Earticle

교통 시스템의 효율성 및 안전성 향상을 위해 도입된 지능형 교통 시스템(ITS)의 처리용량 한계를 극복하고자 차량 에지 컴퓨팅 기술의 적용 가능성을 연구하였다. 기존 중앙집중식 ITS의 데이터 처리 과정에서 발생하는 네트워크 병목 현상과 처리 지연 문제를 해결하기 위해, CCTV 영상 데이터를 근처의 차량 내 에지 서버에서 처리하는 차량 에지 컴퓨팅 시스템의 기능 구조와 인터페이스를 제시하였으며, DQN 머신러닝 알고리듬을 활용해 최적의 차량을 에지 서버로 선정하는 메커니즘을 개발하였다. CCTV로 수집된 도로 이미지에 객체 탐색(object detection), 분류 (classification) 기술을 적용하여 도로상의 장애 상황을 실시간으로 인식하는 프로토타입 시스템을 구현하였다. 또 한 도로 환경 시뮬레이터를 통해 시스템 동작을 시각화함으로써 차량 에지 컴퓨팅이 실시간 도로상황 감시 및 대응 능력을 향상시킬 수 있는 효율적 방법임을 검증하였다.

We studied the applicability of vehicular edge computing technology to overcome the limitations of processing capacity of the Intelligent Transportation System(ITS), which was introduced to improve the efficiency and safety of the transportation system. In order to solve network bottlenecks and processing delays that occur in the data processing of existing centralized ITS, we presented the functional architecture and interface of a vehicular edge computing system that processes CCTV video data on an in-vehicle edge server nearby. We developed a mechanism to select the optimal vehicle as the edge server using the DQN machine learning algorithm. Our system is able to identify obstacles on the road in real-time by applying object detection and classification technologies to road images collected through CCTV. We also demonstrated the efficiency of vehicular edge computing in improving real-time monitoring of road situation by visualizing system operations through a road environment simulator.

클라우드 환경이 서로 다른 플랫폼의 연계 및 결합 운영으로 전환됨에 따라 클라우드 동기화 및 관리를 수행하는 멀 티 클라우드 기술의 중요도가 높아지고 있다. 그러나, 가상 머신을 구축하는 측면의 멀티 클라우드 기술은 단순히 가상 머신을 복제하여 활용하는 마이그레이션이 중점적으로 연구되고 있으며, 가상 머신 리소스의 부분적인 결합을 통해 클라우드 리소스의 재사용성을 높이는 기술 연구는 부족하다. 따라서, 본 논문에서는 기운영되는 클라우드 가 상 머신 구성 요소 간의 유사도 유형과 정량화 방법을 정의하고 가상 머신의 탄력적인 변경 및 운영을 지원할 수 있 는 유사도 기반 가상 머신 분석 방법을 제시한다. 그리고, 가상 머신의 유사도 정량화의 방안으로 가상 머신을 구성 하는 핵심적인 요소인 소프트웨어와 하드웨어 리소스를 수치화하는 방안을 제시하고, 이를 활용한 가상 머신 유사성 을 도출하는 기법을 제시한다. 또한, 가상 머신 간 유사성에 기반하여 가상 머신을 구축하고 운영에 적용할 수 있는 아키텍처와 프로세스를 제시한다. 제안한 기법을 실제 클라우드 플랫폼인 오픈스택에 적용한 사례 연구를 수행하여 가상 머신 간의 유사성을 도출하는 과정을 나타내었다. 또한, 성능적 유사도의 적용 가능성을 확인하기 위한 실험으 로 스트레스 내구성 평가 결과, 기존 가상 머신 기준 0.988초의 CPU 내구성이 유사도 반영 대치 후 2.983초로 CPU 내구성의 향상을 확인하였다. 이 유사성 분석 방법은 멀티 클라우드 가상 머신을 운영시 가상 머신의 배치를 위한 군집화나 가상 머신의 탄력적인 변경 등 가상 머신 관리의 기반 기술로 활용될 수 있을 것으로 기대된다.

