[논문 리뷰] Artificial Decision Making Under Uncertainty in Intelligent Buildings

Magnus Boman, Paul Davidsson외 1명|arXiv (Cornell University)|2013. 01. 23.

Auction Theory and Applications참고 문헌 9인용 수 24

한 줄 요약

이 논문은 불확실성 하에서 경계된 합리성 의사결정을 갖춘 다중 에이전트 시스템을 제안하여 스마트 빌딩 제어의 에너지 효율성과 거주자 편안함을 균형 있게 조절한다. 확률적 추론과 실시간 적응을 통해 동적인 제약 조건과 불완전한 정보 속에서도 에이전트가 효과적인 의사결정을 내리는 것을 입증하였으며, 실제 테스트에서 에너지 절감과 사용자 경험 향상에 크게 기여하였다.

ABSTRACT

Our hypothesis is that by equipping certain agents in a multi-agent system controlling an intelligent building with automated decision support, two important factors will be increased. The first is energy saving in the building. The second is customer value---how the people in the building experience the effects of the actions of the agents. We give evidence for the truth of this hypothesis through experimental findings related to tools for artificial decision making. A number of assumptions related to agent control, through monitoring and delegation of tasks to other kinds of agents, of rooms at a test site are relaxed. Each assumption controls at least one uncertainty that complicates considerably the procedures for selecting actions part of each such agent. We show that in realistic decision situations, room-controlling agents can make bounded rational decisions even under dynamic real-time constraints. This result can be, and has been, generalized to other domains with even harsher time constraints.

연구 동기 및 목표

• 다중 에이전트 시스템을 통한 자동 의사결정 지원을 통해 스마트 빌딩의 에너지 효율성과 거주자 만족도를 향상시키기 위해.
• 에이전트 행동과 환경 예측 가능성에 대한 가정을 완화함으로써 실시간 빌딩 제어에서의 불확실성을 다루기 위해.
• 동적인 시간 제약 조건 하에서도 효과적인 의사결정 메커니즘을 개발하기 위해.
• 지능형 에이전트가 에너지 절감과 고객가치 인식 향상에 기여할 수 있다는 가설을 검증하기 위해.
• 엄격한 실시간 제약 조건을 가진 다른 분야로의 일반화를 위해.

제안 방법

• 실내 제어 에이전트가 환경을 모니터링하고 전문화된 에이전트에게 작업을 위탁하는 다중 에이전트 아키텍처를 사용한다.
• 센서 데이터와 거주자 선호도의 불확실성을 표현하고 관리하기 위해 확률 모델을 사용한다.
• 시간 제약 조건 하에서도 결정 품질을 유지하면서 계산 오버헤드를 제한하기 위해 경계된 합리성을 구현한다.
• 실제 세계의 복잡성을 모델링하기 위해 에이전트 예측 가능성과 환경 안정성에 대한 가정을 완화한다.
• UAI(Uncertainty in Artificial Intelligence)에서 유래한 불확실성 관리 기법을 기반으로 한 의사결정 지원 도구를 적용한다.
• 실시간 운영 제약 조건이 존재하는 실제 테스트 현장에서 실험을 통해 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 실시간 빌딩 제어 시나리오에서 불확실성 하에서도 에이전트가 효과적인 의사결정을 내릴 수 있는가?
• RQ2 경계된 합리성은 에너지나 편안함 목표를 희생시키지 않으면서 의사결정 효율성을 어떻게 향상시키는가?
• RQ3 자동 의사결정 지원이 에너지 절감과 거주자 경험 향상에 어느 정도 기여하는가?
• RQ4 에이전트 행동과 환경 예측 가능성에 대한 가정을 완화하면 시스템 성능에 어떤 영향을 미치는가?
• RQ5 제안된 접근 방식은 더 엄격한 시간 제약 조건을 가진 분야로 일반화될 수 있는가?

주요 결과

• 실시간 데이터와 불확실성 모델링을 기반으로 빌딩 운영을 동적으로 조정함으로써 시스템은 뚜렷한 에너지 절감을 달성하였다.
• 에이전트의 적응적이고 맥락 인식 의사결정 덕분에 거주자 편안함과 인식된 가치가 향상되었다.
• 경계된 합리성 덕분에 엄격한 실시간 제약 조건 하에서도 효과적인 의사결정이 가능했으며, 높은 성능를 유지하였다.
• 에이전트 예측 가능성과 환경 안정성에 대한 가정을 완화함으로써 더 강건하고 현실적인 시스템 행동이 구현되었다.
• 엄격한 시간 제약 조건을 가진 다른 분야로의 일반화 가능성이 입증되어 광범위한 적용 가능성을 보였다.
• 테스트 현장에서의 실험 결과는 의사결정 지원이 에너지 효율성과 사용자 경험 향상에 기여한다는 가설을 확인하였다.