[학회 후기]

11월 8일(금) 서울대에서 대한산업공학회가 열렸다. 개인적으로 대학원을 진학한 이후 처음으로 갔었던 학회가 대한산업공학회 였는데 2번째로 참가하게 되니 감회가 새로웠다. 작년에 처음 갔었던 산업공학회에서는 부담 없이 발표만 들으러 다녔고, 데이터마이닝, 머신 러닝, 딥러닝 같은 분야에 관한 내용에 대해서 처음으로 들다 보니 신기한 생각만 들었다. 하지만 올해 산업공학회에서는 개인적으로 발표도 있었고 약 1년간 관련 분야에 대한 공부를 하고 듣다 보니 작년에 비해 더 많은 생각을 하고 배울 수 있었던 시간이었던 것 같다. 이번에 석사경진대회에 참여하면서 관련 연구들을 들었는데, 석사경진대회에 진출한 연구는 대부분 Dynamic Programming, 최적화와 같은 문제들에 대한 내용이었다. 총 10개 팀 중에 딥러닝 관련해서 발표한 팀은 단 3팀에 불과했다. 이전에 INFROMS, ICCV 등의 학회들을 다니면서 모델링에 기본이 되는 내용에 대해 더 공부해야겠다고 생각했었는데, 이번 대한산업공학회에서도 다시 한번 공부에 대한 열망과 부족함을 다시 느꼈던 것 같다.

[발표 후기]

1. 3차원 합성곱 신경망을 활용한 실시간 전략 게임 승패 예측

3D-CNN 모델을 통해 실시간 전략 게임 중 하나인 스타크래프트2에 대한 승패 예측 모델을 구축한 내용을 발표하였다. 본 연구에서 핵심 중 첫번째는 기존에 단일 시점 이미지를 통해 분석했던 내용과 달리 과거 시점 정보까지 함께 고려해서 승패 예측을 했다는 것이다. 두번째는 기존에 스타크래프트2에서 유닛 정보만으로 승패 예측을 했던 연구와 달리 유닛, 자원 등 다양한 정보를 활용해서 승패 예측을 했다는 것이다. 이전 연구 대비 본 연구에서 승패 예측 정확도가 향상 되었다는 점은 있었으나, 같은 데이터로 진행하지 않았기에 현재 수집 된 리플레이 데이터로 비교 실험을 명확하게 하지 못한 점이 개인적으로 아쉬웠다. 추후에는 현재 수집 된 스타크래프트2 데이터를 활용하여 비교 실험을 진행해 볼 예정이다.

질문1. 3D-CNN을 제외한 다른 모델을 적용해 본적이 있는지?

답변1. CNN-LSTM 모델을 적용해 본 적이 있고, 3D-CNN에 대비 학습 속도도 느리고 성능도 좋지 않기 때문에 3D-CNN을 택했음.

질문2. 2D-CNN을 통해 단일 시점 모델과 비교해 본 적은 있는지?

답변2. 과거 스타크래프트로 진행한 연구 결과는 있지만, 현재 수집 된 스타크래프트2 데이터로는 아직 적용하지 못했기에 추후 적용해서 비교해 볼 예정임

[청취 후기]

물류센터 내에서의 다수 로봇 경로 최적화(오세영, 이경식 – 서울대학교)

물류센터 내에 다수 로봇이 존재할 때, 로봇끼리 동선이 겹치지 않을 수 있는 최적 경로를 설정해 주어야 물류센터가 원활하게 돌아갈 수 있다. 본 발표에서는 Lagrangian Multiplier 업데이트 룰을 활용하여 에이전트 별 상호 이동시간을 조정하여 충돌이 없는 이동 계획을 탐색하도록 했다. 핵심은 라그랑지안 완화 기반 휴리스틱 방법론과 충돌 기반 탐색 방법론을 더하여 알고리즘을 설계했다는 것이다. 특징으론 하한과 상한을 지속적으로 계산하며 상한으로 가능해를 사용하기 때문에 탐색을 완료하지 않아도 가능해와 그 품질을 제공 가능하다고 한다. 개인적으로 라그랑지안 기법은 수업시간에 배우고 기본적인 컨셉은 알고 있다고 생각했지만, 발표를 들을 때에는 새롭다는 생각이 들고, 개념에 대한 상세한 공부가 부족하다고 생각했다.  앞으로 수업 시간에 배우 내용에 대해 더 공부하고 배운 것을 더 발전시켜 연구에 적용까지 할 수 있도록 노력해야겠다.