KR102492511B1 - Simulator for Crime Response and Driving Method Thereof - Google Patents
Simulator for Crime Response and Driving Method Thereof Download PDFInfo
- Publication number
- KR102492511B1 KR102492511B1 KR1020200172367A KR20200172367A KR102492511B1 KR 102492511 B1 KR102492511 B1 KR 102492511B1 KR 1020200172367 A KR1020200172367 A KR 1020200172367A KR 20200172367 A KR20200172367 A KR 20200172367A KR 102492511 B1 KR102492511 B1 KR 102492511B1
- Authority
- KR
- South Korea
- Prior art keywords
- virtual
- learning data
- criminal
- content
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/003—Simulators for teaching or training purposes for military purposes and tactics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것으로서, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터는, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 저장부, 및 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 저장부에 저장시키고, 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부를 포함할 수 있다.The present invention relates to a simulator for coping with crime and a driving method of the simulator. And the first learning data generated based on the simulation training conducted through the virtual criminal and the virtual trainer in the virtual space implemented by executing the stored content and the generated first learning data to the trainee offline in the real environment during simulation training The second learning data generated by the application is accumulated and stored in the storage unit, and the accumulated first learning data and the second learning data are analyzed to predict the criminal's criminal behavior, and the prediction result is added to the content during the next simulation training. It may include a control unit that reflects.
Description
본 발명은 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것으로서, 더 상세하게는 가령 가상 환경에서의 학습 데이터뿐 아니라 실제 환경에서의 학습 데이터를 이용해 범죄 대응을 위한 강화 학습을 설계하려는 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법에 관한 것이다.The present invention relates to a simulator for coping with crime and a method for driving the simulator, and more particularly, to respond to crime to design reinforcement learning for coping with crime using learning data in a real environment as well as learning data in a virtual environment. It relates to a simulator for and a driving method of the simulator.
컴퓨터 기술의 고도화에 따라 컴퓨터가 사람과 마찬가지로 여러 가지 지능적인 작업을 수행하게 됨에 따라 컴퓨터에 의해 수행되는 지능적인 작업을 인공지능이라는 측면에서 바라보기 시작했다. 인공지능 종사자를 중심으로 인공지능이 단순한 실용적 유용성 이상의 가치를 가진다는 생각이 퍼지기 시작했다. 즉 인공지능이 마음의 이해와 직·간접의 연관을 가질 수 있다고 생각하기 시작한 것이다. 인공지능은 인공적으로 지능을 실현하는 기술, 혹은 과학으로 정의된다. 이럴 경우 지능은 무엇인가 하는 의문과 지능을 인공적으로 실현하는 것이 가능한가 하는 기술적 의문이 따른다. 인공지능은 인간처럼 지적으로 행동하는 컴퓨터 프로세스로도 정의되기도 하지만 인간행동을 모방할 수 있는 지적 프로세스로 정의할 경우, 인공지능이 인간보다 더 우월한 능력을 보일 단계가 되면 난감한 문제가 생긴다.With the advancement of computer technology, as computers perform various intelligent tasks like humans, the intelligent tasks performed by computers have begun to be viewed from the perspective of artificial intelligence. The idea that artificial intelligence has value beyond simple practical usefulness has begun to spread, centering on artificial intelligence practitioners. In other words, they began to think that artificial intelligence could have a direct or indirect connection with the understanding of the mind. Artificial intelligence is defined as a technology or science that artificially realizes intelligence. In this case, the question of what intelligence is and the technical question of whether it is possible to realize intelligence artificially follow. Artificial intelligence is also defined as a computer process that behaves intelligently like a human being, but when it is defined as an intelligent process that can imitate human behavior, an embarrassing problem arises when artificial intelligence reaches a stage where it shows superior abilities to humans.
인공지능 이용 범죄예측 기법과 불심검문 등에의 적용에 관한 고찰 215 인공지능 연구는 1943년경 미국을 중심으로 시작되었지만, 과도했던 기대감이 사그라들고, 미국정부의 자금지원 중단 등으로 인해 1970년도에 이르러서도 인공지능은 학술적 연구에만 머무르는 수준이었다. 1980년경에 이르러 기술적 장벽이 극복되고, 재정적 지원이 확충되면서 새로운 돌파구가 생기게 되었으며, 바로 Neural Computing의 구현이다. Neural Computing과 같은 획기적 인공지능 기술 등이 등장하고, 최근 머신러닝(Machine Learning)을 넘어 딥러닝(Deep Learning) 기술이 일반화되면서 인공지능도 새로운 전기를 맞게 되었다. 또 빅 데이터의 등장은 Machine Learning 기법의 구현에 큰 역할을 하였다. 인공지능의 머신러닝과 빅 데이터를 결합하면, SF영화에서 보는 것처럼 사람과 비슷한 생각을 갖고, 사람과 의사소통이 가능하며 심지어는 사람을 지배하려고 하는 인공지능(artificial intelligence)의 등장도 불가능한 것은 아니라는 견해까지 있다.A Study on Crime Prediction Techniques Using Artificial Intelligence and Their Application to Unsuspecting Inspections 215 Research on artificial intelligence began around 1943, centering on the United States, but excessive expectations faded and even in the 1970s, due to the suspension of funding by the US government, research on artificial intelligence began. Artificial intelligence was only at the level of academic research. Around 1980, as technical barriers were overcome and financial support expanded, a new breakthrough occurred: the implementation of Neural Computing. With the advent of groundbreaking artificial intelligence technologies such as neural computing and the recent generalization of deep learning technology beyond machine learning, artificial intelligence has also faced a new turning point. In addition, the advent of big data played a major role in the implementation of machine learning techniques. If artificial intelligence machine learning and big data are combined, it is not impossible for artificial intelligence to have thoughts similar to humans, communicate with humans, and even try to dominate humans, as seen in science fiction movies. There are even opinions.
이러한 추세에 부응하여 최근들어 인공지능을 이용한 범죄자를 만들어서 범죄를 발생시키고 경찰이 해결해 나가게 하여 범죄를 미연에 방지하며, 범죄 발생시 빠른 상황 대처로 인명 손실을 최소화하여 범죄를 빠르게 해결하려는 방안이 절실히 요구되고 있다.In response to this trend, recently, it is urgently needed to create a criminal using artificial intelligence to cause a crime, have the police solve it, prevent the crime in advance, and minimize the loss of life by quickly responding to the situation in the event of a crime to solve the crime quickly. It is becoming.
