학습 기반 제어와 인간-시스템 인터페이스 신뢰성 분석 연구

Learning-based Control and Human-System Interface Reliability Analysis Research

연구 내용

딥 강화학습과 PID 기반 제어기를 비교하고, 시뮬레이터 기반 인간 신뢰성 데이터 수집과 인터페이스 패시비티 품질 요인을 분석해 안전한 자동화 운용을 지원하는 연구

자동화 시스템에서는 제어 성능뿐 아니라 운용 맥락에서의 인간 오류와 인터페이스 품질이 안전성과 신뢰성을 좌우합니다. 본 연구는 딥 강화학습 기반 제어기와 PID 제어기를 비교하여 시스템 운전 목표를 달성하는 방식의 차이를 검증합니다. 또한 간소화된 시뮬레이터와 참여자 구성에 따른 인간 신뢰성 데이터 수집 절차를 정리해 full-scope 연구를 보완하는 프레임워크를 제안합니다. 다중 모듈 운영에서 인터페이스 품질이 passivity와 고수준 자동화에 미치는 영향을 평가하고, 데이터 기반 조기경보 모델에서는 설명가능한 신호 융합과 이상 탐지를 결합해 경보 신뢰도를 개선합니다. 이를 통해 로봇 및 안전중요 시스템의 자동화 검증 방법론을 확립합니다.

관련 프로젝트

6건

연구 흐름

초기 연구에서는 간소화된 시뮬레이터 환경에서 학생 참여자를 활용해 인간 신뢰성 데이터 수집이 어떻게 full-scope 접근을 보완할 수 있는지에 집중했습니다. 이후 자동화 제어 관점으로 확장하여 냉정지 운전에서 딥 강화학습과 PID 제어기의 성능 차이를 비교하고, 학습 기반 제어 설계와 검증 절차를 정리했습니다. 이어 다중 모듈 운영에서 인터페이스 품질과 패시비티의 관계를 실험적으로 평가하며, 마지막으로 설명가능한 조기경보 모델로 신뢰성 있는 신호 추론을 구현하는 방향으로 연구를 이어가고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

고수준 자동화 인터페이스 품질 평가
passivity 기반 인간-시스템 설계 지표
시뮬레이터-참여자 전환 데이터 수집 절차
안전 운전 절차용 제어기 검증 체계
딥 강화학습 제어기 튜닝 파이프라인
학습형 제어와 PID 비교 실험 설계
이상 잔차 기반 경보 필터링
설명가능 모델 기반 조기경보 방법론
다중 모듈 운영 상태 추적 로깅
인간기계협업 교육용 통합 로봇 시스템