11월 9일 한양대학교에서 열린 2018 대한산업공학회 추계학술대회에 다녀왔습니다. 지난번 경주에서 열린 춘계학술대회에 이어서 두 번째로 참석한 학회여서 조금 더 여유를 가지고 학회를 즐길 수 있었습니다. 금번 추계학술대회에서도 다양한 주제에서의 참신하고 유의미한 접근법들이 제안되었으며 저 스스로도 많은 것을 얻을 수 있었습니다. 다양한 세션에서 기억에 남는 인상적인 발표를 정리하면 아래와 같습니다.

[Depthwise Separable Convolution 필터를 활용한 다중센서 데이터 특징 추출]

Convolution 필터를 활용했을 경우 갖게 되는 구조적, 기능적 한계를 지적하고 이를 보완하기 위한 방법론을 제안하였습니다. 특히 제안한 방법론을 실제 다중센서 데이터에 적용하여 파라미터의 효율적인 사용이라는 유의한 결과물을 보였는데 기존 방법론의 한계와 보완점, 산출물까지의 하나의 흐름을 잘 구현했다는 점에서 기억에 남습니다.

[자율 주행자동차의 제어권 전환시 운전준비도 평가를 위한 개별 운전자의 안정 주행 패턴 분류]

자율 주행 자동차는 4차 산업혁명의 대표적인 기술입니다. 언론과 미디어에서 많이 접했지만 실제로 이 분야에 대해서는 잘 알지 못하고 흥미만 갖고 있었습니다. 본 발표를 통해서 자율주행자동차의 여러 단계와 현행 단계에서의 한계 및 보완점을 알 수 있어서 좋았습니다. 추가적으로 연구 결과를 통해서 운전자들마다 고유의 주행 패턴이 존재함을 알 수 있었는데 이 정보를 추가적으로 활용한 더 많은 접근이 가능하다는 생각도 들었습니다.

[강화학습을 활용한 무인전투기의 유도탄 회피 및 최단 거리 탐색 알고리즘 개발]

최근 자체 연구실 세미나를 비롯한 기회를 통해 강화학습에 많은 관심을 가지고 있었는데 본 연구를 통해 강화학습이 활용될 수 있는 실제적 사례를 공부해 볼 수 있었습니다. 특히 발표에서 보았던 다양한 시각화를 통해 결과물에 대해서 직관적으로 이해가 되었는데 좋은 발표를 위해서는 직관적이고 명쾌한 시각화가 얼마나 큰 도움이 될 수 있는지를 다시 한 번 깨달을 수 있었습니다. 강화학습 학습 결과가 실제 현장에서의 지침처럼 화망을 가로지르는 방식으로 나타났다는 것에서 강화학습이 가지는 가능성을 확인할 수 있었으며 앞으로 다양한 분야에서 강화학습을 활용할 수 있겠다는 생각을 하게 되었습니다.

[Cooperative Multi-Agent Reinforcement Learning for Global Reward]

강화학습에서 대부분의 접근은 개별 에이전트에 한정되어 있습니다. 그러나 실제 환경에서는 다양한 에이전트들간의 상호작용에 의해 산출물이 만들어집니다. 강화학습에서 다중 에이전트에 대한 고려는 반드시 거쳐야 할 과정이며 그러한 측면에서 본 발표는 매우 흥미로웠습니다. 기존 멀티에이전트 강화학습의 한계점을 지적하고 그에 대하여 통합적인 보상만을 사용하여 전체 에이전트를 학습하는 방법론을 제안하였습니다. 다중 에이전트에 대하여 다양한 방법이 추가적으로 연구될 수 있지만 본 발표를 통해 기존 방법론들이 사용한 개별 에이전트마다의 독립적인 보상을 학습에 사용한다는 점의 한계를 벗어났다는 점에서 충분히 만족스러운 발표였습니다.

금번 학술대회에서 느꼈던 점은 강화학습의 실제적인 활용이 상당히 연구되었다는 것이었습니다. 강화학습은 지도학습, 비지도학습과는 다른 방식으로 모델을 학습시키며 최근 연구된 고도화된 방법론들은 다양한 분야에서 높은 성능을 보이기 시작한다는 것을 느낄 수 있었습니다. 더 나아가 기존의 CNN, RNN으로 대표되는 딥러닝 방식과 합쳐져 활용될 수 있다면 많은 분야에서 유의미한 성능 향상을 이룰 수 있을 것으로 생각되며 앞으로 제 연구 계획에도 강화학습을 적극 반영해야겠다는 생각이 들었습니다.