As the cloud environment transitions to the interconnection and combined operation of different platforms, the importance of multi-cloud technology that performs cloud synchronization and management is increasing. However, multi-cloud technology in terms of building virtual machines is mainly studied in migration that simply replicates and utilizes virtual machines, and there is a lack of research on technologies that increase the reusability of cloud resources through partial combination of virtual machine resources. Therefore, in this paper, we define the types and quantification methods of similarity between existing cloud virtual machine components and propose a similarity-based virtual machine analysis method that can support flexible changes and operations of virtual machines. In addition, as a method for quantifying the similarity of virtual machines, we propose a method for quantifying software and hardware resources, which are core elements that make up virtual machines, and we present a technique for deriving virtual machine similarity using this. Additionally, we present an architecture and process for building and operating virtual machines based on similarities between virtual machines. We conducted a case study applying the proposed technique to OpenStack, an actual cloud platform, and verified that similarities between virtual machines were analyzed and derived. In addition, as a result of the stress durability evaluation, an experiment to verify the applicability of performance similarity was conducted, and the CPU endurance was improved from 0.988 seconds based on the existing virtual machine to 2.983 seconds after similarity reflection. It is expected that this similarity analysis method can be utilized as a basic technology for virtual machine management, such as clustering for virtual machine placement or flexible changes to virtual machines when operating multi-cloud virtual machines.

코로나 19 팬데믹의 영향으로 가상의 세계에서 자신을 대신하는 아바타를 통한 언택트 문화가 메타버스, 버추얼 유 투버, 웹툰, 웹소설, 게임에 이르기까지 다양한 분야에서 확산되고 있다. 이러한 흐름에 따라 본 논문은 실시간 아바 타 리타게팅을 통한 댄스 게임을 제안한다. PC나 모바일 기기에 연결된 웹캠을 통하여 게임 플레이어의 실시간 댄 스 동영상을 입력받으면 MediaPipe Pose API로 3차원 관절 위치를 추정한다. 추정된 관절 위치 랜드마크를 로컬 소켓 통신을 통하여 유니티로 전송하여 휴머노이드 아바타 캐릭터로 리타게팅한다. 게임 플레이어는 화면에 보이는 댄서의 춤을 음악에 맞춰 따라 하면서 자신이 추는 모습을 아바타를 통해 볼 수 있다. 댄서와 게임 플레이어의 랜드 마크를 기반으로 키포인트 벡터를 정의하고 동적 시간 워핑으로 동작간 시간차를 보정한 후 각 키포인트 벡터의 코 사인 유사도를 구하여 댄스 유사도 평가를 한다. 본 게임을 다양한 신체를 가진 10명의 학생을 대상으로 실험한 결 과 평균 17~20 fps 게임 플레이 성능을 보였고 아바타를 통해 게임을 하는 것이 직접 본인의 모습을 보면서 수행 하는 것보다 덜 부담되면서 몰입도가 증가되었다는 피드백을 얻을 수 있었다. 본 연구방법은 게임 외에 운동자세 분 석, 자세교정, 로봇제어, 행동인식 등 다양한 분야에 활용될 수 있다.

Due to the impact of the COVID-19 pandemic, the untact culture through avatars that represent oneself in the virtual world is spreading in various fields, including metaverse, virtual YouTubers, webtoons, web novels, and games. Following this trend, this paper proposes a dance game through real-time avatar retargeting. When a game player's real-time dance video is input through a webcam connected to a PC or mobile device, the 3D joint position is estimated using the MediaPipe Pose API. The estimated joint position landmarks are transmitted to Unity through local socket communication and retargeted to the humanoid avatar character. Game players can imitate the dancer’s dance on the screen to the music and watch them dance through their avatars at the same time. Based on the landmarks of dancer and game player, the keypoint vectors are defined, the time difference between movements is corrected by dynamic time warping, and the cosine similarity of each keypoint vector is obtained to evaluate the dance similarity. As a result of experimenting with 10 students with various bodies, this game showed an average 17-20 fps gameplay performance, and feedback was obtained that playing games through avatars was less burdensome and increased immersion than performing while looking at yourself. In addition to games, this research method can be used in various fields such as exercise posture analysis, posture correction, robot control, and behavior recognition.