본 발명의 실시예는 가령 가상 환경에서의 학습 데이터뿐 아니라 실제 환경에서의 학습 데이터를 이용해 범죄 대응을 위한 강화 학습을 설계하려는 범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법을 제공함에 그 목적이 있다.An object of the present invention is to provide a simulator for coping with crime and a method for driving the simulator to design reinforcement learning for coping with crime using, for example, learning data in a virtual environment as well as learning data in a real environment. .
본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터는, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 저장부, 및 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부를 포함한다.A simulator for coping with crime according to an embodiment of the present invention includes a storage unit for storing pre-produced content for simulation training corresponding to a crime, and a virtual criminal and a virtual criminal in a virtual space implemented by executing the stored content. The first learning data generated based on the simulated training performed by the trainee and the second learning data generated by applying the generated first learning data to the offline trainee in the real environment during simulation training are accumulated and stored in the storage unit. and a control unit that analyzes the accumulated and stored first learning data and second learning data to predict a criminal's criminal behavior and reflects the prediction result to content during the next simulation training.
상기 제어부는 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하고 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공할 수 있다.The control unit may predict a criminal's criminal behavior based on the first learning data and provide content reflecting the predicted result to an external device used by the off-line trainee during mock training.
상기 제어부는, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성할 수 있다.The control unit may generate the second training data by collecting and analyzing motion data during simulation training performed by the off-line trainer from the external device.
상기 제어부는, 상기 외부장치로서 상기 훈련자가 착용하는 VR(Virtual Reality) 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신할 수 있다.The control unit may provide the contents to a VR (Virtual Reality) device worn by the trainee as the external device and receive the motion data from a sensing device that senses the trainee's motion.
상기 제어부는, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하고, 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성할 수 있다.The control unit may display the virtual offender and the virtual trainer on the screen of the display unit and generate the first learning data using motion data provided based on a user's control command for controlling the virtual trainer.
상기 제어부는, 상기 콘텐츠상에 기설정되는 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 근거로 상기 디스플레이부의 화면상에 상기 콘텐츠를 구현할 수 있다.The control unit may implement the content on the screen of the display unit based on a plurality of scenarios for the actions of the virtual criminal and the virtual trainee that are preset on the content.
또한, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동방법은 저장부가, 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장하는 단계, 및 제어부가, 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 단계를 포함한다.In addition, a driving method of a simulator for coping with crime according to an embodiment of the present invention is implemented by storing pre-produced content for simulation training corresponding to a crime by a storage unit, and executing the stored content by a control unit. First learning data generated on the basis of simulated training through virtual criminals and virtual trainees in a virtual space and second learning generated by applying the generated first learning data to offline trainers in a real environment during simulation training Accumulating and storing data in the storage unit, analyzing the accumulated and stored first learning data and second learning data to predict a criminal's criminal behavior, and reflecting the prediction result in content during the next simulation training do.
상기 구동방법은, 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하는 단계, 및 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하는 단계를 더 포함할 수 있다.The driving method may further include predicting a criminal's criminal behavior based on the first learning data, and providing content reflecting the prediction result to an external device used by the off-line trainee during simulation training. .
상기 반영하는 단계는, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성할 수 있다.In the reflecting step, the second training data may be generated by collecting and analyzing motion data during simulation training performed by the off-line trainer from the external device.
상기 반영하는 단계는, 상기 외부장치로서 상기 훈련자가 착용하는 VR 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신할 수 있다.In the reflecting step, the contents may be provided to a VR device worn by the trainee as the external device, and the motion data may be received from a sensing device that senses the motion of the trainee.
상기 구동방법은, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하는 단계, 및 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 단계를 더 포함할 수 있다.The driving method includes displaying the virtual offender and the virtual trainer on a screen of a display unit, and generating the first learning data using motion data provided based on a user's control command for controlling the virtual trainer. Further steps may be included.
상기 구동방법은, 상기 콘텐츠상에 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 설정하는 단계를 더 포함하며, 상기 디스플레이부의 화면상에 상기 복수의 시나리오를 설정된 상기 콘텐츠를 구현할 수 있다.The driving method may further include setting a plurality of scenarios for behaviors of the virtual criminal and the virtual trainee on the content, and implementing the content in which the plurality of scenarios are set on the screen of the display unit. .
본 발명의 실시예에 따르면 가령 인공지능을 이용한 범죄자를 만들어 범죄를 발생시키고 이를 경찰이 훈련을 통해 해결해 나갈 수 있게 되어 범죄를 미연에 방지하거나, 범죄 발생시 빠른 상황 대처로 인명 손실을 최소화하여 범죄에 빠른 해결이 가능할 수 있을 것이다.According to an embodiment of the present invention, for example, by creating a criminal using artificial intelligence to cause a crime, and the police can solve it through training, preventing a crime in advance, or minimizing loss of life by responding quickly in the event of a crime A quick solution may be possible.
