| 시간 | 발표 제목 | 좌장/연사 |
|---|
| 09:30~10:00 | 등록 |
| 10:00~11:30 | 강화학습 기반 임무 수행을 위한 수중무인이동체 제어 | 노지민 연구원(고려대) |
| 해양 탐사 및 자율주행에 대한 수요 증가로 자율 수중무인이동체의 연구가 대두되고 있다. 본 강연에서는 수중무인이동체의 목표에 맞도록 MDP기반의 강화학습 환경을 설계하고, PPO기반의 학습을 통하여 다양한 동적 환경에서 높은 성공률로 임무를 무인이동체의 경로 계획 모델을 설명한다. 또한, 장애물의 위치 등이 변화하는 동적 환경에서 구현한 강화학습 모델을 테스트하여 효율적이고 신뢰성 높은 모델을 구현하는 방법에 대하여 다룬다. |
| 11:30~13:00 | 중식 |
| 13:00~14:30 | 자율 도심 항공 모빌리티를 위한 공중 수송 서비스의 멀티 에이전트 강화학습 | 김규선 연구원(고려대) |
| 도심 항공 모빌리티(Urban Air Mobility, UAM)는 도심 내에서의 중장거리 이동을 위한 혁신적인 솔루션을 제공하며, 교통 혼잡 해소, 이동 시간 단축, 친환경적인 이동 수단으로 주목받고 있다. 다수의 UAM이 동시에 공역을 공유하는 복잡한 환경에서, 효율적이고 안전한 제어 및 경로 탐색은 UAM 시스템의 성공적인 구현을 위한 핵심 요소들이다. 이를 위해 본 강연에서는 CommNet 기반의 멀티 에이전트 강화학습을 통해 다수의 UAM을 안전하게 제어하고 그들의 경로를 최적화하는 기술에 대해서 설명한다. |
| 14:30~14:45 | Break |
| 14:45~16:15 | 다중 에이전트 강화학습 기반 첨단 항공기 지상 이동 경로 안내 | 김규선 연구원(고려대) |
| 효율적인 항공 교통 관리(ATM)는 안전을 보장하고 지연을 최소화하며 공항 용량을 최적화하는 데 필수적이다. 기존의 Dijkstra 알고리즘과 같은 기존 방법은 정적 특성과 높은 계산 요구 사항으로 인해 동적 환경에서는 제한적이다. 이러한 과제를 해결하기 위해 다중 에이전트 강화 학습(MARL) 알고리즘과 실제 공항 사이즈와 안전 규정을 적용한 알고리즘을 이용하여 에이전트 간 정보 공유와 특징을 이용해 효율적이고 안전한 항공기 경로를 제공하여 항공기를 유도할 수 있는 시뮬레이션의 구현에 대해서 설명한다. |
| 16:15~16:30 | Break |
| 16:30~18:00 | UAV 기반 자율 감시를 위한 동적 양자 연합 학습 | 손석빈 연구원(고려대) |
| 다수의 UAV가 협력하여 넓은 지역을 효과적으로 감시하는 협업 UAV 시스템은 최소한의 자원 소비로 최대의 감시 효율을 제공할 수 있어 중요한 연구 분야로 주목받고 있다. 그러나 기존의 인공신경망(Neural Network, NN) 기반 UAV 협업 학습 시스템은 대량의 모델 파라미터를 필요로 하며, 이는 불안정한 무선 통신 환경에서 신뢰성 있는 학습을 어렵게 만드는 주요 제한 요소로 작용한다. 본 강연에서는 이러한 문제를 해결하기 위한 핵심 기술로 양자 인공 신경망(Quantum Neural Network, QNN)을 소개한다. 또한 QNN을 연합 학습(Federated Learning, FL)과 결합한 퀀텀 연합 학습(Quantum Federated Learning, QFL) 알고리즘을 설명한다. |