본 연구는 연결개방데이터(Linked Open Data: LOD) 클라우드에서의 동일연결 RDF 트리플들을 자동으로 생성 하는 방안을 제안하였다. LOD 클라우드에 참여하는 LOD들은 특정 주제에 대하여 각자의 관점에서 기술한 다양한 내용들을 제공한다. 동일연결은 서로 다른 LOD들에 존재하며 상이한 URI로 식별되는 개체1, 개체2가 실질적으로 는 동일한 개체임을 {개체1 <owl:sameAs> 개체2} 형식의 RDF 트리플로 구성한 것이다. 동일연결 RDF 트리플 이 존재하는 LOD에서 개체1을 대상으로 검색하는 경우 검색결과를 개체1에 대한 검색결과에 개체2의 내용이 더해 진 확장된 내용으로 제공하는 것을 가능하게 한다. 하지만 현재의 LOD 클라우드에는 이러한 동일연결 제공이 불충 분하고 불균형적인 상태에 있다. 동일연결 자동생성을 위해서는 개체1, 개체2간이 충분히 동일한 것인가를 평가하는 방안이 필요하다. 본 연구에서는 개체1, 개체2간의 동일수준을 이들의 의사식별자에 연결된 목적어 값들의 유사성에 근거하여 평가하였다. 의사식별자에 참여하는 술어들을 선정하기 위하여 개별 술어 및 이들 조합의 엔트로피와 정보 이득을 활용하는 방안으로 엔트로피 기반 개체동일성 식별(Entropy-based Entity Sameness Identification: EESI)를 제안하였다. EESI는 기존 동일연결의 93%를 재생산하였고 23%의 새로운 동일연결들을 생성하였다.

This study proposes a method for automatically generating sameAs RDF triples in the Linked Open Data (LOD) cloud. LODs participating in the LOD cloud provide various descriptions on specific subjects from their respective perspectives. A sameAs link is an RDF triple in the format {entity1 <owl:sameAs> entity2}, which indicates that two entities, entity1 and entity2, identified by different URIs in different LODs, are essentially the same. When a sameAs RDF triple exists in an LOD, searching for entity1 allows the search results to be expanded by including information about entity2. However, the current LOD cloud lacks sufficient and balanced provision of these sameAs links. To automatically generate sameAs links, a method is needed to assess whether entity1 and entity2 are sufficiently identical. In this study, the sameness between entity1 and entity2 was evaluated based on the similarity of the object values connected to their pseudo-identifiers. To select the predicates participating in these pseudo-identifiers, the study proposed an Entropybased Entity Sameness Identification(EESI) method that utilizes the entropy and information gain of individual predicates and their combinations. EESI reproduced 93% of the existing sameAs links and generated 23% new sameAs links.

최근 열적외선 카메라는 군사, 농업, 감시 및 의료 목적으로 다양한 응용 분야에서 활용되고 있다. 그러나 열적외선 카메라의 높은 가격과 부족한 공개 데이터 세트로 인해 딥러닝 기반 객체 탐지 알고리즘을 개발은 여전히 어려운 과 제이다. 본 논문에서는 학습 데이터 없이 열 신호를 기반으로 미상 객체를 탐지하는 방법을 제시한다. 열원을 가진 객체는 주변 환경에 비해 상대적으로 높은 밝기를 가진다는 가정에 기반한 열적외선 이미지의 처리를 수행한 후, 제 로 샷 분할(Zero-Shot Segmentation) 방법으로 관심 객체를 강건하게 탐지한다. 제안한 방법은 원격 제어 전차 모델과 열적외선 카메라를 사용하여 다양한 환경에서 취득한 데이터 세트로 성능을 평가하였다. 실험을 통해 제안된 방법이 열원을 가진 미상 객체를 탐지하는 데 효과적임을 보여준다.

Recently, thermal infrared cameras are utilized for various applications, such as military, agriculture, surveillance, and medical purposes. However, it is not easy to develop deep learning-based target object detection algorithms due to high price of thermal IR cameras and insufficient public databases. In this paper, we present a method to detect target-agnostic objects based on thermal signals without any training data. After image processing of an input IR image based on the assumption that the target object has relatively higher brightness than environment, the recent zero-shot segmentation method is applied to detect the target object robustly. The dataset for target-agnostic object detection is generated in the various environments using remote control tank models and a thermal IR camera. By experiments, we show the effectiveness of the proposed method to detect target-agnostic objects.

