KR102452323B1 - 다기능 콘솔의 메뉴 추천 장치 및 그 방법 - Google Patents

다기능 콘솔의 메뉴 추천 장치 및 그 방법 Download PDF

Info

Publication number
KR102452323B1
KR102452323B1 KR1020220066590A KR20220066590A KR102452323B1 KR 102452323 B1 KR102452323 B1 KR 102452323B1 KR 1020220066590 A KR1020220066590 A KR 1020220066590A KR 20220066590 A KR20220066590 A KR 20220066590A KR 102452323 B1 KR102452323 B1 KR 102452323B1
Authority
KR
South Korea
Prior art keywords
information
operator
menu
console
learning
Prior art date
Application number
KR1020220066590A
Other languages
English (en)
Inventor
박순혁
연기운
Original Assignee
한화시스템(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한화시스템(주) filed Critical 한화시스템(주)
Priority to KR1020220066590A priority Critical patent/KR102452323B1/ko
Application granted granted Critical
Publication of KR102452323B1 publication Critical patent/KR102452323B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0354—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of 2D relative movements between the device, or an operating part thereof, and a plane or surface, e.g. 2D mice, trackballs, pens or pucks
    • G06F3/03541—Mouse/trackball convertible devices, in which the same ball is used to track the 2D relative movement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0412—Digitisers structurally integrated in a display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 발명은 함정 전투체계의 다기능 콘솔 운용자의 사용 패턴을 학습을 통해 분석한 후, 다음 수행할 행동으로 예측된 자동화 메뉴를 운용자 화면(예를 들어, 화면 커서 주변)에 추천 전시하여 줌으로써, 운용자의 편의성 및 위급한 상황에 신속하게 대처할 수 있도록 한 다기능 콘솔의 메뉴 추천 장치 및 그 방법에 관한 것으로서, 상기 장치는, 상기 다기능 콘솔에 표시하기 위해 전술 정보를 처리하는 정보 처리부; 및 상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보를 수집하고, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 상기 정보 처리부로부터 수집하여 수집된 정보를 일정기간 학습하여 운용자별 운용 패턴을 분석하며, 분석된 운용자별 운용 패턴을 이용하여 이후 임의의 운용자의 시스템 로그인 시, 해당 운용자의 운용 패턴에 따른 추천 메뉴를 상기 다기능 콘솔에 전시하는 인공 지능 학습서버를 포함한다.

Description

다기능 콘솔의 메뉴 추천 장치 및 그 방법{Menu recommendation device for multi-function console and method therefor}
본 발명은 다기능 콘솔의 메뉴 추천 장치 및 그 방법에 관한 것으로서, 특히 학습 기반 운용자별 사용 패턴 분석을 통해 운용 메뉴를 효율적으로 추천하기 위한 다기능 콘솔의 메뉴 추천 장치 및 그 방법에 관한 것이다.
즉, 본 발명은 함정 전투체계의 다기능 콘솔 운용자의 사용 패턴을 학습을 통해 분석한 후, 다음 수행할 행동으로 예측된 자동화 메뉴를 운용자 화면(예를 들어, 화면 커서 주변)에 추천 전시하여 줌으로써, 운용자의 편의성 및 위급한 상황에 신속하게 대처할 수 있도록 한 다기능 콘솔의 메뉴 추천 장치 및 그 방법에 관한 것이다.
함정전투체계는 함정에 탑재된 센서, 무기 장비 및 기타 지원 데이터 등을 전투체계 데이터 버스를 통하여 실시간으로 처리한 후, 다기능 콘솔 전시기에 전시하여 운용자에게 전술상황 판단을 할 수 있도록 지원하고, 탐지 및 식별된 표적에 대하여 자함 무기체계를 최적으로 할당함으로써, 신속한 전투수행을 할 수 있도록 하는 지휘 및 사격 통제 자동화 체계이다.
함정전투체계의 핵심장비인 운용자 다기능 콘솔은 레이더 또는 소나 등의 센서를 통제하기 위한 센서 통제용 콘솔, 미사일, 함포 등의 무기를 제어하기 위한 무기 통제용 콘솔, 지휘자의 의사결정을 지원하기 위한 지휘 통제용 콘솔 등의 기능을 통합한 다기능 콘솔 형태로 개발되고 있다.
