Adaptive Advice in Automobile 논문 리뷰
2020년 6월 18일 초안 작성
정보
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
- 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 \(s_T\) to refer to the temperature in that setting,
\(s_F\) to refer to the fan strength,
\(s_D\) for the air delivery and \(s_M\) 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. \(P(Accept\mid{x})\), \(P(Reject\mid{x})\)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:
\(\pi^{*}\left(v, s, h^{t, i-1}, t, i\right)=\underset{d}{\operatorname{argmin}} E C_{S}^{t, i}\left(v, s, h^{t, i-1}, d\right)\)
Where \(\pi^{*}\) 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. \(P(accept\mid{x})\)가 커야 하므로 w가 작을 수록 좋다. 마찬가지로 에너지 소비 함수 e()도 -w 이므로 w가 작아야 한다. w와 u()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.