Adaptive Advice in Automobile 논문 리뷰

AAAI 2015 워크샵에서 발표한 Adaptive Advice in Automobile Climate Control Systems 논문을 리뷰하여 정리한다.

2020년 6월 18일 초안 작성

정보

AAAI 논문 링크

용어

  • CCS: Climate Control Systems
  • MACS: MDP Agent for Climate control Systems
  • SAP: Social Advice Providing agent

MACS는 억지로 만든 감이 있다. 초록에 MACS로 인해 에너지 소비를 33% 감소 시켰다는데, 자동으로 항상 약하게 틀어주면 에너지 소비가 감소되는거 아닌가.
(그래도 Introduction에 보면 while keeping the driver comfortable 이라는 전제 조건이 있긴 하다)

리뷰

1저자인 Ariel Rosenfield는 이 내용을 기반으로 Predicting Human Decision-Making이라는 책1도 썼다. (2018)

Introduction

Introduction에 나오지만 car’s climate control system reduces the cars power efficiency by up to 10% 라고 한다. 그만큼 잘 만든 CCS가 중요하다는 얘기.

Climate Control System

쉐보레 볼트 전기차로 실험했고, (T, F, D, M)으로 구성된 튜플을 활용했다.

  • T 기온
  • F 팬 강도 strength 1에서 6단계 까지
  • D Air delivery 방향
    • 얼굴 face
    • 얼굴 & 발
    • 앞유리 & 발
      이 있는데, 이 논문에서는 얼굴(D: 0), 얼굴 & 발(D: 1) 두 가지 경우로 제한했다고 한다.
  • M 모드 echo(M: 0), comfort(M: 1) 두 가지

추가로 중요한 외부 요인으로,

  • E 외부 온도
  • I 실내 온도(앞좌석)

We denote these two parameters together as world state v ∈ V , where V is the set of all possible world states.

Energy Consumption Model

Given a setting s, we use subscript to refer to the temperature in that setting,
to refer to the fan strength,
for the air delivery and for the mode of the setting.

e(T,F,D,M,E,I)는 하나를 제외한 모든 features에 proportional 비례하다. 단, T는 음수 값을 취하며 inversely proportional 반비례하다.

Advised Screen은 저렇게 cancel / accept를 선택하도록 되어 있다고 함. , 의 확률을 각각 구했다.

Prediction Model

Prediction Model은 MACS, SAP 두 가지 모델이고 여기에 Silent와 함께 비교. MACS는 MDP를 사용했다. 기본적으로 모두 KNN으로 학습. SVM과 Decision Tree 보다 성능이 더 좋았다고. 그래봤자 최종 성능이 78% 밖에 안되서 좋은 성능이라고 할 수 없다. 당시에는 Boosting이나 XGBoost를 아직 잘 쓰지 않던 시절이라 비교하지 못한 걸로 보인다. (XGBoost는 2014년에 릴리즈 됨)

MACS tries to solve the optimization problem given in:

Where is the advice function.

MACS에 대한 설명. DP로 구현했다고 한다. 입력 데이터는 I=35, E=36, T=19, F=2, D=0, M=0과 같은 식이고 출력 결과는 T=22, F=1, D=0, M=0과 같은 식이다.

SAP 에이전트는 u()를 maximize한다. 가 커야 하므로 w가 작을 수록 좋다. 마찬가지로 에너지 소비 함수 e()-w 이므로 w가 작아야 한다. wu()는 inversely propotional 관계다.

SAP modeling provides an advice that maximizes a social utility function which is a weighted sum of the agent and human’s utilities. SAP uses simulation runs of repeated human-agent interaction to identify the weights that maximize the agent’s utility over time.

Conclusions

지금까지 정리. SAP 모델이 MDP(MACS) 보다 성능이 더 좋다. 최종 성능은 78% (만족스러운 성능이 아니다) 또한 SAP agent was much more aggressive in its suggestions than MACS 라고.


수식  ·  Markov Decision Process  ·  2020 Book Reports  ·  통계학  ·  통계학 책  ·  Front-End  ·  통계학 기술  ·  머신러닝  ·  Activation, Cost Functions  ·  Python  ·  알고리즘  ·  자료구조  ·  비지니스  ·  Docker  ·  AWS  ·  NLP 링크  ·  알고리즘 링크  ·  머신러닝 링크  ·  사회심리학  ·  Information Retrieval  ·  통계학 응용  ·  OOP  ·  2019 Book Reports  ·  Android Development  ·  데이터 사이언스  ·  인공지능  ·  진화생물학  ·  이산수학  ·  수학  ·  미래학  ·  Project Management  ·  LifeHacks  ·  C++  ·  2017 Book Reports  ·  Decision Tree  ·  LeetCode  ·  TensorRT  ·  NLP  ·  Hadoop, Spark  ·  데이터 마이닝  ·  CNN, RNN  ·  2018 Book Reports  ·  운영체제  ·  머신러닝 분류기  ·  거리  ·  Support Vector Machine  ·  OAuth 2.0  ·  Naive Bayes  ·  Jupyter Notebooks  ·  RSA  ·  컴파일러  ·  딥러닝  ·  Word Embedding  ·  컴퓨터시스템구조  ·  영어  ·  Go  ·  Scikit Learn  ·  XGBoost  ·  Software Deployment  ·  NLP 실험  ·  MySQL  ·  Keras  ·  Java
is a collection of Papers I have written.
© 2000 - Sang-Kil Park Except where otherwise noted, content on this site is licensed under a CC BY 4.0.
This site design was brought from Distill.