다기능 콘솔 장치는 지도와 표적 정보를 전시하는 주 전시화면과, 자함 및 환경정보 전시영역, 시스템 상태 전시영역, 시스템 선택영역, 서비스 전시영역, 아이콘 전시영역을 구비하는 보조 전시화면으로 이루어질 수 있다.
한편, 다기능 콘솔 장치의 입력 장치로는 트랙볼과 키보드, 무장 발사 버튼, LRF(Laser Rangefinder)용 레버 등이 있다. 전투함에서는 일반적으로 마우스를 사용하지 않는데, 요동치는 해상 환경과 진동 및 충격이 잦은 전투 상황에 노출되어 있는 전투함의 특성상 사용하기 어렵기 때문에 트랙볼이 그 자리를 대체하고 있다.
이와 같은 다기능 콘솔 운용자는 각 아이디 및 각 운영자별 역할에 맞는 함정 전투체계 운용을 실시한다.
운용자는 주 전시화면, 보조 전시화면, 소프트키 패널 등에 존재하는 메뉴를 선택하여 각 역할에 맞는 임무를 수행한다.
그러나, 종래 다기능 콘솔의 운용자는 본인의 임무를 수행하기 위해 다수의 메뉴를 선택하는 과정을 거치게 된다.
예를 들면, 전술화면에서 표적을 선택한 후, 무장 발사까지는 운용자가 14 단계의 메뉴(키, 버튼, 트랙볼)를 선택해야만 되는데, 이러한 선택의 과정이 증가하면 운용자 피로도가 증가하고, 메뉴 선택 시간이 증가함으로써 위급한 상황에 신속하게 대처할 수 있는 능력이 저하되는 문제점이 있다.
따라서, 본 발명의 목적은, 함정 전투체계의 다기능 콘솔 운용자의 사용 패턴을 학습을 통해 분석한 후, 다음 수행할 행동으로 예측된 자동화 메뉴를 운용자 화면에 전시하여 줌으로써, 운용자의 편의성 및 위급한 상황에 신속하게 대처할 수 있도록 한 다기능 콘솔의 메뉴 추천 장치 및 그 방법을 제공함에 있다.
다만, 본 발명이 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또 다른 과제들이 존재할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 일 측면에 따른 다기능 콘솔의 메뉴 추천 장치는, 상기 다기능 콘솔에 표시하기 위해 전술 정보를 처리하는 정보 처리부; 및 상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보를 수집하고, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 상기 정보 처리부로부터 수집하여 수집된 정보를 일정기간 학습하여 운용자별 운용 패턴을 분석하며, 분석된 운용자별 운용 패턴을 이용하여 이후 임의의 운용자의 시스템 로그인 시, 해당 운용자의 운용 패턴에 따른 추천 메뉴를 상기 다기능 콘솔에 전시하는 인공 지능 학습서버를 포함할 수 있다.
상기 운용자 정보는, 상기 다기능 콘솔의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보 중 적어도 하나의 정보를 포함할 수 있다.
상기 운용자 입력 정보는, 상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치를 통해 입력되는 적어도 하나 이상의 순차적 메뉴 정보일 수 있다.
상기 전술 정보는, 교전 정보, 표적 정보 중 적어도 하나의 정보를 포함할 수 있다.
상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치는, 터치 입력 장치, 패드, 마우스, 트랙볼 중 적어도 하나 이상을 포함할 수 있다.
상기 인공지능 학습서버는, 상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보를 수집하고, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 상기 정보 처리부로부터 수집하는 수집부; 상기 수집부를 통해 수집된 운용자별 운용자 정보 및 운용자 입력정보, 운용자 정보 및 운용자 입력 정보의 수집 시점의 전술 정보를 이용하여 학습을 수행하여 운용자별 운용 패턴을 분석하는 학습부; 및 상기 운용자별 운용 패턴 분석 후, 상기 다기능 콘솔로부터 운용자 정보 및 운용자 입력 정보가 입력되는 경우, 해당 운용자의 분석된 운용 패턴에 따른 추천 메뉴를 생성하여 상기 다기능 콘솔로 제공하는 추천메뉴 처리부를 포함할 수 있다.
상기 학습부에서의 학습은, 딥러닝 기반 시계열 학습 방법을 이용할 수 있다.
상기 추천메뉴 처리부에서 상기 다기능 콘솔로 제공되는 추천 메뉴는, 해당 추천 메뉴의 선택 여부를 운용자가 결정할 수 있도록 하는 선택 정보를 포함할 수 있다.
