This study designs a robot control system to improve the accuracy of recognizing human states related to thermal comfort in real indoor spaces. The system aims to accurately estimate thermal comfort through vision-based recognition while minimizing the robot's movement to relieve user disturbance by robot's movement. It dynamically navigates to optimal positions by evaluating the confidence of vision-based human state recognition. The control system trains control policy by Deep Reinforcement Learning. The real-world evaluation demonstrates the system's effectiveness in accurately recognizing human states with minimal movement trajectories. This robot-based system can contribute to personalized thermal control for estimating accurate thermal comfort.
본 연구는 실제 실내 공간에서 온열 쾌적성과 관련된 인간 상태 인식의 정확도를 향상시키기 위한 로봇 제어 시스템을 설계한다. 이 시스템은 로봇의 위치 제어를 수행하며 최적의 위치에서 비전 기반 인식을 통해 사용자의 열쾌적성을 정확하게 추론하고, 로봇의 움직임을 최소화하여 로봇의 의한 사용자의 방해를 완화하는 것을 목표로 한다. 로봇은 비전 기반 인간 상태 인식의 신뢰도를 스스로 평가하여 최적의 위치로 동적으로 이동한다. 이 때, 로봇의 제어 정책은 심층 강화 학습을 통해 학습된다. 학습된 정책을 실제 로봇에 도입하고 현실세계 평가를 통해 제안된 로봇 제어 시스템이 최소한의 이동 궤적으로 열쾌적성과 관련된 인간 상태를 정확하게 인식할 수 있다는 사실을 확인한다. 제안된 로봇 기반 시스템은 정확한 열 쾌적성을 추정을 통해 향후 개인화된 열 제어에 기여할 수 있습니다.