상태 기계 복제(SMR: State Machine Replication)는 결함 감내를 제공할 수 있는 기술로 잘 알려져 있다. 클라 이언트의 요청이 같은 순서로 정렬되어 복제들에서 실행되도록 하고, 결정적 알고리즘의 실행 결과로 모든 정상 복 제는 각 요청을 실행하고 나면 같은 상태에 이르게 된다. 그런데 SMR에는 확장성이 없다. 즉, 복제의 수가 늘어나 더라도 처리량은 늘어나지 않는다. 이 논문에서는 전체 시스템의 성능을 제고할 수 있는 확장 가능한 SMR 프로토 콜을 제안한다. 지리적으로 분산되어 있는 클라이언트와 복제들의 데이터 액세스 특성을 고려해서 전체 시스템을 여 러 개의 파티션으로 분할한다. 각 파티션마다 클라이언트 요청의 순서를 결정하는 리더를 둔다. 액세스해야 하는 데 이터가 상충하지 않는다면 두 개 이상의 트랜잭션이 동시에 처리되게 하는 것이다. 과반의 동의를 얻은 리더의 강력 한 강제 쓰기를 근간으로 하는 Raft 알고리즘을 확장하여 구현한 테스트베드 상에서의 실험을 통하여 효용성을 입 증하였다. 기존의 접근 방식과 비교하여 데이터의 지역성에 따라 트랜잭션 처리 응답 시간을 줄일 수 있음을 확인할 수 있었다.

State Machine Replication(SMR) is a well-known technique designed to provide fault tolerance. Client requests are coordinated to be executed in the same order at all replicas, and after the execution of deterministic algorithm every normal replica arrives at the same state. However, SRM is not scalable. That is, the throughput does not increase with the number of replicas. This paper is to propose a SMR protocol which can increase the overall system performance. Considering the properties of the clients and replicas geographically distributed, the system is divided into multiple partitions. A leader is allocated to each partition to determine the sequence of client requests. The protocol is designed to allow more than two transactions executed simultaneously unless there is collision of data to be accessed. The effectiveness of the protocol was demonstrated through experiments on a testbed implemented by expanding the Raft algorithm which is based on majority voting and strong write according to a powerful leader. Experiments have shown that transaction response delays can be reduced with the locality of data compared to the existing approach.

본 연구는 GPT 모델을 활용한 한국어 반어 병렬 코퍼스의 자동 구축을 목표로 한다. 반어 병렬 코퍼스는 직설 문장 과 같은 의미를 담고 있는 반어 문장 쌍으로 구성되는데 이 직설 문장은 일반 코퍼스에서 추출된 부정적인 서술어를 담고 있는 문장이다. 직설 문장에서 사용된 부정적인 서술어를 감성 반의어를 이용하여 대응되는 긍정 서술어로 변 환하여 반어 문장을 생성한다. 생성된 반어 문장이 명확한 반어적 의미를 전달하지 못할 경우, 관련된 맥락을 제공 하여 반어 의미를 명확히 전달하고자 한다. GPT 모델을 이용하여 직설 문장이 도출할 수 있는 부정적 개념을 추출 하고 이를 기반으로 코퍼스 검색과 GPT를 이용한 문장 생성을 통해 맥락 지원 문장을 생성한다. 구축된 반어 병렬 코퍼스의 수동 평가 결과 생성된 문장들의 문법적 정확성은 수용할 만한 수준인 반면, 반어적 표현력은 다소 개선이 필요하였다. 본 연구는 한국어 반어 병렬 코퍼스 자동 구축의 최초 시도이며, 다양한 표현으로 만들어진 여러 유형 의 문장을 포함할 수 있었다.

This research presents a Korean irony parallel corpus which was automatically constructed utilizing a GPT model. The corpus is composed of a set of paired sentences including indicative and ironic ones. All the indicative sentences are extracted from a general purposed corpus and convey negative sentiment. They are used to generate a corresponding ironic sentence, using a dictionary of sentiment reversal which contains paired sentiment antonyms. When a generated ironic sentence does not convey clear ironic meaning, relevant context is provided in a form of a supporting sentence. The sentences are retrieved through searching a corpus and generated utilizing a GPT model based on semantic incongruity. Human evaluation suggests grammaticality of the generated sentences are acceptable while sarcasticness need to be improved. Automatic evaluation shows the corpus includes various types of sentences created various expressions.

