Uncertainty-aware Effect-driven IoT Service Selection and Binding Research
연구 내용
IoT 공공 환경에서 효과 전달과 사용자 피드백을 반영해 불확실 환경 요인을 학습하고 서비스 선택·바인딩 정책을 최적화하는 연구
IoT 환경에서 사용자에게 전달되는 물리 효과의 품질을 네트워크 QoS 중심에서 벗어나 사용자·애플리케이션 요인으로 재정의합니다. 이를 위해 효과 전달의 유효성 지표를 설계하고 사용자 연구 및 VR 기반 모사로 평가 절차를 구성합니다. 또한 불확실 환경 요인의 장기 품질 영향을 별도 모델링 없이 학습하는 프레임워크를 제안하고, 서비스 간 물리 간섭을 반영하는 fingerprint attention을 적용합니다. 추가로 서비스 바인딩에 대한 협상 메커니즘으로 다중 태스크 처리를 효율화합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 IoT에서 시각 서비스의 효과 전달 유효성을 정량화하는 지표를 확장하고, 이를 기반으로 효과 중심 출력 서비스 선택 에이전트를 구성하는 방향으로 연구를 수행했습니다. 이후 공공 환경에서 장애물과 서비스 간 간섭처럼 모델링이 어려운 불확실 요인을 사용자 피드백 기반으로 학습하는 선택 프레임워크를 개발했습니다. 2023년에는 서비스 바인딩 협상으로 멀티태스킹 효율을 개선하는 연구로 확장되었고, 2025년에는 fingerprint attention을 포함한 장기 품질 예측 및 보상 개선 성능을 검증했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Dynamic and Effect-Driven Output Service Selection for IoT Environments Using Deep Reinforcement Learning
Effective selection of public IoT services by learning uncertain environmental factors using fingerprint attention
Multilevel agent negotiation on service bindings for efficient multi-tasking in IoT environments
관련 프로젝트
구분
제목
환경적 인터랙티브 서비스의 효과적인 제공을 위한 불확실 요소 학습 기법