사물인터넷(Internet of Things, IoT)의 최근 등장과 더불어, 인간 사용자와 IoT 기반 서비스는 빛과 소리와 같은 물리적 효과를 매개로 상호작용하고 있다. 따라서 IoT 환경에서 서비스를 선택하기 위해서는, IoT 기기가 사용자에게 물리적 효과를 전달하는 품질을 고려할 필요가 있다. 그러나 기존의 서비스 선택 알고리즘은 주로 지연 시간과 처리량과 같은 네트워크 수준의 품질보장(Quality of Service, QoS)에 초점을 둔다. 본 연구에서는 사용자 및 애플리케이션에 특화된 요인을 고려함으로써, 시각 서비스를 기반으로 한 물리적 효과의 개인화된 전달에 대한 사용자 체감 효과성을 측정하기 위해 이전 연구에서 개발한 시각 서비스 효과성(visual-service effectiveness) 지표를 개선한다. 우리는 사용자 연구를 수행하여 이 지표를 평가하였으며, 그 결과 해당 지표가 사용자의 지각된 효과성을 높은 정확도로 반영함을 확인하였다. 또한 본 지표의 효율적인 평가를 위해 물리적 환경을 모사하는 가상현실(Virtual Reality, VR)의 활용을 조사한다. 본 지표를 바탕으로, 서비스 효과 전달의 효과성을 고려하여 출력 서비스를 동적으로 선택하는 동적 효과 기반 출력 서비스 선택 에이전트(dynamic effect-driven output-service selection agent, DEOSA)를 개발한다. 최신 수준의 강화학습 알고리즘을 채택함으로써, DEOSA는 다양한 환경에 일반화될 수 있는 출력 서비스 선택의 최적 정책을 학습할 수 있다. 우리는 시뮬레이션된 IoT 환경에서 DEOSA를 평가하였고, 최적 정책을 성공적으로 학습할 수 있음을 보여준다. 또한 무작위로 생성된 테스트 환경에서 시각 서비스 효과성 지표 및 교체 오버헤드 측면에서 전통적인 탐욕적(greedy) 알고리즘보다 전반적으로 더 나은 성능을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.