2014년 6월 21일(토)
차세대 컴퓨팅 환경을 위한 기술 세미나
(1부) 미래 컴퓨팅 환경 소개
- 차세대 입출력 장치 소개(디스플레이/인터페이스)
- 최신 컴퓨터 그래픽 기술 소개(2D/3D)
- 차세대 컴퓨팅 환경 소개(wearable computing vs everywhere computing)
NEMO-UX TEAM
http://nemoux.net
2014년 6월 21일(토)
차세대 컴퓨팅 환경을 위한 기술 세미나
(1부) 미래 컴퓨팅 환경 소개
- 차세대 입출력 장치 소개(디스플레이/인터페이스)
- 최신 컴퓨터 그래픽 기술 소개(2D/3D)
- 차세대 컴퓨팅 환경 소개(wearable computing vs everywhere computing)
NEMO-UX TEAM
http://nemoux.net
XBOX360이나 PS3 등 성능과 표현력이 높은, 이른바 넥스트젠 (차세대) 콘솔에서 액션 장르의 게임이 차지하는 비중과 중요성은 날이 갈 수록 높아지고 있다. 이런 추세에 힘입어 넥스트젠 게임에 등장하는 애니메이션은 그 볼륨이 늘어나는 것은 물론 점차 복잡한 제어를 요구하고 있다. 특히 적은 볼륨을 통해서 다채로운 애니메이션을 만들어내기 위한 절차적 애니메이션 기법이나 게임 내의 복잡한 환경에 적절하게 반응하도록 만드는 상태 제어 기법 등은 첨단 렌더링 기법에 비견할 수 있을 정도로 넥스트젠 게임에서 가장 중요한 기술 중 하나로 자리잡고 있다.
이 강의에서는 이러한 넥스트젠 애니메이션 기술 트렌드와 온라인 게임에 기존 솔루션을 바로 통합하기 어려운 이유에 대해서 살펴보고, 실제로 온라인에서 동작할 수 있는 아키텍처에 대해서 마비노기 2의 개발 사례를 통해 살펴보도록 한다.
AWS IoT/Edge 서비스 접목을 통한 전자/통신 산업 내 가치 창출 기회 – 이세현 AWS IoT Specialist 솔루션즈 아키텍...Amazon Web Services Korea
IoT 데이터에 대한 상호작용 및 Machine Learning Inference(기계학습추론) 등, AWS Cloud의 다양한 서비스와 기능이 edge까지 확장되어 활용되고 있습니다. Edge에서 cloud로, 다시 cloud에서 edge로 연결되는 일련의 cycle을 통해서 더욱 효과적으로 비즈니스 요구 사항을 충족할 수 있습니다. 이를 위한 필수적인 서비스인 AWS IoT Greengrass를 소개하고 전자 통신 산업 분야에서의 트랜드와 사례를 알아 봅니다. 손쉽게 IoT Greengrass를 배포하여 활용할 수 있고 edge에서의 Machine Learning Inference에 강력한 성능을 갖춘 LG전자의 AIoT board에 대해 소개하고, IoT Greengrass와 LG전자 AIoT board를 통합하여 구축한 사례를 살펴 봅니다.
nGrinder 소개 + 고급 사용법
- 아키텍쳐
- 자이선 / 그루비 스크립트 동작 방식
- DB 테스트
- 로그 레벨 조작 방법
- 리소스 처리 방법
- 라이브러리 처리 방법
- 대규모 응답 처리 방법
- 가중치 부여 방법
- 쓰레드별 다른 처리 방법
- XML / JSON 처리 방법
10. 인간 친화적 상호작용
User Interaction in FRC
사람과 사람이 서로 소통하듯이
로봇이 사람과 서로 소통할 수 있는 기능을 로봇에 구현하는 것
어떤 수준에서…
11. 인간 친화적 상호작용
User Interaction in FRC
As a companion (Doggie level of interaction)
- 원거리 (3~4m)에서 나를 알아보고,
- 부르면 바라보고 다가오고,
- 내가 하는 명령을 제한적이나마 알아듣고,
- 필요할 때 나를 따라다니고,
- 이야기 할 때 시선을 맞추면서 교감하는 정도…
As a computing device (Projector-camera interface)
- 실공간 또는 사물에 정보를 투사 (Robotic Spatial Augmented Reality)
- 손가락으로 투사된 화면을 제어
12. 인간 친화적 상호작용
User Interaction in FRC
Who am I Follow me Do it
음원추적
얼굴인식
호출 제스처 인식
화자인식
준생체인식 음성인식
사용자 추종
14. 프로젝터/카메라를 이용한 가상 인터페이스
공간 증강 현실 (Spatial Augmented Reality)
로봇 공간 증강 증강 현실 (Augmented Reality)
현실 (Robotic Spatial Augmented Reality)
15. 프로젝터/카메라를 이용한 가상 인터페이스
• 로보틱 공간 증강 현실 (Robotic Spatial Augmented Reality)
Projection Control Image Pre-warping Image Pre-warping
using Inverse Kinematics (Anamorphic Illusion) (Non-planar surface
projection)
16. 프로젝터/카메라를 이용한 가상 인터페이스
• 손끝 검출 및 추적을 이용한 가상 마우스 인터랙션
Preliminary Labeling/
Image Fingertip
Image Morphological
Acquisition Finding
Processing Processing
- Grayscale conversion - Noise Filtering - Template Matching
- Adaptive background (Blob labeling & - Palm Detection
subtraction Erode/Dilate)
- Image thresholding
Triggering/ Mouse Event
Coordination OS/
Finger Rules
Mapping Applications
Checker KBD Event
17. 사용자/환경과의 지속적 관계를 통한 자율행위 및 성장
Autonomous Behaviors
User Feedback User Adaptation &Learning Proactive Interaction
User Services
Preference
User state Task
Perception Behavior Behavior
Subsystem Selection Subsystem
Goal
Motivational
Drives
18. User Preference Learning
Learn user’s preferences from interaction with the user.
Using dual-layer architecture (Top-layer rules and Bottom-layer learning)
명시적으로정의되거나암시적으로학습된규칙 설명을통한상호작용
Explicit User Model
Associative Rules Validation Valid Service
Condition(Context) → A Service Test Execution
Conclusion(Service)
Invalid
Input
Context Description Service
Rule Extraction Generation Suggestion
Implicit User Model Ranked service list
Service
Associative Memory
Probability(Service|Context) Alternatives
상황별각서비스에대한사용자선호도확률값
19. Motivation
Curiosity drive (Exploration)
Input Context (t-1) Input Context (t) Error Knowledge Gain
Change Component Curiosity
+
Prediction ‐ s
Prediction Error Measure
Leaky Surprise
Selected Action (t-1) Sct Sc(t 1) Perr Accumulator Component Cm Sc (1 ) KGc
Sociality drive (Adaptation)
ωt
Condition a1 ω1 Time Component b(t)
Input Context (t) … s n
Sociality drive activation ds
Condition an ωn ds tb(t ) iai
i 1
20.
21. 가까운 미래의 IT 환경
인공화분
스마트 센서
스마트 사물
스마트 자동차
스마트 가전
스마트 TV