An artificial creature has its own genome in which each chromosome consists of many genes that contribute to defining its personality. The large number of genes allows a highly complex system. If these gene values are manually assigned for the individual genome, it becomes increasingly difficult and time-consuming to ensure reliability, variability and consistency for the artificial creature`s personality. To overcome this difficulty, this dissertation proposes an Evolutionary Generative Process for an Artificial Creature`s Personality (EGPP). EGPP evolves genome population such that it customizes the genome, which meets a simplified set of personality traits desired by the user. However, there need to assign the preference values and it is hard to anticipate the resulting personality. To get the set of personalities without providing the assignment of preference values, a Multi-Objective Evolutionary Generation Process for artificial creatures` specific Personalities (MOEGPP) is proposed where the dimension of personality model is defined as that of optimization objectives. Key components of MOEGPP are as follows: i) the complement of (1-k) dominance, ii) the pruning method considering objective deviation for all genomes, and iii) the mutation using biased normal distribution, to obtain a set of nondominated genomes with personalities according to the personality dimension. By using the proposed MOEGPP, nondominated genomes having specific personalities can be obtained. There are many number of objectives. Hence, it requires much computation time to evaluate genome in virtual environment simulation. Moreover, it needs a large number of population although there is a limitation for the population number. To solve this problems, parallelization of MOEGPP is proposed where many computing resources can be utilized. In this scheme, binary tree topology and two migration methods are employed to maintain a proper balance between exploration and exploitation. Evaluation procedure for each genome of the population is carried out in a virtual environment using a tailored perception scenarios. Effectiveness of the proposed schemes is demonstrated by using an artificial creature, Rity, in the virtual 3D world created in a PC, which is designed to be a believable interactive software agent for human-robot interaction.
인공생명체(Artificial creature)는 성격(personality)을 결정하는 유전자들로 이루어진 염색체들을 지니고 있다. 신뢰성(reliability), 가변성(variability)과 일관성(consistency)을 지니도록 이러한 많은 수의 유전자들을 직접 수동으로 결정하는 것은 많은 시간을 필요로 할 뿐 아니라 너무도 어려운 작업이다. 이를 해결하기 위해서 본 논문에서는 진화연산을 이용하여 인공생명체의 성격모델을 자동으로 생성하여 주는 알고리즘(Evolutionary Generative Process for an artificial creature's Personality; EGPP)을 제안한다. EGPP에서는 유저가 정의하여준 선호도(preference) 특성에 맞도록 인공생명체의 성격 모델을 생성해 낼 수 있다. EGPP에서 유저가 선호도를 정의해주는 작업은 문제에 대한 사전 정보가 없는 유저에게는 어려울 수도 있고, 결과물의 성격특성을 예측하기 어려운 문제가 있다. 이러한 문제들을 해결하기 위해 다목적 최적화 알고리즘을 이용하여 개성화된 성격모델들의 집합을 생성해내는 알고리즘(Multi-Objective Evolutionary Generation Process for artificial creatures' specific Personality; MOEGPP)을 제안한다. MOEGPP로 생성하는 성격모델들이 성격 모델의 차원(the dimension of personality model)을 기준으로 개성화된 성격표현이 가능하도록 하기 위해 i) (1-k) dominance의 보집합(complementary), ii) 각 목적함수(objective)의 편차값(deviation)을 이용한 결정(pruning) 그리고 iii) 방향성일 지닌(biased) 정규 분표(normal distribution)을 이용한 돌연변이(mutation) 연산자를 제안한다. MOEGPP에서는 6개의 목적함수를 정의하였는데, 목적함수의 개수가 크기 때문에 진화연산에서 많은 개체수(population)를 필요로 한다. 하지만 하나의 염색체세트(genome)에 많은 수의 유전자 정보들이 있어서 연산자원(computing resource)의 한계 때문에 개체수의 최대 제한이 있게 된다. 또한 각 목적함수를 제대로 측정하기위해서는 가상환경에서 많은 시간동안 시뮬레이션을 수행하면서 결과를 살펴보아야 한다. 그래서 개체수가 늘어날수록 연산시간(computation time)이 급격하게 늘어나게 되는데 이러한 문제들을 해결하기 위해서 MOEGPP의 병렬처리 알고리즘을 제안한다. 효율적인 병렬화 구조를 위해서 이진 트리구조(binary tree topology)와 두 가지 방식의 이주방법(migration)을 제안한다. 제안한 알고리즘드은 가상 3D 공간에서 인간과 로봇의 신뢰할만한 상호작용이 가능하도록 구현된 인공생명체 Rity를 이용하여 검증되었다.