디지털트윈 기술은 제조업 분야에서 시작되어 스마트 시티, 에너지, 운송, 헬스 등 다양한 산업으로 빠르게 확산되 고 있다. 이 기술은 여러 시스템과 조직 간의 데이터 통합을 향상시켜 더 정교한 모델링과 예측을 가능하게 하며, 이를 통해 운용 효율성을 높이고 의사 결정을 개선한다. 스마트홈 분야에도 디지털트윈 기술을 적용하는 연구가 시 도되었으나 개념 실증 정도에 그치고 있으며, 실질적인 구현을 통한 검증 사례는 찾아볼 수 없다. 본 논문에서는 디 지털트윈 기술을 스마트홈의 에너지 관리에 활용하여 에너지 효율화를 위한 디지털트윈 기반 홈 에너지 관리 시스템 의 프레임워크를 제안한다. 제안된 프레임워크는 스마트홈의 다양한 서비스에 적용할 수 있는 다목적 프레임워크를 제공하는 것을 목표로 하며, 구축 비용을 절감하기 위해 오픈소스 소프트웨어 기반의 기술 스택을 활용하여 구현된 다. 구현된 시스템은 실제 사용자가 거주하는 공동주택에 장기간 설치 및 운영함으로써, 시스템의 실행 가능성, 유용성, 확장성을 검증한다.

Digital twin technology, which originated in the manufacturing sector, is rapidly expanding into various industries such as smart cities, energy, transportation, and healthcare. This technology enhances data integration across multiple systems and organizations, enabling more precise modeling and prediction, thereby improving operational efficiency and decision-making. Although research has been conducted to apply digital twin technology in the smart home sector, it has mostly been limited to conceptual demonstrations, with no substantial implementation and verification cases. This paper proposes a framework for a digital twin-based home energy management system aimed at improving energy efficiency by utilizing digital twin technology in smart home energy management. The proposed framework is designed to be a versatile platform applicable to various smart home services and is implemented using an open-source software-based technology stack to reduce construction costs. The system is tested and verified by installing and operating it over an extended period in a residential apartment where actual users live, thereby validating its feasibility, utility, and scalability.

다중 에이전트 강화 학습(Multi-Agent Reinforcement Learning, MARL)은 에이전트가 시행착오를 통해 최적 의 정책을 상호 작용하고 학습하는 기계학습의 한 분야로, 여러 에이전트가 동시에 동일한 환경에서 상호 작용하고 학습하는 복잡한 시나리오를 처리한다. 이러한 복잡한 상호작용을 분석하고 이해하기는 어려운 일이며, 기존의 분석 방법으로는 이러한 복잡성을 충분히 분석에 반영하고 해석하는 데 한계가 있다. 이러한 문제를 해결하기 위해 우리 는 MARL 환경에서 에이전트의 정책과 상호작용을 시각화하고 분석할 수 있는 시각화 시스템인 MARLViz를 제공 한다. 이 시스템은 다양한 환경에서의 에이전트를 산점도로 나타내어 행동 차이를 요약적으로 보여주고 에이전트의 행동 패턴을 공간상에 시각화하는 열지도를 통해 사용자가 에이전트 간 복잡한 상호작용 패턴을 이해하고 비교할 수 있도록 설계되었다. 또한, MARLViz를 통해 에이전트들의 행동을 이해하기 위한 과업 수행을 효과적으로 수행할 수 있음을 보이기 위해 대표적인 분석 시나리오를 사례 연구의 형식으로 제시한다.

Multi-Agent Reinforcement Learning (MARL) is a subfield of machine learning in which agents interact and learn optimal policies through trial and error in a shared environment, handling complex scenarios where multiple agents interact simultaneously. Analyzing and understanding these intricate interactions is a challenging task, and existing methods often fall short of adequately capturing and interpreting this complexity. To address this issue, we present MARLViz, a visualization system designed to visualize and analyze agent policies and interactions in MARL environments. MARLViz represents agents in various environments using scatterplots to provide a summary of behavioral differences and visualizes agents' behavioral patterns on a spatial heatmap, enabling users to understand and compare complex interaction patterns among agents. Furthermore, we demonstrate the effectiveness of MARLViz in comprehending agents' behavior through a case study, showcasing its capability in facilitating the understanding of task performance in MARL environments.