상기 추천 메뉴를 운용자가 선택하는 경우, 상기 다기능 콘솔은 선택 메뉴의 기능을 수행하고, 추천 메뉴를 선택하지 않고 다른 메뉴를 선택하는 경우에는, 선택된 다른 메뉴 선택 정보를 운용자 정보 및 운용자 입력 정보를 인공지능 학습서버로 학습 정보로 제공할 수 있다.
한편, 본 발명의 다른 측면에 따른 다기능 콘솔의 메뉴 추천 방법은, 상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 수집하고, 수집된 정보를 일정기간 학습하여 운용자별 운용 패턴을 분석하며, 분석된 운용자별 운용 패턴을 이용하여 이후 임의의 운용자의 시스템 로그인 시, 해당 운용자의 운용 패턴에 따른 추천 메뉴를 생성하는 단계; 및 상기 생성된 추천 메뉴를 상기 다기능 콘솔에 전시하는 단계를 포함할 수 있다.
상기 운용자 정보는, 상기 다기능 콘솔의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보 중 적어도 하나의 정보를 포함할 수 있다.
상기 운용자 입력 정보는, 상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치를 통해 입력되는 적어도 하나 이상의 순차적 메뉴 정보일 수 있다.
상기 전술 정보는, 교전 정보, 표적 정보 중 적어도 하나의 정보를 포함할 수 있다.
상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치는, 터치 입력 장치, 패드, 마우스, 트랙볼 중 적어도 하나 이상을 포함할 수 있다.
상기 추천 메뉴를 생성하는 단계는, 상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 수집하는 단계; 상기 수집된 운용자별 운용자 정보 및 운용자 입력정보, 운용자 정보 및 운용자 입력 정보의 수집 시점의 전술 정보를 이용하여 학습을 수행하여 운용자별 운용 패턴을 분석하는 단계; 및 상기 운용자별 운용 패턴 분석 후, 상기 다기능 콘솔로부터 운용자 정보 및 운용자 입력 정보가 입력되는 경우, 해당 운용자의 분석된 운용 패턴에 따른 추천 메뉴를 생성하여 상기 다기능 콘솔로 제공하는 단계를 포함할 수 있다.
상기 패턴을 분석하는 단계에서의 학습방법은, 딥러닝 기반 시계열 학습 방법을 이용할 수 있다.
상기 다기능 콘솔로 제공하는 단계에서 상기 다기능 콘솔로 제공되는 추천 메뉴는, 해당 추천 메뉴의 선택 여부를 운용자가 결정할 수 있도록 하는 선택 정보를 포함할 수 있다.
상기 추천 메뉴를 운용자가 선택하는 경우, 상기 다기능 콘솔은 선택 메뉴의 기능을 수행하고, 추천 메뉴를 선택하지 않고 다른 메뉴를 선택하는 경우에는, 선택된 다른 메뉴 선택 정보를 운용자 정보 및 운용자 입력 정보를 인공지능 학습서버로 학습 정보로 제공할 수 있다.
그리고, 상술한 과제를 해결하기 위한 본 발명의 또 다른 측면에 따른 컴퓨터 프로그램은, 하드웨어인 컴퓨터와 결합되어 상기 저궤도 위성의 RF 신호 처리 방법을 실행하며, 컴퓨터 판독가능 기록매체에 저장될 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
상기한 본 발명에 따르면, 인공지능기반의 운용자별 운용 패턴 분석을 통해 운용자가 다음 수행할 행동으로 예측되는 자동화 메뉴를 제공하여 줌으로써, 운용자의 반복적인 행동을 줄여 절차를 간소화하여 운용자의 피로도를 줄이고, 위급 상황에 대하여 신속한 대응이 가능한 것이다. 즉, 함정 전투체계의 다기능 콘솔 운용자의 사용 패턴을 학습을 통해 분석한 후, 다음 수행할 행동으로 예측된 자동화 메뉴를 운용자 화면에 추천하여 줌으로써, 운용자의 편의성 및 위급한 상황에 신속하게 대처할 수 있는 효과를 가지는 것이다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
이하에 첨부되는 도면들은 본 실시 예에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 실시 예들을 제공한다. 다만, 본 실시 예의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시 예로 구성될 수 있다.
도 1은 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치에 대한 블록 구성을 나타낸 도면.
도 2는 도 1에 도시된 인공지능 학습서버의 상세 블록 구성을 나타낸 도면.
