요약
본 발명은 디지털 트윈 기술의 한계를 극복하고, 롤모델의 내적 특성을 반영한 가상 모델 학습 방법을 제공합니다. 현실의 제약 없이 롤모델의 성향과 특성을 쉽게 이해하고 활용할 수 있도록 합니다. 실험 결과, 강화 학습을 기반으로 한 가상 모델은 롤모델의 선호도를 정확히 예측하며, 사용자의 의사결정에 기여합니다. 이를 통해 비용, 시간, 장소에 구애받지 않는 학습 환경을 제공하고, 사용자의 의사결정을 지원하는 새롭고 혁신적인 서비스를 구현할 수 있습니다.
키워드: #디지털트윈 #가상모델 #롤모델 #의사결정 #강화학습 #이미지생성 #내적특성 #학습환경 #혁신서비스 #선호도예측 #사용자경험 #시각화기술 #정보획득 #데이터분석 #AI기술
기본 정보
•
특허명: 강화 학습 기반의 가상 모델 학습 방법 및 가상 모델 서비스 제공 방법
•
발명자: 이현석,김지완,이승진,제갈홍
•
출원번호: 10-2022-0112155
•
등록번호: 10-2515139
발명 배경 및 필요성
발명 배경
•
메타버스와 디지털 트윈에 대한 관심 증가, 현실과 가상 세계 동기화 기술 중요성 상승
•
사람들이 롤모델 행동 분석 및 모사를 통해 삶 발전 추구
•
현실 세계에서 롤모델 만남에 환경적, 시간적 제약 존재
발명 필요성
•
롤모델의 내적 특성 반영한 가상 모델 학습 방법 제공
•
장소, 시간 제약 없이 롤모델 정보 획득 가능한 서비스 제공
•
획득한 롤모델 선호도를 사용자 의사 결정에 활용 가능
실험 및 구현
구현 방법 및 원리
•
디지털 트윈으로 물리적 객체 데이터와 행위 디지털 모델 추상화, 운영 예측 및 최적화
•
머신러닝 데이터 기반으로 대상 시스템 데이터 패턴, 상관관계 분석하여 진단 및 예측
•
롤모델의 선호도 피드백 정보를 통해 가상 모델 학습 수행
•
선택지 집합, 롤모델 특징 정보, 의사 결정 특징 정보 및 컨텍스트 정보를 선호도 네트워크에 입력하여 각 선택지의 선호도값 획득
모델 학습 과정
•
롤모델의 특징 정보, 의사 결정 특징 정보, 컨텍스트 정보를 리플레이 메모리에 저장, 이를 이용하여 선호도 네트워크 학습 수행
•
타겟 선택지, 롤모델의 특징 정보, 의사 결정 특징 정보, 컨텍스트 정보를 선호도를 네트워크에 입력하여 선호도값 획득
•
선호도 피드백 정보와 선호도값으로부터 계산된 손실값이 최소가 되도록 선호도 네트워크 학습 수행
발명 활용 방안
제품 및 서비스 적용
•
강화 학습 기반 가상 모델 학습 방법으로 사용자의 타겟 롤모델에 대한 가상 모델 학습 가능
•
롤모델의 내적 특성 반영된 가상 모델 제공으로 개인화된 서비스 가능
•
시간과 장소의 구애 없이 롤모델 정보 제공 가능
산업 및 사회적 가치 창출
•
개인화된 가상 모델 제공으로 사용자 경험 개선 및 사회적 이익 증가 가능
•
강화 학습 기반 가상 모델 학습 방법으로 AI 산업 경쟁력 강화 및 기술 발전 촉진 가능
•
시간과 장소의 구애 없이 롤모델 정보 제공으로 교육 및 자기계발 분야 활용 가능
메타버스 시장 동향
.png&blockId=30b9eca6-2940-45a9-b15e-54f9644de039)
강화학습 기반 AI 시장 동향
.png&blockId=5a469f1a-1234-4371-9c53-2cf39bf67db8)
기술 SWOT 분석
Strengths
현실과 가상 세계 동기화
•
디지털 트윈 기술을 활용하여 현실 세계와 가상 세계의 동기화를 가능하게 하여, 사용자가 롤모델의 행동을 실시간으로 모사할 수 있습니다.
개인화된 서비스 제공
•
롤모델의 내적 특성을 반영한 가상 모델 학습 방법을 제공하여, 사용자에게 개인화된 서비스를 제공할 수 있습니다.
시간과 장소의 제약 없음
•
시간과 장소의 제약 없이 롤모델 정보를 제공할 수 있어, 사용자의 편의성을 증대시킵니다.
Weaknesses
데이터 수집과 보안
•
롤모델의 행동과 선호도를 분석하기 위해 대량의 데이터를 수집해야 하며, 이에 따른 개인정보 보호와 데이터 보안이 중요한 이슈가 될 수 있습니다.
기술의 복잡성
•
디지털 트윈 기술과 머신러닝 등 복잡한 기술을 활용하므로, 기술의 이해와 활용에 어려움이 있을 수 있습니다.
Opportunities
메타버스 시장 확대
•
메타버스 시장의 확대와 디지털 트윈 기술의 주목으로, 이 기술의 활용 분야가 넓어질 수 있습니다.
교육 및 자기계발 분야 활용
•
롤모델의 행동을 모사하고 학습하는 기능을 통해, 교육 및 자기계발 분야에서 활용할 수 있습니다.
Threats
기술적 장벽
•
디지털 트윈 기술과 머신러닝 등의 고도화된 기술을 필요로 하므로, 기술적 장벽이 존재합니다.
데이터 보안 및 개인정보 침해 우려
•
사용자의 행동 패턴과 선호도를 분석하고 저장하는 과정에서, 데이터 보안 및 개인정보 침해의 우려가 있습니다.
Summary
Strengths
•
현실과 가상 세계의 동기화, 개인화된 서비스 제공, 시간과 장소의 제약 없음 등이 주요 강점입니다.
Weaknesses
•
데이터 수집과 보안, 기술의 복잡성 등이 주요 약점입니다.
Opportunities
•
메타버스 시장 확대, 교육 및 자기계발 분야 활용 등이 주요 기회입니다.
Threats
•
기술적 장벽, 데이터 보안 및 개인정보 침해 우려 등이 주요 위협입니다.
대표도면
세종대학교 산학협력단
(05006) 서울시 광진구 능동로 209 세종대학교 광개토관 1002호
COPYRIGHT (c) 2023 Incheon National University. ALL RIGHT RESERVED.