도 1은 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램,
도 2는 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램,
도 3은 LSTM 예측 알고리즘의 동작 과정을 설명하기 위한 도면, 그리고
도 4는 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동과정을 나타내는 흐름도이다.1 is a block diagram illustrating the detailed structure of a simulator for coping with crime according to an embodiment of the present invention;
2 is a block diagram illustrating the detailed structure of a simulator for coping with crime according to another embodiment of the present invention;
3 is a diagram for explaining the operation process of the LSTM prediction algorithm, and
4 is a flowchart illustrating a driving process of a simulator for coping with crimes according to an embodiment of the present invention.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 상세히 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
도 1은 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램이다.1 is a block diagram illustrating the detailed structure of a simulator for coping with crimes according to an embodiment of the present invention.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터(이하, 시뮬레이터)(90)는 통신 인터페이스부(100), 제어부(110), 범죄행위처리부(120) 및 저장부(130)의 일부 또는 전부를 포함하며, 디스플레이부 및 사용자 인터페이스부 등의 일부 또는 전부를 더 포함할 수 있다.As shown in FIG. 1, a simulator (hereinafter referred to as simulator) 90 for coping with crime according to an embodiment of the present invention includes a
여기서, "일부 또는 전부를 포함"한다는 것은 디스플레이부와 같은 일부 구성요소가 터치패널을 포함함으로써 사용자 터치와 같은 인터페이스를 제공할 수 있기 때문에 사용자 인터페이스부와 같은 일부 구성요소가 생략되어 시뮬레이터(90)가 구성되거나, 범죄행위처리부(120)와 같은 일부 구성요소가 제어부(110)와 같은 다른 구성요소에 통합되어 구성될 수 있는 것 등을 의미하는 것으로서, 발명의 충분한 이해를 돕기 위하여 전부 포함하는 것으로 설명한다.Here, “including some or all” means that some components such as a display unit include a touch panel to provide an interface such as a user touch, so some components such as a user interface unit are omitted and the
통신 인터페이스부(100)는 시뮬레이터(90)의 주변에 구비되는 주변장치(혹은 외부장치)와 통신을 수행한다. 여기서, 주변장치는 가령 시뮬레이터(90)에 본 발명의 실시예에 따른 범죄 대응을 위한 (영상)콘텐츠를 제작하여 저장하기 위한 컴퓨터 등을 포함할 수 있으며, 또는 시뮬레이터(90)로부터 콘텐츠를 제공받아 가상의 공간상에서 모의 훈련을 수행하는 컴퓨터, 또는 사용자의 태블릿PC나 스마트폰 등을 포함할 수도 있으며, 나아가 가령 오프라인상의 실제 환경에서 모의 훈련을 수행하기 위해 훈련자가 착용하는 HMD(Head Mounting Display) 등의 VR 장치를 포함한다. The
통신 인터페이스부(100)는 어떠한 주변장치와 연동하도록 설정되었는지에 따라 다양한 동작을 수행할 수 있다. 무엇보다 본 발명의 실시예에 따른 통신 인터페이스부(100)는 가상의 공간(혹은 온라인상)에서 컴퓨터 프로그래머, 또는 범죄 대응을 위한 콘텐츠를 제작하는 제작자, 또는 모의 훈련을 수행하는 경찰이나 군인 등에 의해 생성되는 학습 데이터(혹은 제1 학습 데이터)를 근거로 실제 환경에서 모의 훈련을 수행하는 훈련자의 VR 장치 즉 외부장치로 제1 학습 데이터를 제공한다. 더 정확하게는 제1 학습 데이터가 반영되는 콘텐츠를 제공할 수 있다. 따라서 제1 학습 데이터는 기저장된 콘텐츠와 함께 제공되는 것도 얼마든지 가능할 수 있으며, 이미 VR 장치에 콘텐츠가 저장되어 있는 경우에는 학습 데이터만 전송될 수도 있다.The
본 발명의 실시예에서 "학습 데이터"라 함은 범죄 대응을 위해 유의미한 데이터라 볼 수 있다. 예를 들어, 가상의 범죄자와 가상의 훈련자들의 행동에 대하여 가상 공간에서의 게임 등을 통한 모의 훈련을 통해 동작 데이터를 수집하고 이를 통해 행동을 학습하며 행동의 성공, 실패 등을 통해 행동을 분석한다. 그리고 그 결과에 따라 행동을 결정하며, 이러한 과정을 통해 생성된 데이터를 학습 데이터로 저장 및 활용하게 된다. 물론 콘텐츠가 실행되는 최초에는 가상 범죄자의 행동에 대한 몇가지 시나리오가 기설정될 수 있으며, 이를 근거로 가상 훈련자의 대응을 콘텐츠로서 모의 훈련을 수행하고, 그 결과를 분석하여 학습 데이터를 생성할 수 있는 것이다.In an embodiment of the present invention, "learning data" can be regarded as meaningful data for coping with crime. For example, for the behavior of virtual criminals and virtual trainees, behavior data is collected through simulation training through games in virtual space, behavior is learned through it, and behavior is analyzed through success or failure of behavior. . Actions are determined based on the results, and the data generated through this process is stored and used as learning data. Of course, several scenarios for the virtual criminal's behavior may be preset at the beginning when the content is executed, and based on this, simulation training is performed with the virtual trainer's response as content, and the results are analyzed to generate learning data. will be.
이와 같이, 통신 인터페이스부(100)는 초기에는 가상 범죄자와 가상 훈련자에 대한 행동의 몇가지 시나리오에 따라 생성되는 학습 데이터를 VR 장치와 같은 주변의 외부장치로 제공할 수 있지만, 이후에 실제 환경에서 훈련자에 의해 생성된 학습 데이터(혹은 2차 데이터)가 누적되는 경우에는 누적된 제1 및 제2 학습 데이터에 모두 근거하여 모의 훈련을 위한 콘텐츠를 화면상에 구현할 수 있다.In this way, the
상기한 바와 같이, 본 발명의 실시예에 따른 통신 인터페이스부(100)는 가상의 공간에서 가상 범죄자와 가상 훈련자를 통해 학습 데이터를 생성하기 위한 동작뿐 아니라, 그 생성한 학습 데이터를 근거로 실환경에서 이루어진 모의 훈련에 대한 데이터를 수집하여 또다른 학습 데이터를 생성하기 위한 동작을 수행한다. 예를 들어, 제1 학습 데이터를 생성하기 위한 가상 범죄자와 가상 훈련자, 더 정확하게는 가상 훈련자를 대신하는 사용자 주체, 그리고 실제 환경에서 모의 훈련을 수행하는 훈련자는 다르다. 다시 말해, 위의 가상의 훈련자는 콘텐츠 제작자가 될 수도 있지만, 실제 환경에서의 훈련자는 반드시 경찰이나 군인이 될 수 있다. As described above, the
이러한 점에서 학습 데이터의 성격은 다소 상이할 수 있으며, 최초의 제1 학습 데이터는 가령 인공지능(AI)을 실행시키기 위한 최소한의 학습 데이터의 역할을 수행할 수 있으며, 인공지능 프로그램은 그 최소한의 학습 데이터를 근거로 새로운 학습 데이터를 누적하면서 강화된 학습을 수행할 수 있게 된다. 여기서, 실제 환경은 경찰이나 군인 등의 훈련자가 모의 훈련을 위한 임의 공간상에서 가령 VR 장치를 착용하고, 실제 현장에서 사용하는 것과 같이 무장(예: 테이저건, 진압봉 등)하되, 2차 학습 데이터의 생성을 위하여 센서를 몸에 부착하거나, 또는 해당 훈련자들의 행동을 감시하는 카메라 등의 다양한 장치가 주변에 구성되어 있는 곳을 의미한다. 예를 들어, 훈련자들의 몸에 블루투스 장치 등을 착용하도록 하고, 이를 주변의 스캐너 등에서 신호를 수신하여 신호 분석을 통해 훈련자들의 위치나 행동 등을 판단할 수 있으므로, 다양한 장치가 사용될 수 있다.In this respect, the nature of the learning data may be somewhat different, and the first first learning data may serve as minimum learning data to execute artificial intelligence (AI), and the artificial intelligence program may Reinforced learning can be performed while accumulating new learning data based on the learning data. Here, in the real environment, a trainee such as a police officer or soldier wears a VR device, for example, in an arbitrary space for simulation training, and is armed (eg, a Taser gun, a baton, etc.) as used in the actual field, but the secondary learning data It means a place where sensors are attached to the body for generation, or various devices such as cameras that monitor the trainees' actions are configured around them. For example, various devices can be used because trainees wear a Bluetooth device, etc., and receive signals from nearby scanners to determine the location or behavior of the trainees through signal analysis.