도 3은 본 발명에 따른 다기능 콘솔의 메뉴 추천 방법에 대한 동작 플로우챠트를 나타낸 도면.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는, 첨부된 도면을 참조하여 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치 및 그 방법에 대하여 상세하게 설명하기로 한다.
도 1은 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치에 대한 블록 구성을 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치는, 다기능 콘솔(10), 인공지능 학습서버(20) 및 정보 처리부(30)를 포함할 수 있다.
상기 다기능 콘솔(10)은 함정에 서로 다른 위치에 각각 배치된 복수개의 콘솔로 구성될 수 있으며, 함정 전투체계에서의 전술 정보들을 전시하고, 전술 운용을 위한 운용자 선택을 위한 다수의 메뉴를 전시할 수 있다. 여기서, 다기능 콘솔(10)에서 운용자의 메뉴 선택을 위한 입력 장치로는 트랙볼과 키보드, 무장 발사 버튼, LRF(Laser Rangefinder)용 레버, 마우스 등을 이용할 수 있다.
이와 같은 입력장치들을 이용하여 운용자가 전술 운용을 위해 초기에 다기능 콘솔(10)에 로그인 정보를 입력하여 로그인을 한 후, 로그인 정보에 따라 해당 운용자의 역할 정보들이 다기능 콘솔(10) 화면에 디스플레이된다.
그리고, 전시된 메뉴 및 역할 정보를 이용하여 임의의 전시된 메뉴 및 역할을 선택하게 되는 경우, 선택된 메뉴 및 역할, 그리고 로그인 정보가 인공 지능 학습 서버(20)로 제공된다.
즉, 상기 인공지능 학습서버(200)는 상기 다기능 콘솔(10)로부터 다수의 운용자들이 입력한 운용자 정보 및 운용자 입력 정보들을 수집한다. 여기서, 상기 다수의 운용자들에 대한 운용자 정보는 다기능 콘솔(10)의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보를 포함할 수 있으며, 상기 운용자 입력 정보는, 다기능 콘솔(10) 입력 장치로부터 입력 또는 선택되는 정보(예를 들면, 터치 입력 정보, 패드 선택 정보, 트랙볼 선택 메뉴 정보, 마우스 선택 정보)들을 포함할 수 있다.
한편, 상기 인공지능 학습서버(200)는 다수의 다기능 콘솔(10)로부터 제공되는 운용자 정보 및 운용자 입력 정보가 수집되는 시점의 전술 정보를 정보 처리부(30)로부터 수집하게 된다. 여기서, 전술 정보는 교전 정보, 표적 정보 등이 될 수 있다.
상기 정보 처리부(30)는 함정 전투 체계에서의 전술 상황에서, 전술을 수행하기 위한 교전 정보, 표적 정보들을 수집하여 전술 운용을 위한 정보로 처리한다.
이와 같은 구성을 갖는 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치의 동작에 대하여 살펴보자.
먼저, 도 1에 도시된 바와 같이, 인공 지능 학습 서버(20)는 각 다기능 콘솔(10)에서 운용자 정보(아이디, 역할), 운용자 입력정보(터치 입력, 버튼 선택, 트랙볼 정보, 마우스 선택정보 등)를 수집하고 해당 시점의 전술정보(교전정보, 표적정보, 등)를 정보 처리부(30)를 통해 수집한다.
그리고, 상기 인공지능 학습서버(20)는 상기 다기능 콘솔(10) 및 정보 처리부(30)로부터 수집된 정보를 이용하여 상황(전술정보)에 따른 운용자의 패턴을 일정기간 동안 학습을 수행한다.
학습 후, 인공지능 학습서버(20)는 각 다기능 콘솔(10)의 운용자 정보 및 운용자 입력 정보에 따라 상기 학습을 통해 분석된 운용자 패턴을 분석하여 다음 행위를 신속하게 처리하기 위한 추천 메뉴정보를 다기능 콘솔(10) 화면에 전시한다. 여기서, 추천 메뉴가 다기능 콘솔(10) 화면에 전시될 때, 추천 메뉴를 사용할지 아니면 추천 메뉴를 사용하지 않고 다른 메뉴를 사용할지에 대한 선택 화면을 같이 전시할 수 있다.
이와 같이, 추천 메뉴가 전시된 상태에서, 해당 추천 메뉴를 선택하여 사용할 경우 해당 전술 운용을 신속하게 수행할 수 있으며, 추천 메뉴를 선택하지 않고 다른 메뉴를 선택할 경우, 인공지능 학습서버(20)는 메뉴 선택 정보와, 해당 메뉴 선택 시점에서의 전술 정보를 정보 처리부(30)로부터 수집하여 다시 학습을 수행하여 운용자 패턴을 다시 분석하게 되는 것이다.
상기 인공지능 학습서버(20)에서의 운용자 패턴 분석을 위한 학습은 딥러닝 기반 신경망 학습(시계열 학습)을 이용할 수 있다.
즉, 인공지능 학습서버(20)는 운용자의 반복적 혹은 유사한 시퀀스를 가지는 시계열 데이터를 수집하여 추후 유사한 패턴 발생 시 예상되는 행위를 판단하여 추천메뉴를 다기능 콘솔(10)로 제공하는 것이다.
도 1에 도시된 인공지능 학습 서버(20)의 상세 구성 및 상세 동작에 대하여 도 2를 참조하여 살펴보기로 한다.
도 2는 도 1에 도시된 인공 지능 학습서버의 상세 블록 구성을 나타낸 도면이다.
도 2를 참조하면, 인공지능 학습서버(20)는 수집부(21), 학습부(22) 및 추천메뉴 처리부(23)를 포함할 수 있다.
상기 수집부(21)는 다기능 콘솔(10)로부터 다수의 운용자들이 입력한 운용자 정보 및 운용자 입력 정보들을 운용자별로 수집하고, 다수의 다기능 콘솔(10)로부터 제공되는 운용자 정보 및 운용자 입력 정보가 수집되는 시점의 전술 정보를 정보 처리부(30)로부터 수집하여 수집된 정보를 학습부(22)로 제공한다.
여기서, 상기 다수의 운용자들에 대한 운용자 정보는 다기능 콘솔(10)의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보를 포함하고, 상기 운용자 입력 정보는, 터치 입력 정보, 패드 선택 정보, 트랙볼 선택 메뉴 정보, 마우스 선택 정보들을 포함하며, 상기 전술 정보는 교전 정보, 표적 정보 등이 될 수 있다.
상기 학습부(22)는 상기 수집부(21)를 통해 제공되는 수집된 정보 즉, 일정 기간 동안 수집된 운용자 정보 및 운용자 입력정보, 상기 운용자 정보 및 운용자 입력정보의 수집 시점의 전술 정보를 이용하여 상황(전술정보)에 따른 운용자의 운용패턴을 일정기간 동안 학습하게 된다. 여기서, 상기 학습 방법은 딥러닝 기반 신경망 학습(시계열 학습)을 이용할 수 있다.
상기 학습부(22)는 상기 운용자 패턴 학습 후, 각 다기능 콘솔(10)의 운용자 정보 및 운용자 입력 정보 및 해당 시점의 전술 정보를 기반으로, 상기 학습을 통해 분석된 운용자 패턴 정보를 추천 메뉴 처리부(23)로 제공한다.
상기 추천메뉴 처리부(23)는 상기 학습부(22)로부터 제공되는 운용자 패턴 정보를 이용하여 다음 행위를 신속하게 처리하기 위한 추천 메뉴정보를 생성하여 다기능 콘솔(10) 화면에 전시한다. 여기서, 추천 메뉴가 다기능 콘솔(10) 화면에 전시될 때, 추천 메뉴를 사용할지 아니면 추천 메뉴를 사용하지 않고 다른 메뉴를 사용할지에 대한 선택 화면을 전시할 수 있다.
이와 같이, 추천 메뉴가 전시된 상태에서, 해당 추천 메뉴를 선택하여 사용할 경우 해당 전술 운용을 신속하게 수행할 수 있다.
그러나, 운용자가 추천 메뉴를 선택하지 않고 다른 메뉴를 선택할 경우, 수집부(21)는 운용자가 새롭게 선택한 메뉴 정보와, 해당 메뉴 선택 시점에서의 전술 정보를 정보 처리부(30)로부터 수집하고, 수집된 정보를 학습부(22)로 제공하여 다시 학습을 수행하도록 하여 운용자 패턴을 다시 분석하게 되는 것이다.
상기한 본 발명에 따른 다기능 콘솔의 메뉴 추천 장치의 동작에 상응하는 본 발명에 따른 다기능 콘솔의 메뉴 추천방법에 대하여 도 3을 참조하여 단계적으로 설명해 보기로 하자.
도 3은 본 발명에 따른 다기능 콘솔의 메뉴 추천 방법에 대한 동작 플로우챠트를 나타낸 도면이다.
도 3을 참조하면, 먼저 도 1에 도시된 인공지능 학습서버(20)는 다기능 콘솔(10)들로부터 다수의 운용자들이 입력한 운용자 정보 및 운용자 입력 정보들을 수집한다(S301). 여기서, 상기 다수의 운용자들에 대한 운용자 정보는 다기능 콘솔(10)의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보를 포함하고, 상기 운용자 입력 정보는, 다기능 콘솔(10)의 터치 입력 정보, 패드 선택 정보, 트랙볼 선택 메뉴 정보, 마우스 선택 정보들을 포함할 수 있다.
이어, 상기 다수의 다기능 콘솔(10)로부터 제공되는 운용자 정보 및 운용자 입력 정보가 수집되는 시점의 전술 정보를 정보 처리부(30)로부터 수집한다(S302). 여기서, 상기 전술 정보는 교전 정보, 표적 정보 등이 될 수 있다.
이어, 인공지능 학습서버(20)는 상기 S301단계 및 S302 단계를 통해 수집된 정보 즉, 일정 기간 동안 수집된 운용자 정보, 운용자 입력정보 및 운용자 정보 및 운용자 입력정보의 수집 시점의 전술 정보를 이용하여 상황(전술정보)에 따른 운용자의 패턴을 일정기간 동안 학습을 수행하여 운용자 패턴을 분석한다(S303). 여기서, 상기 학습 방법은 딥러닝 기반 신경망 학습(시계열 학습)을 이용할 수 있다.
이어, 상기 S303 단계를 통해 운용자 패턴이 분석된 후, 운용자 패턴 정보를 이용하여 운용자의 다음 행위를 신속하게 처리하기 위한 추천 메뉴정보를 생성하여 다기능 콘솔(10) 화면에 전시한다.
즉, 상기 S303 단계를 통해 운용자 패턴이 분석된 후, 운용자로부터 운용자 정보 및 운용자 입력정보가 입력되는지를 판단한다(S304).
판단 결과, 운용자로부터 운용자 정보 및 운용자 입력 정보가 입력되면, 입력된 운용자 정보, 운용자 입력 정보 및 해당 시점의 전술 정보에 대응하는 운용자 패턴 분석 정보를 이용하여 상기 입력된 운용자 정보 및 운용자 입력 정보에 대응하는 추천 메뉴를 생성하여 다기능 콘솔(10)의 화면에 전시한다(S305).
여기서, 추천 메뉴가 다기능 콘솔(10) 화면에 전시될 때, 추천 메뉴를 사용할지 아니면 추천 메뉴를 사용하지 않고 다른 메뉴를 사용할지에 대한 선택 화면을 더 포함하여 전시할 수 있다.
이때, 추천 메뉴가 전시된 상태에서, 해당 추천 메뉴를 선택하였는지를 판단한다(S306).
판단 결과, 전시된 해당 추천 메뉴를 선택한 경우에는 선택된 메뉴의 기능을 수행하여 해당 전술 운용을 신속하게 수행할 수 있다(S307).
그러나, 추천된 메뉴를 선택하지 않고 다른 메뉴를 선택한 경우에는, 선택한 다른 메뉴의 기능을 수행함과 동시에, 운용자가 새롭게 선택한 메뉴 정보와, 해당 메뉴 선택 시점에서의 전술 정보를 운용자 패턴 분석을 위한 학습 정보로 제공하는 것이다(S308).
상기한 본 발명의 일 실시예에 따른 다기능 콘솔의 메뉴 추천 장치 및 그 방법은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Ruby, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10 : 다기능 콘솔
20 : 인공지능 학습서버
21 : 수집부
22 : 학습부
23 : 추천메뉴 처리부
30 : 정보 처리부

Claims (18)

  1. 다기능 콘솔의 메뉴 추천 장치에 있어서,
    상기 다기능 콘솔에 표시하기 위해 전술 정보를 처리하는 정보 처리부; 및
    상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보를 수집하고, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 상기 정보 처리부로부터 수집하여 수집된 정보를 일정기간 학습하여 운용자별 운용 패턴을 분석하며, 분석된 운용자별 운용 패턴을 이용하여 이후 임의의 운용자의 시스템 로그인 시, 해당 운용자의 운용 패턴에 따른 추천 메뉴를 상기 다기능 콘솔에 전시하는 인공 지능 학습서버를 포함하고,
    상기 운용자 정보는,
    상기 다기능 콘솔의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보 중 적어도 하나의 정보를 포함하며,
    상기 운용자 입력 정보는,
    상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치를 통해 입력되는 적어도 하나 이상의 순차적 메뉴 정보이고,
    상기 전술 정보는, 교전 정보, 표적 정보 중 적어도 하나의 정보를 포함하며,
    상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치는, 터치 입력 장치, 패드, 마우스, 트랙볼 중 적어도 하나 이상을 포함하고,
    상기 인공지능 학습서버는,
    상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보를 수집하고, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 상기 정보 처리부로부터 수집하는 수집부;
    상기 수집부를 통해 수집된 운용자별 운용자 정보 및 운용자 입력정보, 운용자 정보 및 운용자 입력 정보 수집 시점의 전술 정보를 이용하여 학습을 수행하여 운용자별 운용 패턴을 분석하는 학습부; 및
    상기 운용자별 운용 패턴 분석 후, 상기 다기능 콘솔로부터 운용자 정보 및 운용자 입력 정보가 입력되는 경우, 해당 운용자의 분석된 운용 패턴에 따른 추천 메뉴를 생성하여 상기 다기능 콘솔로 제공하는 추천메뉴 처리부를 포함하며,
    상기 학습부에서의 학습은, 딥러닝 기반 시계열 학습 방법을 이용하고,
    상기 추천메뉴 처리부에서 상기 다기능 콘솔로 제공되는 추천 메뉴는, 해당 추천 메뉴의 선택 여부를 운용자가 결정할 수 있도록 하는 선택 정보를 포함하며,
    상기 추천 메뉴를 운용자가 선택하는 경우, 상기 다기능 콘솔은 선택 메뉴의 기능을 수행하고, 추천 메뉴를 선택하지 않고 다른 메뉴를 선택하는 경우에는, 선택된 다른 메뉴 선택 정보를 운용자 정보 및 운용자 입력 정보를 인공지능 학습서버로 학습 정보로 제공하는 것인 다기능 콘솔의 메뉴 추천 장치.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 다기능 콘솔의 메뉴 추천 방법에 있어서,
    상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 수집하고, 수집된 정보를 일정기간 학습하여 운용자별 운용 패턴을 분석하며, 분석된 운용자별 운용 패턴을 이용하여 이후 임의의 운용자의 시스템 로그인 시, 해당 운용자의 운용 패턴에 따른 추천 메뉴를 생성하는 단계; 및
    상기 생성된 추천 메뉴를 상기 다기능 콘솔에 전시하는 단계를 포함하고,
    상기 운용자 정보는,
    상기 다기능 콘솔의 로그인 아이디 정보, 해당 아이디에 대한 역할 정보 중 적어도 하나의 정보를 포함하며,
    상기 운용자 입력 정보는,
    상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치를 통해 입력되는 적어도 하나 이상의 순차적 메뉴 정보이고,
    상기 전술 정보는, 교전 정보, 표적 정보 중 적어도 하나의 정보를 포함하며,
    상기 다기능 콘솔의 적어도 하나 이상의 정보 입력 장치는, 터치 입력 장치, 패드, 마우스, 트랙볼 중 적어도 하나 이상을 포함하고,
    상기 추천 메뉴를 생성하는 단계는,
    상기 다기능 콘솔로부터 운용자별 운용자 정보 및 운용자 입력 정보, 상기 운용자 정보 및 운용자 입력 정보의 수집 시점에 대응하는 전술 정보를 수집하는 단계;
    상기 수집된 운용자별 운용자 정보 및 운용자 입력정보, 운용자 정보 및 운용자 입력 정보의 수집 시점의 전술 정보를 이용하여 학습을 수행하여 운용자별 운용 패턴을 분석하는 단계; 및
    상기 운용자별 운용 패턴 분석 후, 상기 다기능 콘솔로부터 운용자 정보 및 운용자 입력 정보가 입력되는 경우, 해당 운용자의 분석된 운용 패턴에 따른 추천 메뉴를 생성하여 상기 다기능 콘솔로 제공하는 단계를 포함하며,
    상기 패턴을 분석하는 단계에서의 학습방법은, 딥러닝 기반 시계열 학습 방법을 이용하고,
    상기 다기능 콘솔 화면로 제공하는 단계에서 상기 다기능 콘솔로 제공되는 추천 메뉴는, 해당 추천 메뉴의 선택 여부를 운용자가 결정할 수 있도록 하는 선택 정보를 포함하며,
    상기 추천 메뉴를 운용자가 선택하는 경우, 상기 다기능 콘솔은 선택 메뉴의 기능을 수행하고, 추천 메뉴를 선택하지 않고 다른 메뉴를 선택하는 경우에는, 선택된 다른 메뉴 선택 정보를 운용자 정보 및 운용자 입력 정보를 인공지능 학습서버로 학습 정보로 제공하는 것인 다기능 콘솔의 메뉴 추천 방법.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
KR1020220066590A 2022-05-31 2022-05-31 다기능 콘솔의 메뉴 추천 장치 및 그 방법 KR102452323B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220066590A KR102452323B1 (ko) 2022-05-31 2022-05-31 다기능 콘솔의 메뉴 추천 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220066590A KR102452323B1 (ko) 2022-05-31 2022-05-31 다기능 콘솔의 메뉴 추천 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102452323B1 true KR102452323B1 (ko) 2022-10-07

Family

ID=83596178

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220066590A KR102452323B1 (ko) 2022-05-31 2022-05-31 다기능 콘솔의 메뉴 추천 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102452323B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120048786A (ko) * 2010-11-08 2012-05-16 국방과학연구소 무장 의존성을 최소화하는 개선된 무장할당 방법 및 이를 기록한 프로그램 매체
KR20210040868A (ko) * 2020-08-21 2021-04-14 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 정보 검색 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
KR20220048091A (ko) * 2020-10-12 2022-04-19 한화시스템 주식회사 소프트 키 패널의 각도 조절이 가능한 전투 체계 다기능 콘솔

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120048786A (ko) * 2010-11-08 2012-05-16 국방과학연구소 무장 의존성을 최소화하는 개선된 무장할당 방법 및 이를 기록한 프로그램 매체
KR20210040868A (ko) * 2020-08-21 2021-04-14 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 정보 검색 방법, 장치, 기기, 저장 매체 및 컴퓨터 프로그램
KR20220048091A (ko) * 2020-10-12 2022-04-19 한화시스템 주식회사 소프트 키 패널의 각도 조절이 가능한 전투 체계 다기능 콘솔

Similar Documents

Publication Publication Date Title
Blasch et al. DFIG level 5 (user refinement) issues supporting situational assessment reasoning
Klein An overview of naturalistic decision making applications
Blasch Level 5 (user refinement) issues supporting information fusion management
Blasch Situation, impact, and user refinement
US20070255672A1 (en) Detection And Prediction In An Electronic System
KR102452323B1 (ko) 다기능 콘솔의 메뉴 추천 장치 및 그 방법
Hamburger et al. It is not just hardware and software, anymore! Human systems integration in US submarines
CN113469853A (zh) 一种加速指挥控制交战方法和人工智能装置
Freeman et al. Testing defense systems
Chalmers et al. Work domain modeling to support shipboard Command and Control
Zubritzky et al. Constructing and applying cognitive models to mission management problems in air anti-submarine warfare
Osga User-Computer Interface Issues for Future Ship Combat Consoles
Cummings et al. The decision ladder as an automation planning tool
KR102660039B1 (ko) 플러그 인 모델 기반의 통합 모델링과 시뮬레이션 시스템 및 이의 운용 방법
Martin The Rapid Modelling System: a component based approach to the simulation of tactics
Baxter From soup to nuts: Developing a Soar cognitive model of the electronic warfare officer's task
Heitmeyer et al. High assurance human-centric decision systems
ECKHART THE RATIONALE OF MODEL-BASED SYSTEM ANALYSIS FOR COMBATANT CAPABILITY ASSESSMENT
KR20230154488A (ko) Vr을 이용한 잠수함 전투 체계 시스템 및 vr을 이용한 잠수함 전투 체계 시스템의 제어 방법
Klein et al. Using decision requirements to guide the design process
Bartel et al. Metrics for Assessing Underwater Demonstrations for Detection and Classification of Unexploded Ordnance (Presentation)
Seo et al. DEVS-based underwater warfare simulation development for effectiveness analysis
Green Development and validation of a methodology for comprehensive performance assessment of complex tasks
Brander et al. Real-time rule based resource allocation in naval command and control
Wong Evaluation of future unmanned underwater vehicle capabilities in an automated computer-aided wargame

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant