| B | C | D | E | F | G | H | I | J | |
|---|---|---|---|---|---|---|---|---|---|
1 | URL | 설명 | 데이터를 만드는 방법 | ||||||
2 | https://www.youtube.com/watch?v=OAaEg-P7V54 | 설명 : 인공지능에게 공굴리기 학습을 시켜보는것이다. 빨간색 박스를 먹으면 상을 주고 파란색에서 나가면 벌을 주게 한다. | - 에이전트 : 공 - 환경 : 필드 - 행동 : 공이 박스에 닿으려고 한다. - 보상 : 필드에서 떨어지지 않으면 보상을 준다. - 상태 : 공이 박스에 닿으려고 하는 순간 박스는 피하기, 필드에서 떨어지지 않으려고 하는 공 | ||||||
3 | https://youtu.be/XuhaT8NLMzw | 강화학습을 통해 오목 실력을 향상시킵니다. | - 에이전트 - 바둑돌 - 환경 - 바둑판 - 행동 - 오목이 되도록 바둑돌 두기, 상대방이 오목이 안되도록 방어하기 - 보상 - 오목이 되면 승리 점수를 준다. 상대방이 오목이 되면 벌점을 준다. - 상태 - 현 게임판 | ||||||
4 | https://youtu.be/qv6UVOQ0F44 | 강화학습을 이용해서 똑똑한 마리오를 만드는 예제입니다. | |||||||
5 | https://youtu.be/7Yc6ZHixgRk | 인공지능 골키퍼가 상대 선수의 축구공을 막는다. | - 에이전트 : 골키퍼 - 환경 : 축구장 - 행동 : 상대의 키퍼가 찬 공을 막는다. - 보상 : 상대가 찬 공이 골대에 들어가지 않으면 득점을 막을 수 있다. - 상태 : 상대선수가 차는 축구공을 막기위한 골대의 골키퍼 | ||||||
6 | https://youtu.be/qv6UVOQ0F44 | 강화학습을 이용하여 슈퍼마리오 게임능력을 향상시키는 영상입니다. | agent: 슈퍼마리오 environment: 마리오 게임 맵 action: 점프, 좌우, 속도 조절 reward: 공격대상과 부딪힐 경우 생명을 잃어 게임실패, 성공적으로 게임을 이어가면 코인을 통해 보상. state: 마리오의 생명개수, 공격대상과의 거리 | ||||||
7 | https://www.youtube.com/watch?v=exXD6wJLJ6s | 쿠키런에서 점수를 많이 얻을 수 있도록 강화학습한 예제 | 에이전트:캐릭터 환경:게임 맵 행동:점프,슬라이드 보상:죽지 않고 점수를 얻으면 보상,죽거나 초당 평균적인 점수를 얻지 못하면 벌 상태: 초당 점수,사물의 위치,아이템의 성질 | ||||||
8 | https://youtu.be/jkaaU2yG9LQ | 강화학습을 이용해서 길안내 로봇의 장애물 탐지 능력을 향상시키는 예제입니다. | 에이전트 - 로봇 / 환경 - 장애물들이 존재하는 곳 / 행동 - 장애물 탐지, 방향 바꾸기, 앞으로 나아가기, 멈추기 등 / 보상 - 장애물을 잘 피한 경우 상을 준다. 장애물을 피하지 못하고 부딪히면 벌을 준다. / 상태 - 로봇의 현재 위치, 장애물과의 거리 | ||||||
9 | https://youtu.be/V1eYniJ0Rnk | 컴퓨터가 벽돌을 깨면 점수를 보상으로 주며 벽돌깨기 능력을 향상시키는 예제입니다. | |||||||
10 | https://www.youtube.com/watch?v=gn4nRCC9TwQ | 강화학습을 통해 시뮬레이션 상에서 걷는 방법을 익히는 예제입니다. | 에이전트- 인공지능 환경- 시뮬레이션 행동- 걷기 보상- 넘어지지 않고 걸었으면 상을 준다. 상태-시뮬레이션 화면 | ||||||
11 | https://www.youtube.com/watch?v=kopoLzvh5jY | 강화학습을 이용해서 에이전트의 술래잡기 실력을 키우는 예제입니다. (멀티 에이전트) | - 에이전트 - 참여자 - 환경 - 게임장 - 행동 - 숨기, 블럭 사용하기, 협력하기, 경사도 사용하기, 도구 숨기기, 기타 등등 - 보상 - 숨은 에이전트를 찾으면 술래에게 상, 숨기 성공하면 기타 참여자에게 상, 멀티 에이전트라 한 쪽에 상이 반대쪽엔 벌이됨 - 상태 - 에이전트간의 거리, 장애물의 여부 간단한 게임을 무한히 플레이하여 더 어려운 상황에서 게임을 수행함. | ||||||
12 | https://www.youtube.com/watch?v=6d8yKVcAsYo&t=466s | 항해 시간에 따라 받는 바닷물 저항을 선박에 반복적으로 가하는 실험을 통해 최적의 설계를 할 수 있다. | 에이전트 : 엔지니어 환경 : 가상의 유체 속에서 반복적인 저항을 가하는 실험을 하고 있는 선박 행동 : 최적 유형 설계 보상 : 각 유형별 구분 상태 : 각 유형별 장단점 파악 | ||||||
13 | https://support.apple.com/ko-kr/guide/watch/apd0d5d452ce/7.0/watchos/7.0 | 애플워치(스마트워치)를 착용하면 , 내 스트레스나 심리적안정감을 심박수로 나타낼 수 있다. 내가 어떠 특수한 행동을 할때 , 안정감을 느끼는지 , 불안함을 느끼는지(우리조차 무의식적으로 알지 못하는) 강화학습을 통해서 우리에게 알려주고 , 우리가 그 데이터를 바탕으로 새로운 습관을 만들어 낼 수 있다. 예) 하루의 끝에서 오후3시~오후5시 까지의 심박수가 안정적이였다. - 내가 그때 무엇을 했던가 친구 A와 통화를 했다 - 심박수가 안정적이였다. 사람이 자신의 감정을 알 때 , 더욱 편안한 삶을 살 수 있다. 내가 어떤 사람과 연락을 할때 , 어떤 행동을 할때 , 어디에서 , 안정감을 느끼는지 데이터로 기록할 수 있다. | 애플워치(스마트워치)를 착용하고 일상생활을 하는 동안 계속 데이터를 만들어낸다. | ||||||
14 | https://www.youtube.com/watch?v=nReMgotclXU | 강화 학습을 통해 볼링공이 볼링을 맞추는 예제입니다 | 에이전트 - 볼링공 환경 - 볼링장 행동 - 볼링공을 계속 굴리기 보상 - 볼링핀을 시간 내에 맞추면 상을 준다. 못 맞히거나 시간을 초과하면 벌을 준다 상태 - 볼링공과 볼링핀의 거리, 볼링공의 위치 | ||||||
15 | https://www.youtube.com/watch?v=2n9SLVhFIz8 | 강화학습을 통해 고양이 모델에게 착지동작을 학습시킵니다. | 고양이를 공중에서 떨어트려 네발로 착지하면 상, 아니면 벌을 줍니다. 그 이외에도 학습을 최적화하기 위해 다양한 벡터연산을 사용합니다 | ||||||
16 | https://www.youtube.com/watch?v=rVlhMGQgDkY | Atlas, The Next Generation (Boston Dynamics) | 몸과 다리에 센서를 사용하여 균형을 맞추고 머리에 LIDAR 및 스테레오 센서를 사용하여 장애물을 피하고 지형을 평가하며 탐색을 돕고 물체를 조작. | ||||||
17 | https://zdnet.co.kr/view/?no=20200520153301 | 강화학습 농구골대 | - 에이전트 - 농구골대 - 환경 - 창고 - 행동 - 농구골대를 움직여 사용자가 던진 공이 골대에 들어오면 상을 못들어오면 벌을 준다. - 상태 - 공던지는 사람의 움직임, 농구공의 위치 | ||||||
18 | https://youtu.be/zIkBYwdkuTk | 설명: 강화학습을 이용해서 snake 의 게임에서의 생존능력을 향상시키는 예제입니다. | - 에이전트 - 뱀 - 환경 - 사방이 막혀있는 공간 - 행동 - 뱀의 상하좌우 방향 조작하기 - 보상 - 뱀이 사과를 먹으면 상을 준다. 벽에 부딪히거나 이동 경로가 없을 경우 벌을 준다. - 상태 - 뱀의 위치, 벽과 사과의 거리 | ||||||
19 | https://www.youtube.com/watch?v=nReMgotclXU | 강화학습을 통해 볼링공이 핀을 맞추는 능력을 향상시키는 예제입니다. | 에이전트 - 볼링공 환경 - 레인 행동 - 볼링공 굴리기 보상 - 공이 핀을 맞히면 점수를 준다. 레일 밖으로 떨어지거나 시간이 오래걸리면 점수가 없다. 상태 - 공의 위치, 핀의 위치 | ||||||
20 | https://www.youtube.com/watch?v=OAaEg-P7V54 | 강화학습을 이용해서 공굴리기를 학습시키는 예제입니다. | 에이전트:공 환경:안전한 땅, 벌을 주는 땅 행동:공을 굴림 보상:공을 굴려 빨간블럭을 만날시 상을 주며 안전한 땅을 벗어나면 벌을 주어서 학습시킨다 상태:공의 속도 위치 정확성 | ||||||
21 | https://www.youtube.com/watch?v=Yr_nRnqeDp0 | 그네타는 법을 학습시키는 예제입니다 | - 에이전트 - 캐릭터 - 환경 - 그네 - 행동 - 그네를 타고 더 높이 올라가기 - 보상 - 높게 올라간 알고리즘만을 남긴다 | ||||||
22 | https://youtu.be/Yr_nRnqeDp0 | 강화학습의 일종인 유전적 알고리즘을 사용하여 앉기, 일어나기만 가능한 캐릭터가 그네를 탈 수 있도록 학습시키는 예제입니다. | 에이전트 - 캐릭터 환경 - 그네위 행동 - 앉기, 서기 보상 - 흔드는 폭이 큰 기준(최대4명)으로 다음 세대에도 참여 시킴 상태 - 그네가 흔들리는 폭 | ||||||
23 | https://www.youtube.com/watch?v=laOg6DYBc6c | 강화학습을 이용해 노란 바나나를 먹기 | - 에이전트 - 1인칭 시점 - 환경 - 제한된 사각형 구역 - 행동 - 앞뒤로 이동하기, 방향 바꾸기 - 보상 - 노란 바나나를 정확하게 먹었으면 상을 준다. 파란 바나나를 먹으면 벌을 준다. - 상태 - 1인칭 시점이 현재 위치, 바나나의 위치와 거리, 바나나의 색 | ||||||
24 | https://www.youtube.com/watch?v=VMp6pq6_QjI | 강화학습을 이용해서 자동차의 주차능력을 향상시키는 예제입니다. | 에이전트 - 자동차 환경 - 주차장 행동 - 핸들, 엑셀러레이터, 브레이크 조작하기 보상 - 주차를 주차공간에 빠르고 정확하게 했으면 상을 준다. 도로가 아닌 곳과 부딪히면 벌을 준다. 상태 - 자동차의 현재 위치, 사물과의 거리 | ||||||
25 | https://youtu.be/kopoLzvh5jY | 시뮬레이션 환경을 이용한 숨바꼭질 강화학습 영상입니다. | |||||||
26 | https://youtu.be/QilHGSYbjDQ | 팩맨의 게임능력을 향상시키는 예제입니다. | |||||||
27 | https://youtu.be/ZhsEKTo7V04 | 강화학습을 통해 로봇팔이 문 여는 방법을 터득하는 영상입니다. | |||||||
28 | https://www.youtube.com/watch?v=Aut32pR5PQA | 2D 시뮬레이터 상에서 강화학습을 이용해 자율주행 기능을 구현하는 영상입니다. | |||||||
29 | https://www.youtube.com/watch?v=WSW-5m8lRMs&t=357s | 인공신경망과 강화학습을 이용해 플래피 버드 게임을 하는 인공지능을 만드는 영상입니다. | |||||||
30 | https://www.youtube.com/watch?v=nReMgotclXU | 볼링공이 볼링핀을 맞추도록 강화학습을 통해 구현하는 영상입니다. | |||||||
31 | https://www.youtube.com/watch?v=8cdUree20j4 | 스네이크 게임 능력을 향상을 강화학습을 통해서 구현하는 영상입니다. | |||||||
32 | |||||||||
33 | |||||||||
34 | |||||||||
35 | |||||||||
36 | |||||||||
37 | |||||||||
38 | |||||||||
39 | |||||||||
40 | |||||||||
41 | |||||||||
42 | |||||||||
43 | |||||||||
44 | |||||||||
45 | |||||||||
46 | |||||||||
47 | |||||||||
48 | |||||||||
49 | |||||||||
50 | |||||||||
51 | |||||||||
52 | |||||||||
53 | |||||||||
54 | |||||||||
55 | |||||||||
56 | |||||||||
57 | |||||||||
58 | |||||||||
59 | |||||||||
60 | |||||||||
61 | |||||||||
62 | |||||||||
63 | |||||||||
64 | |||||||||
65 | |||||||||
66 | |||||||||
67 | |||||||||
68 | |||||||||
69 | |||||||||
70 | |||||||||
71 | |||||||||
72 | |||||||||
73 | |||||||||
74 | |||||||||
75 | |||||||||
76 | |||||||||
77 | |||||||||
78 | |||||||||
79 | |||||||||
80 | |||||||||
81 | |||||||||
82 | |||||||||
83 | |||||||||
84 | |||||||||
85 | |||||||||
86 | |||||||||
87 | |||||||||
88 | |||||||||
89 | |||||||||
90 | |||||||||
91 | |||||||||
92 | |||||||||
93 | |||||||||
94 | |||||||||
95 | |||||||||
96 | |||||||||
97 | |||||||||
98 | |||||||||
99 | |||||||||
100 |