을 뿐만 아니라, 다양한 종류의 컨트롤러를 복합적으로 사용가능하게 함으로서 전용 컨트롤러의 필요성을 낮추었다.

Virtual Reality (VR) was a technology proposed in the 1950s, but it has only recently been actively distributing VR devices and contents. Traditional VR content was mostly pre-created by users, but thanks to the recent rapid development of computing technology, a device capable of tracking the user's behavior in a small size has appeared, and thus the VR content that interacts with the user has appeared. In addition, since VR is expanding to AR and MR, it can be used in all three virtual environments and requires an efficient user interface (UI). In this paper, we propose a UI based on eye tracking sensor technology. The eye tracking sensor-based UI not only dramatically reduces the time used for simple manipulation by reducing the part where the user directly controls the controller, but also reduces the need for a dedicated controller by enabling various types of controllers to be used in combination.

가변연체 시뮬레이션에서 움직이는 물체의 내부는 보통 분할된 사면체들로 구성된다. 기존 연구에서는 균등한 크기 로 사면체를 분할하기 때문에 물성이 균일하지 않은 물체를 모델링할 때에도 일괄적으로 많은 분할이 발생하여 저장 공간이 낭비되고 처리시간이 증가하는 문제가 있다. 이 논문에서는 물체 내부의 밀도 값에 따라 각 사면체들의 분할 크기를 다르게 하여 상세 단계를 제작하는 방법을 제안한다. 밀도값을 가진 물체 내부와 각 사면체가 매핑되는 지점 의 밀도 값 분포를 이용하여 상세 단계 각 레벨의 재귀적인 분할 여부를 결정함으로 사면체를 세분화하였다. 제안한 상세 단계 모델을 이용하여 렌더링한 결과 동일한 정밀도를 유지하면서도 정점, 삼각형 수를 줄일 수 있었다. 이 논 문에서 제안한 방법을 이용하여 물성이 균일하지 않은 물체를 효율적으로 시뮬레이션 할 수 있다.

In the field of variable-body simulation, the interior of a moving object usually consists of divided tetrahedra. In the previous study, since the tetrahedron is divided into equal sizes, even when modeling an object having a non-uniform property, a large number of division occurs collectively, which wastes storage space and increases processing time. In this paper, we propose a method of producing level of detail(LOD) by differentiating the size of each tetrahedron according to the density value inside the object. The tetrahedron is subdivided by deciding whether to recursively divide each level in the LOD by using the density value distribution at the point where each tetrahedron is mapped to the inside of the object having the density value. As a result of rendering using the proposed LOD model, it was possible to reduce the number of vertices and triangles while maintaining the same precision. By using the method proposed in this paper, it is possible to efficiently simulate objects with non-uniform properties.

금속 부품의 부식과 내구성 강화를 위해서 페인트를 이용하여 표면처리 하는 전착도장 업체의 생산 공정과 작업환경 은 전근대적인 방식에서 벗어나지 못하고 있다. 이러한 뿌리산업체의 문제점은 품질 저하, 생산성 저하, 환경오염 등으로 종사자의 기피현상이 가증되고 있어 공장자동화 차원의 개선이 시급하다. 따라서 본 논문은 전착도장 업체가 안고 있는 문제점을 해소하고자 전착도장 공정 제어시스템을 IoT 기반의 스마트 팩토리화 하고, 지능형 센싱 에이 전트, 생산관리시스템 연동 API, 자동제어장치가 산업기술용 네트워크로 연결된 새로운 기술을 제안하고 실증 수준 의 시험평가를 실시하여 그 효용성을 입증하였다.

The production process and working environment of electrodeposition coating companies that surface-treat with paint to enhance corrosion and durability of metal parts have not escaped from the pre-modern way. The problems of the root industry are that the evasion of workers is increasing due to the deterioration of quality, productivity, and environmental pollution, so it is urgent to improve the level of factory automation. Therefore, in this paper, the electrodeposition coating process control system is an IoT-based smart factory to solve the problems of the electrodeposition coating company, and an intelligent sensing agent, production management system interworking API, and automatic control device are connected to the industrial technology network. And proved its effectiveness by conducting empirical level test evaluation.

크라우드 소싱은 일반인이 자신의 컴퓨팅 리소스를 사용하여 넓은 범위의 유효한 데이터를 수집하는 기법이다. 스마 트 디바이스 기술의 발전으로 크라우드 소싱 기술로 수집 될 수 있는 데이터의 범위가 넓어지고 있지만 개인 정보에 대한 보호 및 비용 지불의 문제 등으로 크라우드 소싱의 활용이 많은 제약을 받고 있다. 이러한 문제에 대한 해결책 중의 하나로 블록체인 기술이 각광을 받고 있다. 블록체인 기술은 트랜젝션을 블록화 하여 트렌젝션을 세부적으로 기록하는 공개 분산 데이터베이스이며 이를 활용하여 데이터 교환의 신뢰성을 보장하는 기술이다. 본 논문에서는 크 라우드 소싱을 위한 블록체인 기법의 적용에 대한 기존 연구 현황을 조사하고 개인 정보 보호 및 비용 지불의 신뢰 도 보장을 위한 블록체인 기법의 적용 방법을 나누어 설명하고 일반 텍스트 데이터 및 멀티미디어 데이터를 포함한 다양한 데이터의 크라우드 소싱을 위한 블록체인 기법의 적용 방법을 제시한다.

Crowdsourcing is a technique in which the general public uses his computing resources to collect a wide range of valid data. With the development of smart device technology, the range of data that can be collected by crowdsourcing technology is widening, but the use of crowdsourcing is limited due to the protection of personal information and payment of compensation. One of the solutions to this problem is blockchain technology. Blockchain technology is an open distributed database that records transactions in detail by blocking transactions and utilizes them to ensure the reliability of data exchange. In this paper, we investigate the current state of research on the application of blockchain techniques for crowdsourcing, divide and explain how to apply blockchain techniques to ensure the reliability of personal information protection and payment, and include various texts and multimedia data. We propose a method of applying blockchain technology for crowdsourcing data.