[학회 후기]

이번 대한산업공학회 추계학술대회는 서울대학교에서 개최되었다. 이번 학회는 우리 연구실에서 18개의 발표가 진행되었고 나 또한 지금까지 진행한 연구를 가지고 발표했다. 처음 학회 무대에 선 발표라 긴장도 되었지만 많은 사람들이 집중해서 청취해준 덕분에 최선을 다해 발표했던 것 같다. 작년 인턴을 했을 때에도 학회에 참석했지만 이번에는 매우 다른 느낌을 받았다. 우리 연구실 사람들이 굉장히 좋은 연구를 하고 있었고 정말 멋지다는 생각이 들었다. 저번 주 ICCV 학회에 이어 대한산업공학회에 참석하면서 많은 영감을 얻었던 하루였다.

[발표 후기]

- 레고를 이용한 실제 환경에서의 강화학습 기반 스케줄링 알고리즘

이번 발표는 실제 물류에 사용되는 듀얼 스토커 시스템을 대상으로 시뮬레이션을 이용하여 강화학습 기반의 스케줄링 알고리즘을 소개했다. 듀얼 스토커 시스템은 실제 물류가 있는 곳에 차량이 가서 싣고 나르는 역할을 한다. 이 때 두 물류 차량은 일차선에서 양 옆 좌우로 움직이는 시스템으로 강화학습 알고리즘 DQN을 적용한 사례를 보였다. 굉장히 인상 깊었던 것은 강화학습이 실제 환경에서 적용하기가 쉽지 않은 부분인데, State, Action, Reward를 잘 정의해서 풀었다는 것이다. 이를 통해 좋은 아이디어를 얻었다. 예를 들면, 현재 진행하고 있는 배추 프로젝트에서 수확량 예측에 강화학습을 적용하여 풀어내는 것이다. 먼저 배추밭을 잘 탐지하며 배추밭 내에 포함되어 있는 이상 식생을 강화학습을 적용하여 수확량 예측으로 확장하는 것이다. 이번 기회에 이 아이디어의 논리를 잘 정리하여 적용해볼 예정이다.

- Missing Data Imputation with Adversarial Autoencoders

이번 발표는 현구가 현재 진행하고 있는 연구에 대한 발표였다. 처음 듣는 내용이었지만 굉장히 능숙한 발표로 이해가 매우 잘되었다. 우리가 사용하고 있는 데이터에는 결측치가 존재하는 경우가 많다. 나 또한 결측치가 많은 데이터를 가지고 분석한 경우가 있었는데 쉽지 않았던 작업 중 하나였다. 이번 발표는 결측치가 존재하는 부분을 해결하기 위해 많은 방법론들 중 최신 방법론 GAIN의 아이디어를 착안하여 확장해 나갔다. 기본적인 GAN 네트워크 구조이고 제안한 방법은 확률적 기반으로 하며 generator를 autoencoder 구조로 변경하였다. discriminator는 관찰된 결측치 값과의 구별과 generator의 인코더 부분에서 나오는 latent space의 분포와 매칭하여 결측치를 예측하는 작업을 진행했다. 매우 인상적인 아이디어였으며 현재 진행하고 있는 배추 프로젝트에서 새로운 식생 지수 정의에 좋은 아이디어라고 생각했다. 예를 들어, 현재 가지고 있는 식생 지수 이미지 (5 종류)를 가지고 GAN 네트워크를 활용하는 것이다. 이 때 multimodal의 아이디어를 착안하여 하나의 식생 지수 이미지가 아닌 다른 종류의 이미지를 활용하는 것이다. 다른 종류의 이미지들을 같이 사용하면 하나의 축약된 정보를 얻을 수 있을 것이고 이를 다시 복원시켜 새로운 식생 지수가 도출될 것이라고 생각한다. 이 아이디어는 생각을 잘 정리해서 시도해볼 계획이다.