제어부(110)는 도 1의 통신 인터페이스부(100), 범죄행위처리부(120) 및 저장부(130)의 전반적인 제어 동작을 수행한다. 예를 들어, 제어부(110)는 사용자의 요청이 있는 경우 가령 저장부(130)에 기저장되어 있는 범죄 대응을 위한 콘텐츠를 실행하여 디스플레이 등에 화면을 구현할 수 있다. 물론 콘텐츠의 구현은 시뮬레이터(90)가 구비하는 모니터뿐 아니라, 주변의 컴퓨터나 스마트폰 등을 통해서도 얼마든지 구현이 될 수 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다.The
본 발명의 실시예에서는 시뮬레이터(90)가 모니터 등의 디스플레이부와 조이스틱 등의 사용자 인터페이스부를 포함하여 구성될 수 있다. 이의 경우 제어부(110)는 콘텐츠를 재생하여 디스플레이부의 화면에 구현하며, 조이스틱 등을 통해 수신되는 사용자의 제어명령을 근거로 가상 범죄자에 대한 가상 훈련자의 동작을 인식하게 되며, 이를 근거로 가상 훈련자에 대한 학습 데이터를 생성할 수 있다. 예를 들어, 콘텐츠의 실행 초기에는 가상 범죄자와 가상 훈련자의 행동에 대한 몇가지 시나리오가 기설정될 수 있다. 이를 근거로 가상 공간상에서의 모의 훈련을 통해 다양한 가상 범죄자와 가상 훈련자에 대한 데이터를 축적하면서 학습 데이터의 신뢰를 높여갈 수 있다. 콘텐츠상에서 가상 범죄자의 행동은 결정될 수 있지만, 가상 범죄자의 경우에도 인공지능 프로그램을 통해 가상 훈련자의 행동을 근거로 계속해서 진화할 수 있는 것이므로, 이러한 과정을 통해 인공지능을 이용한 범죄자가 만들어진다고도 볼 수 있다. 따라서, 가상 범죄자의 경우 계속해서 진화하므로 가상 훈련자를 대신하는 사용자(가령, 경찰, 군인 등)가 진화하게 되는 것은 당연하다고 볼 수 있다. 또한 그 반대도 마찬가지이다.In an embodiment of the present invention, the
제어부(110)는 예를 들어, 주변의 모의 훈련을 위한 공간상에서 외부장치로부터 모의 훈련을 위한 요청이 있는 경우, 주변의 외부장치, 가령 훈련자가 착용하는 VR 장치로 기저장된 제1 학습 데이터를 근거로 하는 콘텐츠를 실시간으로 전송할 수 있다. 예를 들어, 동일한 배경이 콘텐츠상에 구현된다 하더라도 훈련자의 대응에 따라 범죄자의 행동 또한 달라질 수 있다. 제어부(110)는 외부장치와의 통신에 의해 실제 환경에서 훈련자들에 의한 동작 데이터 등을 수집하여 이를 분석하고 학습 데이터를 생성한 후 훈련에 의해 생성되는 학습 데이터를 지속적으로 증가시킬 수 있다. 물론 제어부(110)는 통신 인터페이스부(100)에서 수신되는 훈련자들의 동작 데이터를 저장부(130)에 저장한 후, 또는 현재 구현되는 화면의 상황에 대한 상황 데이터(혹은 화면 데이터)와 함께 동작 데이터를 저장한 후 해당 데이터를 범죄행위처리부(120)에 제공하여 학습 데이터의 생성을 요청할 수 있다.For example, if there is a request for simulation training from an external device in the surrounding simulation training space, the
범죄행위처리부(120)는 가상뿐 아니라 실제 환경에 대한 학습 데이터를 생성하기 위한 동작을 수행한다. 즉 2개의 루트로 데이터를 수집하고, 수집한 데이터를 누적 및 분석하여 계속해서 학습 데이터를 생성해 나간다. 여기서, 하나의 루트는 가상 공간에서의 모의 훈련을 통한 데이터 수집이며, 다른 하나는 임의 공간에 구성되는 오프라인상의 모의 훈련장을 통해 데이터가 수집되는 루트이다. 콘텐츠의 실행 초기에 가상 범죄자와 가상 훈련자에 대한 행동은 몇가지 시나리오가 제공된다. 즉 콘텐츠에 반영되어 기제작된다. 범죄행위처리부(120)는 초기 학습시에는 가상 범죄자와 가상 훈련자의 상황에 대한 모의 훈련을 통해서 범죄 상황에 대한 학습 데이터를 쌓는다. 그리고 축적된 학습 데이터를 기반으로 실제 훈련자의 훈련에 이용한다. 또한 범죄행위처리부(120)는 훈련자의 (대응) 행동에 대한 데이터도 쌓아 가상뿐 아니라 실제 상황에 대한 학습 데이터의 신뢰도를 높여 나간다.The criminal
범죄행위처리부(120)는 인공지능 프로그램을 포함할 수 있으며, 이를 통해 누적되는 데이터 즉 빅데이터를 분석하고, 콘텐츠상의 가상 범죄자에 대한 범죄를 자동으로 발생시킬 수 있고, 또한 이러한 범죄는 누적된 학습 데이터를 근거로 진화시킬 수 있다. 이를 통해 본 발명의 실시예에 따른 시뮬레이터(90)는 미래에 있을 범죄자의 범죄 행위를 인공지능을 통해 예측할 수 있으며, 이에 신속하게 대처하기 위해 모의 훈련 등을 수행함으로써 범죄 발생시에도 빠른 상황 대처가 이루어지도록 할 수 있다. 자세한 내용은 이후에 좀더 다루기로 한다.The criminal
저장부(130)는 범죄에 대응하기 위해 기제작된 콘텐츠를 저장할 수 있으며, 제어부(110)의 제어에 따라 해당 콘텐츠를 실행시킬 수 있다. 물론 이러한 콘텐츠는 범죄행위처리부(120)에 저장되어 실행될 수도 있으므로, 본 발명의 실시예에서는 어느 하나의 형태에 특별히 한정하지는 않을 것이다. 또한, 저장부(130)는 가상 공간에서 이루어지는 가상 범죄자에 대한 가상 훈련자의 동작 데이터 즉 범죄대응 데이터를 저장할 수 있으며, 제어부(110)의 요청에 따라 저장된 해당 데이터는 학습 데이터의 생성을 위해 범죄행위처리부(120)로 제공될 수 있다.The
한편, 본 발명의 변형된 실시예로서 제어부(110)는 CPU 및 메모리를 포함할 수 있으며, 원칩화하여 형성될 수 있다. CPU는 제어회로, 연산부(ALU), 명령어해석부 및 레지스트리 등을 포함하며, 메모리는 램을 포함할 수 있다. 제어회로는 제어동작을, 그리고 연산부는 2진비트정보의 연산동작을, 그리고 명령어해석부는 인터프리터나 컴파일러 등을 포함하여 고급언어를 기계어로, 또 기계어를 고급언어로 변환하는 동작을 수행할 수 있으며, 레지스트리(registry)는 소프트웨어적인 데이터 저장에 관여할 수 있다. 상기의 구성에 따라, 가령 도 1의 시뮬레이터(90)의 동작 초기에 범죄행위처리부(120)에 저장되어 있는 프로그램을 복사하여 메모리 즉 램(RAM)에 로딩한 후 이를 실행시킴으로써 데이터 연산 처리 속도를 빠르게 증가시킬 수 있다.On the other hand, as a modified embodiment of the present invention, the
도 2는 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터의 세부구조를 예시한 블록다이어그램이며, 도 3은 LSTM 예측 알고리즘의 동작 과정을 설명하기 위한 도면이다.2 is a block diagram illustrating the detailed structure of a simulator for coping with crimes according to another embodiment of the present invention, and FIG. 3 is a diagram for explaining the operation process of the LSTM prediction algorithm.
도 2에 도시된 바와 같이, 본 발명의 다른 실시예에 따른 범죄 대응을 위한 시뮬레이터(90')는 데이터 수집부(200), 머신러닝부(210) 및 학습데이터 관리부(220)의 일부 또는 전부를 포함하며, 여기서 "일부 또는 전부를 포함"한다는 것은 앞서서의 의미와 동일하다.As shown in FIG. 2, the simulator 90' for coping with crime according to another embodiment of the present invention includes some or all of the
본 발명의 실시예에 따른 데이터 수집부(200), 머신러닝부(210) 및 학습데이터 관리부(220)는 하드웨어(H/W), 소프트웨어(S/W) 또는 그 조합에 의해 구성될 수 있으므로, 어느 하나의 형태에 특별히 한정하지는 않을 것이다.The
데이터 수집부(200)는 가상 환경(97)을 통해 데이터를 수집하고, 또 실(제) 환경(99)을 통해 데이터를 수집한다. 다시 말해, 본 발명의 실시예에 따른 데이터 수집부(200)는 학습 데이터의 생성을 위하여 서로 다른 루트(route)를 통해 데이터 수집이 이루어진다. 여기서, 수집되는 데이터는 앞서 언급한 대로 게임과 같이 콘텐츠를 화면상에 구현하고 이에 대응하는 가상 훈련자에 의한 대응 데이터를 포함할 수 있으며, 또 주변에서 모의 훈련을 수행하는 훈련자의 VR 장치 등으로 콘텐츠를 전송하여 이에 대응하는 실 환경에서의 훈련자의 대응 데이터를 포함한다. 가령, 전자는 조이스틱(혹은 화면상의 제어버튼) 등의 조작에 의해 생성되는 것이라면, 후자는 실제 범죄 환경에서 훈련자가 동일하게 무장하고 훈련을 수행하는 것이므로, VR 장치에서 구현되는 범죄환경이나 범죄자에 대응하는 훈련자의 움직임, 또 훈련자가 소지하는 총기(예: 테이저건 등) 등의 조작에 대한 대응 데이터라는 점에서 차이가 있다.The
따라서, 데이터 수집부(200)는 실 환경에서의 훈련자들의 데이터를 수신하기 위하여 다양한 장치로부터 센싱 데이터 등을 수신할 수 있다. 앞서 언급한 대로 훈련자들의 몸에 부착되는 센서 등으로부터는 센싱데이터를 수집할 수 있지만, 주변에 통신장치로서 스캐너 등을 구비하는 경우에는 해당 스캐너 등을 통해 센싱데이터를 수신할 수 있다. 여기서, 센싱 데이터는 훈련자들의 움직임이나 범죄에 대응하기 위하여 사용하는 총기 등의 사용 등과 관련한 데이터를 포함할 수 있다. 본 발명의 실시예에서는 이러한 데이터를 범죄에 대응하는 데이터라는 점에서 (범죄)대응 데이터라 명명할 수 있다. 또는 동작 데이터라 명명할 수도 있다.Accordingly, the
데이터 수집부(200)에서 수집되는 데이터는 머신러닝부(210)로 제공된다. 머신러닝부(210)는 가령 본 발명의 실시예에 따른 인공지능 프로그램을 포함하고 이를 실행시킬 수 있다. 수집된 데이터(혹은 저장부에 누적된 데이터)를 근거로 범죄자나 훈련자의 행동을 학습하고, 물론 행동은 다양한 행동을 학습할 수 있다. 예를 범죄자가 칼을 소지하는 경우 이에 따라 훈련자의 대응 데이터를 근거로 행동을 인식하고 학습할 수 있다. 예를 들어, 동일한 범죄자의 행동이라 가정해도 훈련자의 대응은 다양할 수 있으므로, 대응 데이터를 통해 이를 학습할 수 있다. 이와 같이 머신러닝부(210)는 행동의 성공 및 실패와 관련되는 데이터를 근거로 행동을 분석하고, 행동을 결정한다. 통상 룰(rule) 기반의 경우에는 행동의 성공 및 실패 등과 관련되는 데이터를 기설정하고 이에 부응하면 결과를 출력해 주지만, 또는 결과가 없으면 결과가 없음(false)을 출력하지만, 인공지능의 경우에는 룰 기반의 동작 이외에도 예측 동작을 수행하므로 항시 출력을 제공하게 된다. 따라서 수집된 데이터를 근거로 어떠한 경우에도 행동이 결정되는 것이며, 이러한 데이터는 학습데이터 관리부(220)로 제공될 수 있다.Data collected by the
상기의 내용에 근거해 볼 때, 머신러닝부(210)는 행동학습부(211), 행동분석부(213), 행동성공/실패부(혹은 행동정보 저장부)(215) 및 행동결정부(217)의 일부 또는 전부를 포함할 수 있다. 여기서, 행동학습부(211), 행동분석부(213), 행동성공/실패부(215) 및 행동결정부(217)는 SW 모듈의 형태로 구성될 수 있지만, 하드웨어 형태로 구성되는 것도 얼마든지 가능할 수 있다. 따라서, SW 모듈의 경우 저장부는 레지스트리가 될 수 있다.Based on the above, the
예를 들어, 도 2의 머신러닝부(210) 또는 행동분석부(213)로서 도 3에서는 LSTM(Long Short-Term Memory) 기반의 AI 알고리즘을 적용한 범죄 행위 분석 및 예측 시스템을 보여주고 있다. LSTM 기반의 AI 알고리즘을 적용하여 과거의 범죄행위를 누적하여 현재 상태 및 미래에 대한 예측 결과를 도출할 수 있다. 이를 위하여 데이터를 축적하고 분석하게 된다. 도 3에서 볼 때, LSTM 예측 알고리즘을 보면, 1번째 입력값 즉 사용자 측정값을 근거로 1번째 결과값 즉 평가 데이터를 출력하고, 2번째 입력값을 누적하여 그에 따른 2번째 결과값을 출력하며, 이러한 과정은 무한 반복되어 정확한 결과값의 예측이 가능해진다. 활용할 수 있는 데이터가 많아지면 많아질수록 그만큼 그 결과의 객관성 즉 신뢰성이 담보된다고 볼 수 있다. 이와 대조적으로 룰 기반의 방식을 보면, 기설정된 데이터를 기반으로 동일한 입력이 있을 때에만 동일한 출력을 제공한다는 점에서 예측 동작을 수행하는 AI 알고리즘과는 매우 상이하다고 볼 수 있다.For example, as the
학습데이터 관리부(220)는 러닝머신부(210)에서 제공되는 학습 데이터를 체계적으로 분류하고 저장할 수 있으며, 가령 콘텐츠의 실행시 해당 학습 데이터를 근거로 가상 범죄자의 행동이 이루어지도록 하고, 실제 모의 훈련의 환경에서도 훈련자의 행동에 따라 범죄자의 행동이 이루어지도록 할 수 있다.The learning
도면에 별도로 도시하지는 않았지만, 본 발명의 다른 실시예에 따른 시뮬레이터(90')는 전반적인 제어 동작을 담당하는 SW 모듈 형태의 매니저(혹은 호스트)를 더 포함할 수도 있다. 이에 따라 가령 가상훈련을 위해 콘텐츠의 실행을 요청하는 경우, 매니저(manager)는 해당 요청에 따라 콘텐츠를 실행하면서 가상 훈련자의 대응에 따라 콘텐츠상에 가상 범죄자의 행동을 구현할 수 있다. 물론 이러한 콘텐츠상의 행동은 학습데이터 관리부(220)에 저장 및 관리되는 학습 데이터를 근거로 이루어질 수 있다.Although not separately shown in the drawing, the simulator 90' according to another embodiment of the present invention may further include a manager (or host) in the form of a SW module in charge of overall control operations. Accordingly, when a content execution is requested for virtual training, the manager executes the content according to the request and implements the action of the virtual criminal on the content according to the response of the virtual trainer. Of course, actions on such content may be based on learning data stored and managed by the learning
상기한 내용 이외에도 본 발명의 다른 실시예에 따른 시뮬레이터(90')는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 도 1을 통해서도 충분히 설명하였으므로 그 내용들로 대신하고자 한다.In addition to the above, the simulator 90' according to another embodiment of the present invention can perform various operations, and since other details have been sufficiently described with reference to FIG.
도 4는 본 발명의 실시예에 따른 범죄 대응을 위한 시뮬레이터의 구동과정을 나타내는 흐름도이다.4 is a flowchart illustrating a driving process of a simulator for coping with crimes according to an embodiment of the present invention.
설명의 편의상 도 4를 도 1과 함께 참조하면, 본 발명의 실시예에 따른 도 1의 범죄 대응을 위한 시뮬레이터(90)는 범죄에 대응하는 모의 훈련을 위해 기제작된 콘텐츠를 저장한다(S400). 해당 콘텐츠 내에서는 콘텐츠의 실행시 구현되는 가상 범죄자와 가상 훈련자를 포함할 수 있으며, 콘텐츠의 실행 초기에는 가상 범죄자와 가상 훈련자에 대한 행동은 몇가지 시나리오가 기설정되어 제공될 수 있다.Referring to FIG. 4 together with FIG. 1 for convenience of description, the
또한, 시뮬레이터(90)는 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 저장부에 저장시키고, 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영한다(S410).In addition, the
예를 들어, 앞서 도 3을 통해 살펴본 바와 같이, 학습 데이터가 지속적으로 누적되고 이의 데이터를 인공지능을 통해 분석함으로써 미래에 특정 범죄자의 행동을 예측할 수 있으며, 그 예측에 따른 범죄자의 행동을 사전에 모의 훈련을 통해 지속적으로 훈련하게 됨으로써 특정 범죄를 미연에 방지하거나, 범죄 발생시에도 빠른 상황 대처로 인명 손실을 최소화할 수 있을 것이다.For example, as shown in FIG. 3 above, learning data is continuously accumulated and the data is analyzed through artificial intelligence to predict the behavior of a specific criminal in the future, and the behavior of the criminal according to the prediction can be predicted in advance. Continuous training through mock training will prevent specific crimes in advance or minimize loss of life by responding quickly to the situation even when a crime occurs.
범죄의 경우는 대표적으로 환경 변화가 범죄자의 지능 범죄를 가능하게 할 수 있다. 예를 들어, 범죄를 발생시키는 특정 구역에 감시를 위한 CCTV가 설치되는 경우를 가정해 보자. 범죄자는 해당 CCTV를 인식하고 또다른 방식으로 범죄를 유발할 수 있다. 따라서, 인공지능은 이러한 CCTV와 관련되는 새로운 환경변수가 학습데이터로 사용될 때 이를 근거로 데이터를 분석하여 범죄자의 새로운 범죄 유형을 예측할 수 있다. 그러나, 기존의 룰 기반의 경우에는 사용자가, 또는 프로그램 설계자가 새로운 환경 변수로서 CCTV를 데이터로 설정하고, 또 그에 관련되는 범죄 유형을 설정하지 않는 이상 CCTV의 설치에 대한 진화된 범죄를 예방할 수는 없으므로 이러한 측면에서 본 발명의 실시예는 매우 유용할 수 있으며, 특히 가상 훈련과 실제 훈련상에 수집되는 데이터를 통해 학습을 강화함으로써 학습 데이터의 신뢰도를 높여 미래의 범죄환경에 신속하게 대응할 수 있을 것이다.In the case of crime, environment changes can typically enable criminals to commit intelligence crimes. For example, let's assume a case where a CCTV for surveillance is installed in a specific area where a crime occurs. Criminals can recognize the CCTV and cause a crime in another way. Therefore, artificial intelligence can predict new crime types of criminals by analyzing data based on these CCTV-related new environmental variables when used as learning data. However, in the case of the existing rule-based case, it is not possible to prevent advanced crimes related to the installation of CCTV unless the user or the program designer sets CCTV as data as a new environment variable and sets the type of crime related to it. In this respect, the embodiment of the present invention can be very useful, and in particular, by strengthening learning through data collected during virtual training and actual training, it will be possible to quickly respond to future criminal environments by increasing the reliability of learning data. .
상기한 내용 이외에도 본 발명의 실시예에 따른 시뮬레이터(90, 90')는 다양한 동작을 수행할 수 있으며, 기타 자세한 내용은 앞서 충분히 설명하였으므로 그 내용들로 대신하고자 한다.In addition to the above, the
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.On the other hand, even if all the components constituting the embodiment of the present invention are described as being combined or operated as one, the present invention is not necessarily limited to these embodiments. That is, within the scope of the object of the present invention, all of the components may be selectively combined with one or more to operate. In addition, although all of the components may be implemented as a single independent piece of hardware, some or all of the components are selectively combined to perform some or all of the combined functions in one or a plurality of pieces of hardware. It may be implemented as a computer program having. Codes and code segments constituting the computer program may be easily inferred by a person skilled in the art. Such a computer program may implement an embodiment of the present invention by being stored in a computer-readable non-transitory computer readable media, read and executed by a computer.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.Here, the non-transitory readable recording medium means a medium that stores data semi-permanently and can be read by a device, not a medium that stores data for a short moment, such as a register, cache, or memory. . Specifically, the above-described programs may be provided by being stored in a non-transitory readable recording medium such as a CD, DVD, hard disk, Blu-ray disk, USB, memory card, or ROM.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.Although the preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific embodiments described above, and is common in the art to which the present invention pertains without departing from the gist of the present invention claimed in the claims. Of course, various modifications and implementations are possible by those with knowledge of, and these modifications should not be individually understood from the technical spirit or perspective of the present invention.
100: 통신 인터페이스부 110: 제어부
120: 범죄행위처리부 130: 저장부
200: 데이터 수집부 210: 머신러닝부
220: 학습데이터 관리부100: communication interface unit 110: control unit
120: criminal activity processing unit 130: storage unit
200: data collection unit 210: machine learning unit
220: learning data management unit
Claims (12)
상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 제어부;를 포함하되,
상기 제어부는 상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하고 예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하고, 상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성하며, 상기 외부장치로서 상기 훈련자가 착용하는 VR(Virtual Reality) 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신하는 것을 특징으로 하는 범죄 대응을 위한 시뮬레이터.
a storage unit for storing pre-produced contents for simulation training corresponding to crime; and
First learning data generated on the basis of simulated training through virtual criminals and virtual trainees in a virtual space realized by executing the stored content, and the generated first learning data are provided to offline trainers in a real environment for simulated training. The second learning data generated by application is accumulated and stored in the storage unit, and the accumulated and stored first and second learning data are analyzed to predict the criminal's criminal behavior, and the prediction result is used in the next simulation training. Including; a control unit that is reflected in city content;
The control unit predicts a criminal's criminal behavior based on the first learning data, provides content reflecting the prediction result to an external device used by the offline trainer during simulation training, Motion data is collected and analyzed from the external device to generate the second learning data, the external device provides the contents to a VR (Virtual Reality) device worn by the trainee, and sensing of the trainee's motion A simulator for countering crime, characterized in that for receiving the motion data from the device.
상기 제어부는, 디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하고, 상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 범죄 대응을 위한 시뮬레이터.According to claim 1,
The control unit responds to crime by displaying the virtual criminal and the virtual trainer on the screen of the display unit and generating the first learning data using motion data provided based on a user's control command for controlling the virtual trainer. simulator for.
상기 제어부는, 상기 콘텐츠상에 기설정되는 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 근거로 상기 디스플레이부의 화면상에 상기 콘텐츠를 구현하는 범죄 대응을 위한 시뮬레이터.According to claim 5,
The control unit implements the content on the screen of the display unit based on a plurality of scenarios for the actions of the virtual criminal and the virtual trainee that are preset on the content.
제어부가, 상기 저장한 콘텐츠를 실행하여 구현되는 가상 공간상에서의 가상 범죄자와 가상 훈련자를 통해 이루어지는 모의 훈련을 근거로 생성되는 제1 학습 데이터 및 상기 생성한 제1 학습 데이터를 실환경의 오프라인상의 훈련자에게 모의 훈련시 적용해 생성되는 제2 학습 데이터를 누적하여 상기 저장부에 저장시키고, 상기 누적하여 저장하는 제1 학습 데이터 및 제2 학습 데이터를 분석하여 범죄자의 범죄 행위를 예측하여 예측 결과를 다음의 모의 훈련시 콘텐츠에 반영하는 단계;를
포함하되,
상기 제1 학습 데이터를 근거로 범죄자의 범죄 행위를 예측하는 단계; 및
예측 결과가 반영된 콘텐츠를 상기 오프라인상의 훈련자가 모의 훈련시 이용하는 외부장치로 제공하는 단계;를 더 포함하고,
상기 반영하는 단계는,
상기 오프라인상의 훈련자가 수행하는 모의 훈련시의 동작 데이터를 상기 외부장치로부터 수집 및 분석하여 상기 제2 학습 데이터를 생성하고, 상기 외부장치로서 상기 훈련자가 착용하는 VR 장치로 상기 콘텐츠를 제공하며, 상기 훈련자의 동작을 센싱하는 센싱장치로부터 상기 동작 데이터를 수신하는 것을 특징으로 하는 범죄 대응을 위한 시뮬레이터의 구동방법.storing, by a storage unit, pre-produced content for simulation training corresponding to a crime; and
First learning data generated based on simulated training through virtual criminals and virtual trainees in a virtual space implemented by executing the stored content by the control unit and the generated first learning data are transferred to offline trainers in a real environment. Accumulate and store the second learning data generated by applying the simulated training to the storage unit, analyze the accumulated and stored first learning data and the second learning data to predict the criminal's criminal behavior, and obtain the predicted result as follows Reflecting in the content during mock training;
include,
predicting a criminal's criminal behavior based on the first learning data; and
Further comprising: providing the content on which the prediction result is reflected to an external device used by the off-line trainee during simulation training;
In the reflecting step,
The second learning data is generated by collecting and analyzing motion data during simulated training performed by the offline trainee from the external device, and the content is provided to a VR device worn by the trainee as the external device, A method of driving a simulator for coping with crime, characterized in that for receiving the motion data from a sensing device that senses the trainee's motion.
디스플레이부의 화면상에 상기 가상 범죄자와 상기 가상 훈련자를 표시하는 단계; 및
상기 가상 훈련자를 제어하는 사용자의 제어 명령을 근거로 제공되는 동작 데이터를 이용해 상기 제1 학습 데이터를 생성하는 단계;를
더 포함하는 범죄 대응을 위한 시뮬레이터의 구동방법.According to claim 7,
displaying the virtual criminal and the virtual trainer on a screen of a display unit; and
generating the first training data using motion data provided based on a user's control command for controlling the virtual trainer;
A driving method of a simulator for responding to a crime further comprising:
상기 콘텐츠상에 상기 가상 범죄자와 상기 가상 훈련자의 행동에 대한 복수의 시나리오를 설정하는 단계;를 더 포함하며,
상기 디스플레이부의 화면상에 상기 복수의 시나리오를 설정된 상기 콘텐츠를 구현하는 범죄 대응을 위한 시뮬레이터의 구동방법.According to claim 11,
Setting a plurality of scenarios for the behavior of the virtual criminal and the virtual trainer on the content; further comprising,
A method of driving a simulator for coping with crimes that implements the content in which the plurality of scenarios are set on the screen of the display unit.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200172367A KR102492511B1 (en) | 2020-12-10 | 2020-12-10 | Simulator for Crime Response and Driving Method Thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200172367A KR102492511B1 (en) | 2020-12-10 | 2020-12-10 | Simulator for Crime Response and Driving Method Thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220082445A KR20220082445A (en) | 2022-06-17 |
KR102492511B1 true KR102492511B1 (en) | 2023-01-30 |
Family
ID=82269086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200172367A KR102492511B1 (en) | 2020-12-10 | 2020-12-10 | Simulator for Crime Response and Driving Method Thereof |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102492511B1 (en) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003316248A (en) * | 2002-04-22 | 2003-11-07 | Mitsubishi Heavy Ind Ltd | Training device and training scenario generation program |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189043A1 (en) | 2014-12-24 | 2016-06-30 | Locator IP, L.P. | Crime forcasting system |
KR101810937B1 (en) * | 2016-04-14 | 2017-12-20 | 주식회사 세가온 | System and method for respose training on virtual disaster based on scenario |
KR102080341B1 (en) * | 2018-04-24 | 2020-02-21 | (주)에이치오엔터테인먼트 | On-the-job education system for police using VR device |
KR102196757B1 (en) * | 2019-01-31 | 2020-12-30 | 고등기술연구원연구조합 | Virtual reality based training system for accident response and training method thereof |
KR102145614B1 (en) | 2020-02-13 | 2020-08-18 | (주)에스에치테크놀로지 | System for preventing crime in real time by predicting crime occurrence in advance and its control method |
-
2020
- 2020-12-10 KR KR1020200172367A patent/KR102492511B1/en active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003316248A (en) * | 2002-04-22 | 2003-11-07 | Mitsubishi Heavy Ind Ltd | Training device and training scenario generation program |
Also Published As
Publication number | Publication date |
---|---|
KR20220082445A (en) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10223621B1 (en) | Artificially intelligent systems, devices, and methods for learning and/or using visual surrounding for autonomous object operation | |
US11227235B1 (en) | Universal artificial intelligence engine for autonomous computing devices and software applications | |
US11494607B1 (en) | Artificially intelligent systems, devices, and methods for learning and/or using an avatar's circumstances for autonomous avatar operation | |
Feldt et al. | Ways of applying artificial intelligence in software engineering | |
US10474934B1 (en) | Machine learning for computing enabled systems and/or devices | |
US10402731B1 (en) | Machine learning for computer generated objects and/or applications | |
Myllyaho et al. | Systematic literature review of validation methods for AI systems | |
US7526465B1 (en) | Human-machine interactions | |
Zdebskyi et al. | An Application Development for Recognizing of View in Order to Control the Mouse Pointer. | |
KR20190122377A (en) | Electronic device and method for controlling the electronic device thereof | |
CN111144580A (en) | Hierarchical reinforcement learning training method and device based on simulation learning | |
Govindarajan et al. | Dynamic learning path prediction—A learning analytics solution | |
US20220366244A1 (en) | Modeling Human Behavior in Work Environment Using Neural Networks | |
Jenkins et al. | A formative approach to developing synthetic environment fidelity requirements for decision-making training | |
CN112106075A (en) | Extending previously trained deep neural networks | |
KR102243259B1 (en) | Apparatus and method for learning and evaluating worker's work based on eye tracking technology | |
KR102492511B1 (en) | Simulator for Crime Response and Driving Method Thereof | |
Magnaudet et al. | What should adaptivity mean to interactive software programmers? | |
US20110313955A1 (en) | Real-time intelligent virtual characters with learning capabilities | |
Mohan et al. | Building Jarvis-A Learner-Aware Conversational Trainer. | |
Banerjee et al. | Multimodal behavior analysis in computer-enabled laboratories using nonverbal cues | |
Djadja et al. | Modeling and evaluating of human 3d+ t activities in virtual environment | |
Lock et al. | Activis: Mobile object detection and active guidance for people with visual impairments | |
Best | Inducing models of behavior from expert task performance in virtual environments | |
Slavkovik | Artificial intelligence: Is the power matched with responsibility? |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |