The standardized data may then easily move within a network and connect to other systems without any time or geographical limitations. This concept is fundamental to the idea of the ubiquitous robot (Ubibot). Here the notion of the ubiquitous robot in a ubiquitous space is presented and the Ubibot is further classified as a Sobot, Embot, or Mobot. For implementing the concept of the Ubibot, this thesis defines the standardized data between Ubibots as the robot genome and proposes its generative mechanism employing evolutionary algorithm or neural network algorithm.
A genetic robot is defined as one which has its own robot genome that is composed of multiple artificial chromosomes. Each chromosome in a robot genome consists of many genes that contribute to defining the robot's personality. They are also a factor in determining its internal state and external behaviors at any moment in time.
The structure of the robot genome provides three primary advantages. It may allow artificial reproduction, reusability between robots and the ability to evolve. The large number of genes also allows for a highly complex system, however it becomes increasingly difficult and time-consuming to ensure reliability, variability and consistency for the robot's personality while manually initializing values for the individual genes.
To overcome this difficulty, this thesis proposes an evolutionary generative algorithm for a genetic robot's personality (EGAGRP). EGAGRP evolves a gene pool that customizes the robot's genome so that it closely matches a simplified set of features desired by the user. It does this using several new techniques. It acts on a 2 dimensional individual upon which a new masking method, the Eliza-Meme scheme, is used to derive a plausible individual given the restricted preference settings desired by the user. The proposed crossover method allows reproduction for the 2-dimensional genome in a manner that closely matches living creatures. Finally, the evaluation procedure for individuals is carried out in a virtual environment using tailored perception scenarios.
Similarly, the neural network for genetic robot's personality (NNGRP), which produces and trains genetic robot's internal state module (GRISM) is proposed in order to construct genetic robot's personality based on the neural network. In addition, Myers-Briggs types indicator (MBTI) is briefly summarized to make genetic robot's personality. 3-dimensional self-organizing feature map of the user's feature in MBTI (SOMMBTI) is represented and expanded from the original version of 2-dimensional self-organizing feature map (SOM). In consequence, SOMGRP is proposed as a method to establish the required personality preference based on SOMMBTI that is generated from the genetic robot's personality.
The genetic robot is validated by implanting the artificial chromosomes into a virtual creature, Rity, a Sobot. Rity's genome consists of 14 chromosomes each with 5 fundamental (F-genes), 47 Internal State (I-genes) and 77 Behavioral (B-genes). In total, Rity has approximately 1806 genes. The interaction of Sabots is also tested as a measure of evaluating the performance of the EGAGRP in creating unique, plausible personalities. Further experiments were made to test the feasibility of Ubibots in a ubiquitous space.
유비쿼터스 로봇(ubiquitous robot; Ubibot)은 유비쿼터스 공간(ubiquitous space; u-space)내에서 지능(intelligence) 중심의 소프트웨어 로봇(software robot; Sobot), 센싱(sensing) 중심의 임베디드 로봇(embedded robot; Embot), 이동성(mobility) 중심의 모바일 로봇(mobile robot; Mobot)을 융합하는 로봇으로 새롭게 정의되며, u-space 상에서 네트워크를 통해 언제 어디서든 임의의 형태로 서비스가 가능하다. 이 개념은 공통의 통신 규약을 가지는 Ubibot들사이에 자유롭게 이동이 가능한 로봇 게놈을 매개체로 구현이 가능하며, 본 논문에서는 진화연산과 신경회로망 알고리즘을 이용하여 이 로봇 게놈을 제작하고자 한다. 제작된 로봇 게놈을 매개체로 네트워크로 Sobot을 일반 PC등과 Mobot으로 이동시키며, Embot과 연동하여 사용자와 상호작용을 하는 실험을 통해 그 실효성을 입증한다.
유전자 로봇(genetic robot)이란 자신의 고유한 유전자 코드(genetic code)를 가지는 인공생명체나 로봇으로 정의된다. 본 논문에서 제안된 생명체의 유전자 구조를 모사한 이 유전자 코드는 다수의 인공염색체(artificial chromosome)들로 구성된 하나의 로봇 게놈(robot genome)을 의미한다. 로봇 게놈에 정의된 14개의 각 염색체들은 환경과 상호작용을 하면서 로봇 내부의 동기, 항상성, 감정 상태들의 변화와 그에 따른 발현 행동을 결정하는 로봇 고유의 인격(robot personality)을 정의하게 된다. 각 염색체는 각 내부상태(internal state)와 관련된 기초 유전자(fundamental gene; F-gene), 내부 상태 유전자 (internal state gene; I-gene), 행동 유전자(behavior gene; B-gene)로 구성되어 있으며, 현재 하나의 염색체 당 각각 5개, 47개, 77개의 유전자로 구성되어 있어 하나의 로봇 게놈에서 존재하는 유전자는 대략 1806개 정도이다. 이와 같은 로봇 게놈 구조는 다양한 종류의 유전자의 삽입과 제거가 용이하며, 타 로봇과의 결합을 통한 코드의 재생산(reproduction), 타 로봇으로의 재사용(reusability) 또는 상속 (inheritance)의 장점을 가진다. 그러나 너무 많은 유전자 개수로 인해 수동으로 작성하기가 어렵고, 신뢰성과 정확성을 가지기가 쉽지 않다는 문제점을 지닌다.
이와 같은 장단점에 착안하여, 본 논문에서는 유전자 로봇의 인격을 위한 진화 알고리즘 (evolutionary generative algorithm for genetic robot`s personality; EGAGRP)을 제안하고, 진화 연산을 이용하여 로봇 게놈을 사용자의 취향대로 GUI를 통한 간단한 파라미터 조절을 통해 쉽게 제작하고자 한다. 인지 시나리오(perception scenario)를 통해 유전자 로봇이 매 세대 당 자극입력을 받고 그에 따른 내부 상태 및 행동 출력을 내보내면 이들을 적합도(fitness)로 평가하는 과정을 거치며, 결과적으로 사용자가 원하는 유전자 로봇의 인격을 형성하는 로봇 게놈을 만들어내게 된다. 이 과정에서 로봇 게놈 초기화와 마스킹(masking) 방법, 로봇 게놈 구조에 적합한 교차(crossover)와 돌연변이(mutation) 새롭게 제안된다.
또한 인격정보를 지닌 로봇 게놈을 신경회로망 (neural net)을 이용하여 제작하기 위해 유전자 로봇의 인격을 위한 신경 회로망 알고리즘 (neural network for genetic robot`s personality; NNGRP)이 제안된다. 여기서 EGAGRP에서 이미 사용되었던 유전자 로봇의 인격 형성을 위한 적합도 함수, 로봇 게놈이 다시 재사용되며 이를 통해 이들의 보편성을 재확인한다. 또한 유전자 로봇의 사용자의 인격 유형을 객관적으로 판단하는 MBTI 검사를 통해 나온 결과를 신경회로망을 통해 자동적으로 3차원 자기 조직 지도 (self-organizing feature map for MBTI; SOMMBTI)로 표현하는 알고리즘을 제안한다. 이렇게 표현된 SOMMBTI를 통해 사용자가 자신의 성격과 비슷하거나 또는 자신의 성격을 보완 치료하기 위한 반대되는 유전자 로봇을 설계할 수 있는 방법론을 제안한다.
