KR102492511B1 - Simulator for Crime Response and Driving Method Thereof - Google Patents

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

범죄 대응을 위한 시뮬레이터 및 그 시뮬레이터의 구동방법{Simulator for Crime Response and Driving Method Thereof}Simulator for crime response and driving method of the simulator {Simulator for Crime Response and Driving Method Thereof}

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.

한국등록특허공보 제10-2145614호(2020.08.11)Korean Registered Patent Publication No. 10-2145614 (2020.08.11) 한국공개특허공보 제10-2017-0098281호(2017.08.29)Korean Patent Publication No. 10-2017-0098281 (2017.08.29)

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 communication interface unit 100, a control unit 110, a criminal activity processing unit 120, and a storage unit. It includes part or all of 130, and may further include part or all of a display unit and a user interface unit.

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 simulator 90 is configured, or that some components, such as the criminal action processing unit 120, can be configured by being integrated with other components, such as the control unit 110, to help a sufficient understanding of the invention. Explain.

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 communication interface unit 100 communicates with peripheral devices (or external devices) provided around the simulator 90 . Here, the peripheral device may include, for example, a computer for producing and storing (video) content for responding to crime according to an embodiment of the present invention in the simulator 90, or receiving content from the simulator 90 It may include a computer that simulates training in a virtual space, or a user's tablet PC or smartphone, and furthermore, for example, a Head Mounting Display (HMD) worn by a trainee to perform simulation training in an offline real environment. of VR devices.

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 communication interface unit 100 may perform various operations depending on which peripheral device is set to interoperate with. Above all, the communication interface unit 100 according to an embodiment of the present invention is configured in a virtual space (or online) by a computer programmer, a producer who produces content for coping with crime, or a police officer or soldier who performs simulated training. Based on the generated learning data (or first learning data), the first learning data is provided to the trainee's VR device that performs simulation training in a real environment, that is, an external device. More precisely, content in which the first learning data is reflected may be provided. Accordingly, the first learning data may be provided together with pre-stored content, and when content is already stored in the VR device, only the learning data may be transmitted.

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 communication interface unit 100 may initially provide learning data generated according to several scenarios of actions for a virtual criminal and a virtual trainee to a peripheral external device such as a VR device, but later in a real environment. When learning data (or secondary data) generated by is accumulated, content for simulation training may be implemented on the screen based on both the accumulated first and second learning data.

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 communication interface unit 100 according to an embodiment of the present invention not only operates to generate learning data through virtual criminals and virtual trainees in a virtual space, but also operates in a real environment based on the generated learning data. It collects data on simulation training made in and performs an operation to generate another learning data. For example, a virtual criminal and a virtual trainer for generating the first training data, more precisely, a user subject representing the virtual trainer and a trainer performing simulation training in a real environment are different. In other words, the above virtual trainee may be a content creator, but a trainee in a real environment must be a police officer or a soldier.

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 control unit 110 performs overall control operations of the communication interface unit 100 of FIG. 1 , the criminal action processing unit 120 and the storage unit 130 . For example, if there is a user's request, the control unit 110 may implement a screen on a display or the like by executing content for responding to a crime previously stored in the storage unit 130 . Of course, content can be implemented not only through the monitor of the simulator 90, but also through a nearby computer or smartphone, so the embodiment of the present invention will not be particularly limited to any one form.

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 simulator 90 may include a display unit such as a monitor and a user interface unit such as a joystick. In this case, the control unit 110 reproduces the content and implements it on the screen of the display unit, recognizes the motion of the virtual trainer for the virtual criminal based on the user's control command received through a joystick, etc. training data can be generated. For example, several scenarios for actions of a virtual criminal and a virtual trainer may be preset at the beginning of content execution. Based on this, it is possible to increase the reliability of learning data while accumulating data on various virtual criminals and virtual trainees through simulated training in virtual space. Although the behavior of virtual criminals can be determined in the content, even in the case of virtual criminals, they can continue to evolve based on the behavior of virtual trainers through artificial intelligence programs, so it can be seen that criminals using artificial intelligence are created through this process. there is. Therefore, since virtual criminals continue to evolve, it is natural that users (eg, police officers, soldiers, etc.) substituted for virtual trainers will evolve. And vice versa.

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 controller 110 controls the first learning data pre-stored in the surrounding external device, for example, the VR device worn by the trainee. content can be transmitted in real time. For example, even if the same background is embodied in the content, the criminal's behavior may also vary according to the trainee's response. The control unit 110 may collect motion data by trainees in a real environment by communication with an external device, analyze them, generate learning data, and then continuously increase the training data generated by training. Of course, the control unit 110 stores the motion data of trainees received from the communication interface unit 100 in the storage unit 130, or the motion data together with the situation data (or screen data) for the currently implemented screen situation. After storing, the corresponding data may be provided to the criminal activity processing unit 120 to request generation of learning data.

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 action processing unit 120 performs an operation for generating learning data for a real environment as well as a virtual environment. In other words, data is collected through two routes, and the collected data is accumulated and analyzed to continuously generate learning data. Here, one route is data collection through simulation training in a virtual space, and the other route is a route in which data is collected through an offline simulation training ground configured in an arbitrary space. At the beginning of content execution, several scenarios are provided for actions against virtual criminals and virtual trainees. In other words, it is reflected in the content and is already produced. At the time of initial learning, the criminal activity processing unit 120 accumulates learning data for the criminal situation through simulation training for the situation of the virtual criminal and the virtual trainee. And based on the accumulated learning data, it is used for training of actual trainees. In addition, the criminal action processing unit 120 also accumulates data on the trainee's (response) behavior to increase the reliability of the learning data for virtual as well as real situations.

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 action processing unit 120 may include an artificial intelligence program, which analyzes accumulated data, that is, big data, and automatically generates crimes against virtual criminals in content, and these crimes can be accumulated through learning. It can evolve based on data. Through this, the simulator 90 according to an embodiment of the present invention can predict future criminal behaviors of criminals through artificial intelligence, and in order to quickly cope with this, by performing simulation training, etc., quick situational coping is achieved even in the event of a crime. you can make it More details will be discussed later.

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 storage unit 130 may store pre-produced content to respond to a crime, and execute the corresponding content under the control of the controller 110 . Of course, since these contents may be stored and executed in the criminal act processing unit 120, the embodiments of the present invention will not be particularly limited to any one form. In addition, the storage unit 130 may store action data of a virtual trainee against a virtual criminal in a virtual space, that is, crime response data, and at the request of the control unit 110, the stored corresponding data is used to generate learning data. It may be provided to the processing unit 120 .

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 controller 110 may include a CPU and a memory, and may be formed as a single chip. The CPU includes a control circuit, an arithmetic unit (ALU), a command interpreter, and a registry, and the memory may include RAM. The control circuit performs control operations, the operation unit performs operation operations of binary bit information, and the instruction interpretation unit performs an operation of converting high-level language into machine language and machine language into high-level language, including an interpreter or compiler. , the registry may be involved in software data storage. According to the above configuration, for example, at the beginning of the operation of the simulator 90 of FIG. 1, the program stored in the crime processing unit 120 is copied, loaded into memory, that is, RAM, and then executed, thereby increasing the data operation processing speed. can increase rapidly.

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 data collection unit 200, the machine learning unit 210, and the learning data management unit 220. Including, where "including some or all" is the same as the preceding meaning.

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 data collection unit 200, the machine learning unit 210, and the learning data management unit 220 according to an embodiment of the present invention may be configured by hardware (H/W), software (S/W), or a combination thereof. , will not be particularly limited to any one form.

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 data collection unit 200 collects data through the virtual environment 97 and also collects data through the real (real) environment 99 . In other words, the data collection unit 200 according to an embodiment of the present invention collects data through different routes to generate learning data. Here, the collected data may include corresponding data by a virtual trainee who implements content on the screen and responds to it, as mentioned above, like a game, and can also include content through VR devices of trainees who simulate training in the surroundings. It transmits and includes the corresponding data of the trainee in the real environment corresponding to it. For example, if the former is created by manipulation of a joystick (or control button on the screen), etc., the latter is because the trainee is equally armed and trained in a real criminal environment, so it corresponds to the criminal environment or criminal implemented in the VR device There is a difference in that it is data corresponding to the operation of the trainee's movement and the firearm (e.g., Taser gun, etc.) possessed by the trainee.

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 data collection unit 200 may receive sensing data from various devices in order to receive trainee data in a real environment. As mentioned above, sensing data can be collected from sensors attached to the body of trainees, but when a scanner or the like is provided as a communication device in the vicinity, the sensing data can be received through the corresponding scanner or the like. Here, the sensing data may include data related to movements of trainees or use of firearms used to respond to crimes. In an embodiment of the present invention, such data may be referred to as (crime) corresponding data in that it is data corresponding to a crime. Alternatively, it may be called motion data.

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 data collection unit 200 is provided to the machine learning unit 210 . The machine learning unit 210 may include and execute an artificial intelligence program according to an embodiment of the present invention, for example. Based on the collected data (or data accumulated in the storage unit), the behavior of criminals or trainees can be learned, and of course, various behaviors can be learned. For example, if a criminal possesses a knife, the action can be recognized and learned based on the trainee's response data. For example, even if it is assumed to be the same criminal's behavior, since the trainee's response can vary, it can be learned through correspondence data. In this way, the machine learning unit 210 analyzes the behavior based on data related to the success or failure of the behavior and determines the behavior. In the case of rule-based cases, data related to the success or failure of an action is set in advance, and a result is output if it is met, or no result (false) is output if there is no result, but in the case of artificial intelligence In addition to rule-based operations, predictive operations are performed, so outputs are always provided. Therefore, actions are determined in any case based on the collected data, and such data may be provided to the learning data management unit 220 .

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 machine learning unit 210 includes a behavior learning unit 211, a behavior analysis unit 213, a behavior success/failure unit (or behavior information storage unit) 215, and a behavior determination unit ( 217) may include some or all of them. Here, the behavior learning unit 211, the behavior analysis unit 213, the behavior success/failure unit 215, and the behavior determination unit 217 may be configured in the form of SW modules, but may also be configured in the form of hardware. It could be possible. Therefore, in the case of a SW module, the storage unit may be a registry.

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 machine learning unit 210 or behavior analysis unit 213 of FIG. 2 , FIG. 3 shows a criminal behavior analysis and prediction system to which an AI algorithm based on LSTM (Long Short-Term Memory) is applied. By applying an LSTM-based AI algorithm, it is possible to derive prediction results for the current state and future by accumulating past criminal acts. To this end, data is accumulated and analyzed. 3, the LSTM prediction algorithm outputs the first result value, that is, evaluation data, based on the first input value, that is, the user measurement value, accumulates the second input value, and outputs the second result value accordingly. , this process is repeated infinitely so that accurate result values can be predicted. The more data that can be utilized, the more objectivity or reliability of the result is guaranteed. In contrast, the rule-based method is very different from AI algorithms that perform prediction operations in that it provides the same output only when there is the same input based on preset data.

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 data management unit 220 can systematically classify and store the learning data provided by the treadmill unit 210. For example, when content is executed, the behavior of a virtual criminal is made based on the learning data, and actual mock training Even in the environment of a criminal, the behavior of the criminal can be made according to the behavior of the trainer.

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 data management unit 220 .

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 simulator 90 for coping with crime in FIG. 1 according to an embodiment of the present invention stores pre-made content for simulation training corresponding to crime (S400). . The corresponding content may include virtual criminals and virtual trainers that are implemented when the content is executed, and several scenarios may be preset and provided as behaviors for the virtual criminals and virtual trainers in the initial stage of content execution.

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 simulator 90 transfers first learning data generated based on simulated training through virtual criminals and virtual trainees in a virtual space implemented by executing stored contents and generated first learning data offline in a real environment. Accumulates and stores the second learning data generated by applying simulated training to the above trainee in the storage unit, analyzes the accumulated first learning data and the second learning data, predicts the criminal's criminal behavior, and produces the predicted result as follows. It is reflected in the content during simulation training (S410).

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 simulators 90 and 90' according to the embodiment of the present invention can perform various operations, and since other details have been sufficiently described above, they will be replaced with those contents.

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)

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 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.
삭제delete 삭제delete 삭제delete 제1항에 있어서,
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. 제5항에 있어서,
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. 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 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. 삭제delete 삭제delete 삭제delete 제7항에 있어서,
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: 제11항에 있어서,
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.

Images