KR102673556B1 - 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템 - Google Patents

6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템 Download PDF

Info

Publication number
KR102673556B1
KR102673556B1 KR1020230158164A KR20230158164A KR102673556B1 KR 102673556 B1 KR102673556 B1 KR 102673556B1 KR 1020230158164 A KR1020230158164 A KR 1020230158164A KR 20230158164 A KR20230158164 A KR 20230158164A KR 102673556 B1 KR102673556 B1 KR 102673556B1
Authority
KR
South Korea
Prior art keywords
virtual
training
virtual training
frame
unit
Prior art date
Application number
KR1020230158164A
Other languages
English (en)
Inventor
곽태성
Original Assignee
주식회사 티엔에스
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 주식회사 티엔에스 filed Critical 주식회사 티엔에스
Priority to KR1020230158164A priority Critical patent/KR102673556B1/ko
Application granted granted Critical
Publication of KR102673556B1 publication Critical patent/KR102673556B1/ko

Links

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
    • G09B9/12—Motion systems for aircraft simulators
    • 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
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20009—Modifications to facilitate cooling, ventilating, or heating using a gaseous coolant in electronic enclosures
    • H05K7/20136—Forced ventilation, e.g. by fans
    • H05K7/20172—Fan mounting or fan specifications
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/20009—Modifications to facilitate cooling, ventilating, or heating using a gaseous coolant in electronic enclosures
    • H05K7/20136—Forced ventilation, e.g. by fans
    • H05K7/20181—Filters; Louvers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/18—Details relating to CAD techniques using virtual or augmented reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Thermal Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Educational Technology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optics & Photonics (AREA)

Abstract

본 발명은 가상 환경에서의 다양한 시뮬레이션 수행을 지원하기 위한 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1). 가상 훈련 시나리오 및 그 식별코드들이 저장되는, 데이터베이스(100), 상기 가상 훈련 시나리오에 대한 가상 훈련 콘텐츠를 생성하는 시뮬레이터 서버(200), 상기 가상 훈련 콘텐츠를 가상현실(Virtual Reality) 또는 증강현실(Augmented Reality) 방식으로 적어도 하나의 피훈련자에게 제공하는 6자유도 모션 플랫폼(400)를 포함하고, 피훈련자가 수행한 가상 훈련 실행 데이터와 학습된 인공지능에 기반한 AI 가상 훈련 실행 데이터와 비교하여 실시간으로 피훈련자를 평가하고, 피훈련자에게 피드백을 해줄 수 있다.

Description

6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템 {Virtual simulation performance system}
본 발명은 가상 환경에서의 다양한 시뮬레이션 수행을 지원하기 위한 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템에 관한 것이다.
가상 훈련(Virtual Training)은 가상 현실(VR), 증강 현실(AR), 휴먼 컴퓨팅 인터페이스의 발전에 따라 가상 비행 훈련, 용접, 차량 운전, 스포츠 훈련 등 다양한 형태로 개발되고 있는데, 각 가상 훈련 시스템 마다 독자적인 규격을 통해 훈련 관리 기능을 제공하고 있다.
가상훈련은 특정 훈련을 목적으로 필요한 가상의 환경과 상황을 제공하여, 학습자에게 실제 훈련과 유사한 학습 효과를 제공할 수 있다.
이러한 가상훈련 기술은 가상훈련을 수행하는 시스템을 정확하게 통제할 수 있고, 실제 환경보다 더 안전하고 적은 비용으로 진행할 수 있는 장점으로 인해, 최근 가상현실(Virtual Reality) 기술의 발전과 더불어 더욱 주목받고 있다.
특히, 고위험/고비용 관련 산업 분야에서 체험 및 실습을 위한 가상훈련 콘텐츠(시뮬레이션 모듈)에 대한 요구도 증가하면서 가상훈련 산업 규모의 확대와 더불어 다양한 가상훈련 시뮬레이터 사업들이 역시 주목받고 있다.
최근, 국내에서 운용되는 가상훈련 시스템은 다양한 몰입형 입출력 장치들을 통해, 학습자의 훈련 수행에 따라 결과들을 모사하고 있다.
특히, 국방 분야에서 운용되는 가상 비행훈련 시스템의 경우, 비행 시뮬레이터를 이용하여 훈련 효과의 증대를 위해 학습자의 훈련 결과를 평가하고 분석하는 디브리핑(Debriefing) 기능을 제공하고 있다.
비행 시뮬레이터의 디브리핑 과정은, 모의비행(가상훈련) 시 비행 데이터 저장 모듈에 의해 저장된 내용(가상훈련 데이터)을 바탕으로 실제 비행한 궤적에 대한 3차원 재현과 조종석 화면의 영상 재현을 제공하여 비행훈련 결과에 대한 평가 분석을 지원하고 있다.
또한, 위협 정보, 무장 정보, 표적 정보, 편대 기동 정보 등 다양한 상황을 비행 시뮬레이터로 제공함으로써, 다양한 상황에 대한 학습자의 훈련 결과를 획득할 수 있어, 평가자(전문가)가 다각도에서 학습자를 평가할 수 있어 정확한 판단에 도움을 준다.
이처럼 각각 분야에서 요구되는 가상훈련 시스템마다 각각 별도의 평가 분석 시스템이 개발되고 있는 실정이다.
한국출원공개공보 KR 10-2023-0124378 한국등록특허 KR 10-2598944 한국등록특허 KR 10-2598975 한국출원공개공보 KR 10-2022-0014307
본 발명은 가상 환경에서의 다양한 시뮬레이션 수행을 지원하기 위한 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른, 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)은 가상 훈련 시나리오 및 그 식별코드들이 저장되는, 데이터베이스(100), 상기 가상 훈련 시나리오에 대한 가상 훈련 콘텐츠를 생성하는 시뮬레이터 서버(200), 상기 가상 훈련 콘텐츠를 가상현실(Virtual Reality) 또는 증강현실(Augmented Reality) 방식으로 적어도 하나의 피훈련자에게 제공하는 모션 플랫폼(400)를 포함하고, 피훈련자가 수행한 가상 훈련 실행 데이터와 학습된 인공지능에 기반한 AI 가상 훈련 실행 데이터와 비교하여 실시간으로 피훈련자를 평가하고, 피훈련자에게 피드백을 해줄 수 있다.
상기 시뮬레이터 서버(200)는, 사용자가 선택한 특정 가상 훈련 시뮬레이션을 적어도 한번 이상 실행하고 그 실행 데이터를 수집하는 가상 훈련 실행부(210), 상기 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습하는 가상 훈련 AI 학습부(220), 상기 가상 훈련 AI 학습부(220)로부터 학습된 내용대로 사용자의 학습 목표 데이터를 도출하기 위해 가상 훈련을 실행하고, 실행 데이터를 수집하는, 가상 훈련 AI 실행부(230), 상기 가상 훈련 실행부(210)가 수집한 실행 데이터와 상기 가상 훈련 AI 실행부(230)가 수집한 실행 데이터를 비교하는 평가분석부(240), 상기 평가분석부(240)에 도출한 비교값의 평균값, 분산값을 산정하여 학습자의 훈련 평가값을 실시간 또는 종합적으로 정량적으로 도출할 수 있는, 결과도출부(250) 및 상기 결과도출부(250)에서 정량적으로 도출한 학습자의 훈련 평가값을 실시간으로 또는 훈련이 종료한 후 상기 피훈련자 단말기(500)에 제시하는 출력부(260)를 포함하고, 상기 가상 훈련 AI 학습부(220)는, 상기 피훈련자 단말기(500)가 상기 사용자가 선택한 가상 훈련 시나리오를 상기 모션 플랫폼(400)에 가상 현실로 구현하기 위해 상기 가상 훈련 시나리오에 의해 형성된 가상 현실 공간의 가상 오브젝트들에 대한 변수가 각각 메모리의 특정 위치에 로드되는 단계, 상기 사용자가 선택한 가상 훈련 시나리오를 상기 모션 플랫폼(400)와 연결된 상기 피훈련자 단말기(500)로부터 상기 가상 훈련 시나리오에 의해 형성된 상기 가상 현실 공간의 가상 오브젝트에 대한 상기 메모리 변수의 특정 위치를 독출하여 추적하는 단계, 상기 가상 현실에 구현되는 상기 가상 오브젝트에 대한 변수들을 상기 피훈련자 단말기(500)의 상기 메모리에서 읽어 각각 박스 형태의 블럭(■)으로 전처리하는 단계 및 인공지능으로 훈련에서 달성하고자 하는 목표 데이터를 얻기 위해 결과를 반복 강화 학습하는 단계로 동작한다.
상기 시뮬레이터 서버(200)는, 가상 교육 훈련 시뮬레이션을 고성능으로 실현하기 위해 발생하는 발열을 냉각시키기 위한 서버 케이스(700)를 포함하고, 상기 서버 케이스(700)는, 힌지(710)와 연결되어 피벗(pivot) 회전하는 프레임 도어(720)가 장착된 프레임(730), 상기 프레임 도어(720)에 포함되어 상기 프레임(730) 내부와 통풍이 되게 하는 제1 통풍구(740), 상기 프레임 도어(720)가 상기 프레임(730)에 닫힌 상태에서, 제1 통풍구(740)에 대향하는 상기 프레임(730)의 벽면에 형성되어 상기 프레임(730) 내부와 통풍이 되게 하는 제2 통풍구(750), 상기 제1 통풍구(740)와 상기 제2 통풍구(750)에 장착되어 있는 방진 소음 필터(760), 상기 프레임(730) 상단 외부에 장착된 냉각수 탱크(770), 상기 냉각수 탱크(770)로부터 물이 상기 프레임(730) 상단 내부로 순환되도록 연결되는 냉각 파이프(780) 및 상기 프레임(730) 내부 상단면에 장착된 모터(M)의 구동축 말단에 고정되어 회전하고, 상기 모터(M)와 상기 냉각 파이프(780) 사이에 위치하는 냉각팬(800)를 포함한다.
상기 냉각팬(800)은, 회전하면서 공기를 이동시켜 상기 프레임(730) 내부를 냉각시키기 위한 적어도 하나 이상의 날개(850)를 포함하고, 상기 날개(850)의 끝부분은 흐르는 공기의 경게층과 마찰 및 난류을 줄이기 위해 통공을 형성하도록 복수의 빗살(861)을 가지는 빗살 형상 구조(860) 및 상기 빗살 형상 구조(860)의 말단에 결합하는 림(rim)(870)을 포함하고, 상기 빗살 형상 구조(860)에 걸린 먼지를 쉽게 제거하기 위해 상기 림(870)과 상기 복수의 빗살(861)이 쉽게 분리 또는 결합될 수 있도록 상기 복수의 빗살(861)의 말단에는 돌기(862)가 형성되고, 상기 돌기(862)와 결합하는 상기 림(870)의 결합 부분에는 상기 돌기(862)의 크기만큼의 홈(871)이 형성된 것을 특징으로 한다.
본 발명에 따르면 가상 환경에서의 다양한 시뮬레이션 수행을 지원할 수 있다.
또한, 본 발명에 따르면 가상 환경에서의 다양한 시뮬레이션 수행하기 위한 서버를 최적의 환경으로 조성하고 유지할 수 있다.
도 1은 본 발명의 일 실시에에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)을 구성하는 요소들을 설명하기 위한 도면이다.
도 2a는 본 발명의 다른 실시에에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)을 구성하는 요소들을 설명하기 위한 도면이다.
도 2b는 모션플랫폼(400)의 구조를 나타내는 도면이다.
도 3은 시뮬레이터 서버(200)의 구성을 간략하게 나타내는 도면이다.
도 4는 가상 훈련 AI 학습부(220)가 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습하는 것을 나타내는 도면이다.
도 5는 피훈련자에 대해 진행되는 가상 현실 교육 훈련 절차를 나타내는 순서도이다.
도 6은 발열을 효과적으로 방지하기 위한 서버 케이스(700)의 단면도이다.
도 7은 먼지를 방지하기 위한 냉각팬(800)의 도면이다.
도 8은 냉각팬(800)에서 하나의 날개(850)를 확대한 도면이다.
도 9은 날개(850)에서 림(870)과 빗살(861)이 결합되는 부분(880)을 확대한 도면이다.
상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부 도면을 참조한 실시예에 대한 설명을 통하여 명백히 드러나게 될 것이다. 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
이하에서는, 본 발명의 일 실시예에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)을 첨부된 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일 실시에에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)을 구성하는 요소들을 설명하기 위한 도면이다. 도 2a는 본 발명의 다른 실시에에 따른 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)을 구성하는 요소들을 설명하기 위한 도면이다.
도 1 및 도 2a를 참조하면, 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1)은 시나리오 데이터베이스(100), 시뮬레이터 서버(200) 및 적어도 하나의 VR(Virtual Reality) 기기(300), 모션 플랫폼(400) 및 피훈련자 단말(500)을 포함할 수 있다.
데이터베이스(100)는 데이터를 저장하기 위한 구성을 의미할 수 있고, 시뮬레이터 서버(200)는 프로세싱 기능을 구비하는 서버 디바이스일 수 있다.
예를 들면, 시나리오 데이터베이스(100)는 시스템(1)에 구비되는 HDD, SSD와 같은 스토리지 디바이스, 또는 클라우드 저장소의 형태로 구성될 수 있으며, 시뮬레이터 서버(200)는 CPU, GPU, AP 또는 그 조합과 같은 프로세서 구조 및 DRAM, SRAM, NAND 플래쉬 등과 같은 메모리 구조를 포함하는 컴퓨팅 디바이스일 수 있다.
데이터베이스(100)는 가상 훈련 시나리오 및 식별코드들이 저장될 수 있다.
또, 데이터베이스(100)는 역학, 유체 역학, 전자기학, 양자물리학(일부 구간)과 같이 수학식으로 표현이 가능한 물리식으로 시뮬레이션할 수 있는 물리 엔진에 대한 소프트웨어 라이브러리(Library)를 포함할 수 있다.
구체적으로 물리 엔진은 컴퓨터 그래픽, 비디오 게임 및 영화 분야에서 사용되는 강체 역학(충돌 감지 포함), 연체 역학 또는 유체 역학과 같은 특정 물리적 시스템의 대략적인 시뮬레이션을 제공하는 소프트웨어 라이브러리이다. 시뮬레이션이 실시간인 비디오 게임(일반적으로 미들웨어)이나, 고성능 과학 시뮬레이션과 같은 물리적 현상을 시뮬레이션하기 위한 소프트웨어 시스템을 설명하기 위해 사용한다.
이러한 물리 엔진은 역학, 유체 역학과 같은 현상을 수학식으로 표현할 수 있으므로 자동차, 비행기, 건설 기계 등의 가상 운영 훈련, 사격이나 포격 가상 훈련 시나리오, 화재 연기 가상 대피 훈련 시나리오, 선박 침수 가상 대피 훈련 시나리오에 이용될 수 있다.
예를 들면, 게임에서 동적 역학에 대한 모델인 Unity, 선형 및 비선형 역학을 위한 시각적 시뮬레이션 엔진인 VisSim, 화재 흐름을 계산하는 유체 역학 모델인 FDS(Fire Dynamics Simulation) 엔진 라이브러리가 있다.
VR 기기(300)에는 HMD(Head Mounted Display) 장치나, CAVE (Computer Assisted Virtual Environment), AR (Augmented Reality) 기기, VR 글러브, VR 트레드밀 등과 같은 장치가 포함될 수 있다.
CAVE (Computer Assisted Virtual Environment)는 컴퓨터로 창조된 가상의 세계가 정면, 주변의 벽에 투사되어 있는 작은 방과 같은 것으로 각기 다른 방향을 항상 살펴봐야 하는 비행기 조종사의 훈련 등에 사용되는 가상현실이다. AR (Augmented Reality) 기기는 실제 환경에 가상의 정보를 추가하여 사용자가 보는 환경을 보강하는 기기로서 스마트폰, 태블릿, 스마트글라스 등 다양한 형태로 존재한다. VR 글러브는 사용자의 손동작을 추적하여 가상 환경에서의 상호작용을 가능하게 하는 기기이다. VR 트레드밀은 사용자가 가상 환경에서 자유롭게 걷거나 달릴 수 있도록 하는 기기이다.
모션플랫폼(400)은 4D 효과의 가장 큰 부분을 차지하는 모션을 제시하는 장비로써, 영화, 엔터테인먼트, 군용 비행 조종훈련, 특수장비 전문가 양성 등의 다양한 응용 분야에서 가상현실 기술과 접목되어 적절한 모션을 제공함으로써 사실적인 체험을 극대화할 수 있도록 한다.
모션플랫폼(400)의 정밀도와 동작 자유도(DOF: Degres of Freedom)를 높이는 것은 경제성 및 공간 효율성과 배치되는 결과를 낳는다.
모션플랫폼(400)은 조종사와 부조종사의 비행 훈련 시뮬레이터일 수 있다.
모션플랫폼(400)은 3자유도를 가지는 것으로 상판의 히브(heave; 상하), 피치(pitch; 앞뒤 회전), 롤(roll; 좌우 회전) 운동을 행하되, 피치 운동시 상판이 전후로 최대 회전하면서 피치 운동을 큰 동작동으로 구현하므로 모터 사이클, 스키 점프 등과 같은 익스트림 스포츠 시뮬레이터(Extreme sports simulator) 등에서 가상 현실 체험 효과를 극대화할 수 있다.
또한, 모션플랫폼(400)은 조종사와 부조종사의 비행 훈련 시뮬레이터로서 6자유도 이상의 모션 베이스와 거대한 크기의 조종실, 그리고 시야를 완전히 덮는 스크린에 비행 훈련 가상현실 콘텐츠를 투사하는 방식을 사용할 수도 있다.
도 2b는 모션플랫폼(400)의 구조를 나타내는 도면이다. 도 2b를 참조하면, 모션 플랫폼(400)은 상기 가상 훈련 콘텐츠를 가상현실(Virtual Reality) 또는 증강현실(Augmented Reality) 방식으로 적어도 하나의 피훈련자에게 제공하기 위해 상부에 사용자가 탑승할 수 있도록 마련된 탑승공간부(410)와 지면에 고정되는 베이스부(420) 및 상기 탑승공간부(410)의 하부와 상기 베이스부(420)의 상부 사이를 연결하며, 상기 탑승공간부(410)가 6자유도 운동하도록 해주는 모션부(430)를 포함한다.
모션플랫폼(400)은 시뮬레이션 프로그램과 연동하여 운동장치와 제어장치를 통하여 실감나도록 가상현실을 구현한다.
여기서, 가상 훈련 시나리오는 비행기 조종을 시뮬레이션하는 콘텐츠일 수 있고, 자동차 조종을 시뮬레이션하는 콘텐츠일 수 있다. 또한, 크레인이나 포크레인 같은 건설기계, 각종 기계 작동을 시뮬레이션하는 콘텐츠일 수 있다. 이러한 시뮬레이션 콘텐츠는 일반 물리 엔진을 공통적으로 적용할 수 있다. 이 경우 유사한 시나리오 식별 코드를 지정할 수 있다. 이렇게 일반 물리 엔진을 적용할 수 있는 가상 훈련 시나리오에서는 모션플랫폼(400)이 VR 기기(300) 보다 더 효율적인 가상 교육 훈련 시뮬레이션을 제공할 수 있다.
한편, 가상 훈련 시나리오가 공장, 플랜트, 원자력 운영 시뮬레이션 콘텐츠의 경우에는 현실 공간에서 물리적으로 이동하는 것이 아니므로 일반 물리 엔진을 이용하기 보다는 개별적으로 시간적인 절차 순서가 더 중요할 수 있다. 이렇게 일반 물리 엔진을 적용할 필요가 없는 가상 훈련 시나리오에서는 모션플랫폼(400)보다 VR 기기(300)가 더 효율적인 가상 교육 훈련 시뮬레이션을 제공할 수 있다.
시스템(1)에서 수행되는 프로세스들 및 시뮬레이터 서버(200)에서 수행되는 처리 과정들은 컴퓨터 프로그램 또는 모바일 애플리케이션의 형태로 구현될 수 있으며, 시스템(1)에서의 데이터 교환은 유/무선 데이터 통신망을 통해 이루어질 수 있다.
도 3은 시뮬레이터 서버(200)의 구성을 간략하게 나타내는 도면이다. 시뮬레이터 서버(200)는, 가상 훈련 실행부(210), 가상 훈련 AI 학습부(220), 가상 훈련 AI 실행부(230), 평가분석부(240), 결과도출부(250) 및 출력부(260)를 포함한다.
가상 훈련 실행부(210)는 사용자가 선택한 특정 가상 훈련 시뮬레이션을 적어도 한번 이상 실행하고 그 실행 데이터를 수집한다.
가상 훈련 AI 학습부(220)는, 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습한다. 가상 훈련 AI 학습부(220)가 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습하는 구체적인 내용에 대해서는 후술하는 도 4에서 상술한다.
가상 훈련 AI 실행부(230)는, 학습된 내용대로 사용자의 학습 목표 데이터를 도출하기 위해 가상 훈련을 실행하고, 실행 데이터를 수집한다.
평가분석부(240)는 가상 훈련 실행부(210)가 수집한 실행 데이터와 가상 훈련 AI 실행부(230)가 수집한 실행 데이터를 비교한다.
결과도출부(250)는 평가분석부(240)의 비교값의 평균값, 분산값 등을 산정하여 학습자의 훈련 평가값을 실시간 또는 종합적으로 도출할 수 있다.
출력부(260)는 결과도출부(250)에서 정량적으로 도출한 학습자의 훈련 평가값을 실시간으로 또는 훈련이 종료한 후 피훈련자 단말기(500)에 제시할 수 있다.
도 4는 가상 훈련 AI 학습부(220)가 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습하는 것을 나타내는 도면이다.
도 4를 참조하면, 피훈련자 단말기(500)는 사용자가 선택한 가상 훈련 시나리오를 VR 기기(300) 또는 모션플랫폼(400)에 가상 현실로 구현하기 위해 메모리에 로드(load)한다. 이때, 가상 훈련 시나리오에 의해 형성된 가상 현실 공간의 가상 오브젝트들에 대한 변수가 각각 메모리의 특정 위치에 로드된다(S100).
가상 훈련 AI 학습부(220)는 사용자가 선택한 가상 훈련 시나리오를 VR 기기(300) 또는 모션플랫폼(400)와 연결된 피훈련자 단말기(500)로부터 가상 훈련 시나리오에 의해 형성된 가상 현실 공간의 가상 오브젝트에 대한 메모리 변수의 특정 위치를 독출하여 추적한다(S110).
다음으로, 가상 훈련 AI 학습부(220)는 가상 현실에 구현되는 가상 객체(Virtual object)들에 대한 변수들을 피훈련자 단말기(500)의 메모리에서 읽어 각각 박스 형태의 블럭(■)으로 전처리를 한다(S120).
다음으로, 가상 훈련 AI 학습부(220)는 인공지능으로 훈련에서 달성하고자 하는 목표 데이터를 얻기 위해 결과를 반복 학습한다(S130).
예를 들어, 디지털화된 가상 훈련 콘텐츠 화면을 캡춰해서 화면의 pixel의 RGB값을 추적하고, 각각의 오브젝트(object)를 파악하거나 가상 훈련 콘텐츠의 전체 구조를 비트맵으로 나타내어 전처리한 후 목표를 설정하여 학습을 시킬 수 있다.
이때 python에서 특정 프로세스의 메모리를 읽거나 쓰는 방법으로 간단하고 직관적으로는 ReadWriteMemory라는 라이브러리로 이용할 수 있다.
다음으로 전처리하여 간단하게 정리한 가상 훈련 콘텐츠을 강화 학습(Reinforcement Learning) 하기 위해 다양한 라이브러리를 사용할 수 있는데, 특히 pytorch를 사용하여 강화 학습을 구축한 라이브러리인 stable baseline3를 사용할 수 있다.
여기서, 강화학습이란 강화학습 모델(agent)이 환경(environment)과 소통하면서 보상(reward)이 높아지는 방향으로 학습하는 방법이다.
도 5는 피훈련자에 대해 진행되는 가상 현실 교육 훈련 절차를 나타내는 순서도이다.
도 5를 참조하면, 먼저 특정 가상 훈련 시뮬레이션이 선택된다(S200). 그리고, 가상 훈련 실행부(210)는 사용자가 선택한 특정 가상 훈련 시뮬레이션을 적어도 한번 이상 실행하고 그 실행 데이터를 수집한다(S210).
다음으로, 가상 훈련 AI 학습부(220)는, 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습한다(S220).
다음으로, 가상 훈련 AI 실행부(230)는, 학습된 내용대로 사용자의 학습 목표 데이터를 도출하기 위해 가상 훈련을 실행하고, 실행 데이터를 수집한다(S230).
다음으로, 평가분석부(240)는 가상 훈련 실행부(210)가 수집한 실행 데이터와 가상 훈련 AI 실행부(230)가 수집한 실행 데이터를 비교한다(S240).
다음으로, 결과도출부(250)는 평가분석부(240)의 비교값의 평균값, 분산값 등을 산정하여 학습자의 훈련 평가값을 실시간 또는 종합적으로 도출할 수 있다(S250).
다음으로, 출력부(260)는 결과도출부(250)에서 정량적으로 도출한 학습자의 훈련 평가값을 실시간으로 또는 훈련이 종료한 후 제시할 수 있다(S260).
한편, 가상 훈련 AI 학습부(220)는 인공지능 학습에 의한 것이 아니라 전문가의 경험 지식으로 학숩된 결과를 도출해 낼수도 있다. 데이터베이스(100)는 각 가상 훈련 시나리오별 전문가의 전문 정보들을 저장할 수 있다.
또한, 데이터베이스(100)는 상기 전문가의 각 가상 훈련 시나리오별 전문가의 전문 정보들을 업데이트할 수 있다.
즉, 각 가상 훈련 시나리오별 전문가의 전문 정보들은 항상 더 나은 정보들로 업데이트할 수 있다. 이 경우 전문가의 경험 지식으로 학숩된 결과를 도출해 낼수도 있다.
이처럼 피훈련자는 적어도 하나의 VR 기기(300) 또는 모션플랫폼(400)을 통해 가상 훈련 시뮬레이션 컨텐츠를 가상 현실 공간에서 체험할 수 있으며, 현재 가상 훈련 시나리오에서 특정 미션이라든지, 특정 훈련을 달성시키기 위한 이벤트 시나리오를 생성할 수도 있다. 피훈련자는 이벤트의 완료 조건이 충족시키는 액션을 수행하는 등 가상현실 공간과 상호작용할 수 있다.
이러한, 가상 훈련 시뮬레이션 시스템(1)은 최대한 현실감을 느끼게 하고, 사용자 움직임에 따라 최적화된 그래픽을 실시간으로 구현해야하기 때문에 하드웨어의 높은 성능을 요구된다.
예를 들어, 오큘러스 리프트(Oculus Rift)의 경우, 2160 × 1200 해상도의 디스플레이 2개를 초당 90프레임의 속도로 구동할 수 있는 성능의 컴퓨터와 그래픽카드 사용이 권장 사항이다. 일반적인 모니터 하나에서 PC 게임을 구동하는 것 훨씬 이상의 그래픽 처리 성능이 필요하다.
즉, 온몸으로 체감할 수 있는 가상현실에는 매끄러운 실시간 반응 구현과 높은 그래픽 데이터 연산의 즉각 처리가 요구된다. 이는 단순히 입체적인 그래픽을 평면 스크린에서 표현하는 것과는 다른 차원의 문제다. 이 때문에 가상현실 구현을 위해선 짧은 시간 고효율 처리를 특징으로 하는 GPU(Graphic Processing Unit)의 역할이 중요하다.
이때, 하드웨어의 성능을 좌우하는 CPU(Central Processing Unit), GPU는 온도가 매우 중요하다.
CPU나 GPU의 선폭이 22nm, 14nm와 같이 감소하면서 전류가 증가할수록 소모전력이 커지게 되므로(P=I2*R) 발열 현상이 커지게 된다.
열은 컴퓨터 하드웨어 작동의 불가피한 부산물이지만 열이 너무 많이 발생할 경우 시스템 전반의 처리 속도가 저하될 수 있다. 예를 들어 CPU 온도가 너무 높으면 메커니즘은 프로세서가 손상되는 것을 막기 위해 성능을 감소시키는 작동을 시작한다.
CPU나 GPU 발열을 최소하는 방법은 미네랄 오일에서 수동 냉각까지 다양하지만 지금까지 가장 인기 높은 해결 방법은 공랭식 또는 수랭식 CPU 쿨러이다.
도 6은 발열을 효과적으로 방지하기 위한 서버 케이스(700)의 단면도이다.
도 6을 참조하면, 상기 시뮬레이터 서버(200)는, 가상 교육 훈련 시뮬레이션을 고성능으로 실현하기 위해 발생하는 발열을 냉각시키기 위한 서버 케이스(700)를 포함할 수 있다.
상기 서버 케이스(700)는, 힌지(710)와 연결되어 피벗(pivot) 회전하는 프레임 도어(720)가 장착된 프레임(730), 상기 프레임 도어(720)에 포함되어 상기 프레임(730) 내부와 통풍이 되게 하는 제1 통풍구(740), 상기 프레임 도어(720)가 상기 프레임(730)에 닫힌 상태에서, 제1 통풍구(740)에 대향하는 상기 프레임(730)의 벽면에 형성되어 상기 프레임(730) 내부와 통풍이 되게 하는 제2 통풍구(750), 상기 제1 통풍구(740)와 상기 제2 통풍구(750)에 장착되어 있는 방진 소음 필터(760), 상기 프레임(730) 상단 외부에 장착된 냉각수 탱크(770), 상기 냉각수 탱크(770)로부터 물이 상기 프레임(730) 상단 내부로 순환되도록 연결되는 냉각 파이프(780) 및 상기 프레임(730) 내부 상단면에 장착된 모터(M)의 구동축 말단에 고정되어 회전하고, 상기 모터(M)와 상기 냉각 파이프(780) 사이에 위치하는 냉각팬(800)을 포함한다.
냉각팬(800)이 밀어내는 것보다 더 많은 공기를 흡입할 때, 서버 케이스(700) 내부에는 양압이 형성된다. 냉각팬(800)이 빨아들이는 것보다 더 많은 공기를 밀어낼 때는 음압이 형성된다. 음압 상태일 경우 서버 케이스(700)의 작은 틈과 환풍구를 통해 공기가 흡입된다. 근처의 먼지도 흡입될 수도 있기 때문에 시스템 작동을 최적의 상태로 유지하기 위해서는 더 자주 청소해야만 한다. 즉, 냉각팬(800)으로 흡입하는 공기량이 적고, 배출하는 냉각팬(800)이 많으면, 본체는 온갖 구멍을 통해 먼지들이 포함된 공기를 흡입하기 때문에 먼지를 방지하기 위하여 냉각팬(800)의 갯수가 홀 수라면, 흡입하는 냉각팬(800)이 많은 것이 바랍직하다. 배출하는 냉각팬(800)의 갯수가 많다면, 본체 내부에 먼지 유입이 늘어나고, 본체 내부 기류의 흐름이 닿지 않는 부분에 먼지가 쌓이기 쉽다. 먼지는 서버 케이스(700) 내의 전자장치, 하드웨어 고장의 주요 원인이다.
서버 케이스(700) 내부를 양압으로 구성하는 것은 서버 케이스(700)의 모든 틈과 환풍구를 통해 공기가 배출되게 하므로 먼지를 억제하는 데 도움이 된다. 여전히 흡입 팬을 통해 공기 중 먼지가 유입될 가능성은 있지만, 필터를 올바르게 배치함으로써 최소화할 수 있다. 즉, 양압으로 구성함으로써 필터가 있는 구역으로 먼지를 국한되게 하므로 서버 케이스(700) 안으로 들어가기 전에 청소할 수 있어 전반적인 먼지를 줄이기에 더욱더 효과적이다.
도 7은 먼지를 방지하기 위한 냉각팬(800)의 도면이다. 도 8은 냉각팬(800)에서 하나의 날개(850)를 확대한 도면이다. 도 9은 날개(850)에서 림(870)과 빗살(861)이 결합되는 부분(880)을 확대한 도면이다.
대기 중에는 마른 먼지뿐만 아니라 습기나 기름 등에 오염되어 점성이 큰 먼지도 많이 존재한다.
도 7 내지 도 9를 참조하면, 냉각팬(800)으로 직접 공기가 흡입하게 되는데, 냉각팬(800)이 작동할수록 냉각팬(800)의 날개 끝부분에 특히 점성이 큰 미세먼지들이 부착하게 된다. 또한, 점성을 가진 미세먼지가 포함된 공기가 냉각팬(800)과 마찰하게 되면 점성이 더 커지고, 그 점성에 의해서 속도가 감소한다.
이러한 미세먼지들은 점성이 커서 날개 전체에 먼지를 쌓이게 하는 주원인이 된다.
냉각팬(800)의 표면과 먼지를 포함한 공기가 접촉하여 마찰되면 점성에 의해 공기 속도가 감소하는데, 쿨랭팬의 표면으로부터 공기입자가 멀어질때 공기가 감소하는 속도가 일정해질 때까지의 거리를 경계층이라고 한다.
즉, 먼지를 포함하는 공기 입자와 냉각팬(800) 표면이 붙는 얇은 층을 경계층으로 분류할 수 있다. 그리고, 경계층 바깥은 비점성 영역으로 공기 입자의 점성의 영향을 무시할 수 있다.
또, 냉각팬(800) 날개 바깥쪽으로 가면서 공기 흐름이 층류에서 난류로 변한다.
층류(Laminar Flow)는 유체의 각 부분이 평행하고 규칙적으로 흐르는 것을 의미하고, 층류는 입자간 점도가 높아, 확산이 잘 되지 않으며 유속이 작고, 열손실이 적은 흐름이다. 예를 들어, 가는 파이프에 물을 흘릴 경우, 잉크를 넣어 흐름의 상태를 관측하면 유속에 따라 잉크의 흐름이 직선으로 나타나고, 물의 각 부분이 파이프벽에 평행으로 움직이며 서로 섞이지 않는다.
난류(Turbulent Flow)는 유체의 각 부분이 불규칙하고 흔들리면서 흐르는 것을 의미한다. 난류는 유체 입자간 점도가 낮아, 확산이 잘 되며 유속이 높고, 열손실이 많은 흐름이다. 예를 들어, 담배를 피우면 담배에서 발생한 연기는 처음에는 거의 일자로 올라가다가 어느 정도 지나면 흐트러진 모습으로 퍼진다.
층류에서는 직선으로 흐르던 공기가 난류에서는 소용돌이를 형성하고, 냉각팬(800) 표면과 접촉을 더 잘하게 되므로 냉각팬(800)의 바깥쪽에 먼지가 더 많이 쌓인다.
또한, 먼지와 냉각팬(800) 날개가 가까워 지면 둘의 정전기로 인해 붙으려는 인력이 작용하게 되고 가깝게 붙은 먼지는 날아가는 힘보다 강한 인력으로 결국 선풍기 날개에 흡착되게 된다.
이처럼 냉각팬(800)의 날개 끝부분에 먼지를 덜 붙게 하려면 공기 입자와 냉각팬(800) 표면의 마찰을 줄여주거나 난류를 최소화해주어야 한다.
따라서, 냉각팬(800)의 날개 끝부분의 면적을 최소화하면서도 난류를 최소화하기 위한 구조를 가지며, 설사 먼지가 생기더라도 쉽게 청소할 수 있는 구조를 가질 필요가 있다.
상기 냉각팬(800)은, 회전하면서 공기를 이동시켜 상기 프레임(730) 내부를 냉각시키기 위한 적어도 하나 이상의 날개(850)를 포함한다.
상기 날개(850)의 끝부분은 흐르는 공기의 경게층과 마찰 및 난류을 줄이기 위해 통공을 형성하도록 복수의 빗살(861)을 가지는 빗살 형상 구조(860) 및 상기 빗살 형상 구조(860)의 말단에 결합하는 림(rim)(870)을 포함한다.
상기 빗살 형상 구조(860)에 걸린 먼지를 쉽게 제거하기 위해 상기 림(870)과 상기 복수의 빗살(861)이 쉽게 분리 또는 결합될 수 있도록 상기 복수의 빗살(861)의 말단에는 돌기(862)가 형성되고, 상기 돌기(862)와 결합하는 상기 림(870)의 결합 부분에는 상기 돌기(862)의 크기만큼의 홈(871)이 형성된다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
100: 데이터베이스
200:시뮬레이터 서버
300: HMD
400: 모션 플랫폼
500: 피훈련자 단말기

Claims (2)

  1. 가상 훈련 시나리오 및 그 식별코드들이 저장되는, 데이터베이스(100);
    상기 가상 훈련 시나리오에 대한 가상 훈련 콘텐츠를 생성하는 시뮬레이터 서버(200);
    상기 가상 훈련 콘텐츠를 가상현실(Virtual Reality) 또는 증강현실(Augmented Reality) 방식으로 적어도 하나의 피훈련자에게 제공하기 위해 상부에 사용자가 탑승할 수 있도록 마련된 탑승공간부(410)와 지면에 고정되는 베이스부(420) 및 상기 탑승공간부(410)의 하부와 상기 베이스부(420)의 상부 사이를 연결하며, 상기 탑승공간부(410)가 6자유도 운동하도록 해주는 모션부(430)를 포함하는 모션 플랫폼(400);
    를 포함하고,
    피훈련자가 수행한 가상 훈련 실행 데이터와 학습된 인공지능에 기반한 AI 가상 훈련 실행 데이터와 비교하여 실시간으로 피훈련자를 평가하고, 피훈련자에게 피드백을 해주고,
    상기 시뮬레이터 서버(200)는,
    사용자가 선택한 특정 가상 훈련 시뮬레이션을 적어도 한번 이상 실행하고 그 실행 데이터를 수집하는 가상 훈련 실행부(210);
    상기 사용자가 선택한 특정 가상 훈련 시뮬레이션을 반복하여 실행하고, 학습 목표 데이터를 기준으로 학습하는 가상 훈련 AI 학습부(220);
    상기 가상 훈련 AI 학습부(220)로부터 학습된 내용대로 사용자의 학습 목표 데이터를 도출하기 위해 가상 훈련을 실행하고, 실행 데이터를 수집하는, 가상 훈련 AI 실행부(230);,
    상기 가상 훈련 실행부(210)가 수집한 실행 데이터와 상기 가상 훈련 AI 실행부(230)가 수집한 실행 데이터를 비교하는 평가분석부(240);
    상기 평가분석부(240)에 도출한 비교값의 평균값, 분산값을 산정하여 학습자의 훈련 평가값을 실시간 또는 종합적으로 정량적으로 도출할 수 있는, 결과도출부(250);및
    상기 결과도출부(250)에서 정량적으로 도출한 학습자의 훈련 평가값을 실시간으로 또는 훈련이 종료한 후 상기 피훈련자 단말기(500)에 제시하는 출력부(260);
    를 포함하고,
    상기 가상 훈련 AI 학습부(220)는,
    상기 피훈련자 단말기(500)가 상기 사용자가 선택한 가상 훈련 시나리오를 상기 모션 플랫폼(400)에 가상 현실로 구현하기 위해 상기 가상 훈련 시나리오에 의해 형성된 가상 현실 공간의 가상 오브젝트들에 대한 변수가 각각 메모리의 특정 위치에 로드되는 단계, 상기 사용자가 선택한 가상 훈련 시나리오를 상기 모션 플랫폼(400)과 연결된 상기 피훈련자 단말기(500)로부터 상기 가상 훈련 시나리오에 의해 형성된 상기 가상 현실 공간의 가상 오브젝트에 대한 상기 메모리 변수의 특정 위치를 독출하여 추적하는 단계, 상기 가상 현실에 구현되는 상기 가상 오브젝트에 대한 변수들을 상기 피훈련자 단말기(500)의 상기 메모리에서 읽어 각각 박스 형태의 블럭(■)으로 전처리하는 단계 및 인공지능으로 훈련에서 달성하고자 하는 목표 데이터를 얻기 위해 결과를 반복 강화 학습하는 단계로 동작하고,
    상기 시뮬레이터 서버(200)는,
    가상 교육 훈련 시뮬레이션을 고성능으로 실현하기 위해 발생하는 발열을 냉각시키기 위한 서버 케이스(700);
    를 포함하고,
    상기 서버 케이스(700)는,
    힌지(710)와 연결되어 피벗(pivot) 회전하는 프레임 도어(720)가 장착된 프레임(730);
    상기 프레임 도어(720)에 포함되어 상기 프레임(730) 내부와 통풍이 되게 하는 제1 통풍구(740);
    상기 프레임 도어(720)가 상기 프레임(730)에 닫힌 상태에서, 제1 통풍구(740)에 대향하는 상기 프레임(730)의 벽면에 형성되어 상기 프레임(730) 내부와 통풍이 되게 하는 제2 통풍구(750);
    상기 제1 통풍구(740)와 상기 제2 통풍구(750)에 장착되어 있는 방진 소음 필터(760);
    상기 프레임(730) 상단 외부에 장착된 냉각수 탱크(770);
    상기 냉각수 탱크(770)로부터 물이 상기 프레임(730) 상단 내부로 순환되도록 연결되는 냉각 파이프(780); 및
    상기 프레임(730) 내부 상단면에 장착된 모터(M)의 구동축 말단에 고정되어 회전하고, 상기 모터(M)와 상기 냉각 파이프(780) 사이에 위치하는 냉각팬(800);
    을 포함하고,
    상기 냉각팬(800)은,
    회전하면서 공기를 이동시켜 상기 프레임(730) 내부를 냉각시키기 위한 적어도 하나 이상의 날개(850);
    를 포함하고,
    상기 날개(850)의 끝부분은 흐르는 공기의 경게층과 마찰 및 난류을 줄이기 위해 통공을 형성하도록 복수의 빗살(861)을 가지는 빗살 형상 구조(860); 및
    상기 빗살 형상 구조(860)의 말단에 결합하는 림(rim)(870);
    을 포함하고,
    상기 빗살 형상 구조(860)에 걸린 먼지를 쉽게 제거하기 위해 상기 림(870)과 상기 복수의 빗살(861)이 쉽게 분리 또는 결합될 수 있도록 상기 복수의 빗살(861)의 말단에는 돌기(862)가 형성되고, 상기 돌기(862)와 결합하는 상기 림(870)의 결합 부분에는 상기 돌기(862)의 크기만큼의 홈(871)이 형성된 것을 특징으로 하는, 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템(1).
  2. 삭제
KR1020230158164A 2023-11-15 2023-11-15 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템 KR102673556B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230158164A KR102673556B1 (ko) 2023-11-15 2023-11-15 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020230158164A KR102673556B1 (ko) 2023-11-15 2023-11-15 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템
KR1020230157892A KR102673553B1 (ko) 2023-11-15 2023-11-15 가상 시뮬레이션 수행 시스템

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020230157892A Division KR102673553B1 (ko) 2023-11-15 2023-11-15 가상 시뮬레이션 수행 시스템

Publications (1)

Publication Number Publication Date
KR102673556B1 true KR102673556B1 (ko) 2024-06-11

Family

ID=91471607

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020230157892A KR102673553B1 (ko) 2023-11-15 2023-11-15 가상 시뮬레이션 수행 시스템
KR1020230158164A KR102673556B1 (ko) 2023-11-15 2023-11-15 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020230157892A KR102673553B1 (ko) 2023-11-15 2023-11-15 가상 시뮬레이션 수행 시스템

Country Status (1)

Country Link
KR (2) KR102673553B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08316676A (ja) * 1995-05-15 1996-11-29 Hitachi Ltd 電子装置および筐体構造およびその冷却ユニット
KR20200078079A (ko) * 2018-12-21 2020-07-01 (주)아이엠티 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법
KR102338304B1 (ko) * 2020-10-20 2021-12-13 주식회사 뉴로코어 강화 학습을 이용한 공장 시뮬레이터 기반 스케줄링 시스템
KR20220014307A (ko) 2020-07-28 2022-02-04 재단법인 아산사회복지재단 가상 현실 기반 중추신경계 탈수초 질환 환자의 뇌 훈련 장치, 방법 및 시스템
KR20230124378A (ko) 2022-02-18 2023-08-25 한국전자기술연구원 소방 가상훈련 콘텐츠의 npc형 ai 소방관 학습 시스템 및 그 방법
KR102598975B1 (ko) 2021-10-01 2023-11-08 대한민국 가상현실 훈련 방법
KR102598944B1 (ko) 2021-10-01 2023-11-08 대한민국 가상현실 훈련 시스템

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08316676A (ja) * 1995-05-15 1996-11-29 Hitachi Ltd 電子装置および筐体構造およびその冷却ユニット
KR20200078079A (ko) * 2018-12-21 2020-07-01 (주)아이엠티 전문가 경험지식을 활용하는 가상훈련 평가 분석 시스템 및 그 방법
KR20220014307A (ko) 2020-07-28 2022-02-04 재단법인 아산사회복지재단 가상 현실 기반 중추신경계 탈수초 질환 환자의 뇌 훈련 장치, 방법 및 시스템
KR102338304B1 (ko) * 2020-10-20 2021-12-13 주식회사 뉴로코어 강화 학습을 이용한 공장 시뮬레이터 기반 스케줄링 시스템
KR102598975B1 (ko) 2021-10-01 2023-11-08 대한민국 가상현실 훈련 방법
KR102598944B1 (ko) 2021-10-01 2023-11-08 대한민국 가상현실 훈련 시스템
KR20230124378A (ko) 2022-02-18 2023-08-25 한국전자기술연구원 소방 가상훈련 콘텐츠의 npc형 ai 소방관 학습 시스템 및 그 방법

Also Published As

Publication number Publication date
KR102673553B1 (ko) 2024-06-11

Similar Documents

Publication Publication Date Title
Guerra et al. Flightgoggles: Photorealistic sensor simulation for perception-driven robotics using photogrammetry and virtual reality
US11779837B2 (en) Method, apparatus, and device for scheduling virtual objects in virtual environment
Amaguaña et al. Simulation system based on augmented reality for optimization of training tactics on military operations
Hartman et al. Autonomous boids
CN111260762A (zh) 一种动画实现方法、装置、电子设备和存储介质
CN111028317B (zh) 虚拟对象的动画生成方法、装置、设备及存储介质
CN105913364A (zh) 基于虚拟现实技术的监狱出监教育模拟方法
Stanton et al. Self-refining games using player analytics
Lazaridis et al. Hitboxes: A survey about collision detection in video games
KR102673556B1 (ko) 6자유도 모션플랫폼에 기반한 가상 시뮬레이션 수행 시스템
CN111523281B (zh) 极化高密度人群线性波动仿真方法、系统及可读存储介质
Lin et al. A combination of feedback control and vision-based deep learning mechanism for guiding self-driving cars
Liu et al. Fishgym: A high-performance physics-based simulation framework for underwater robot learning
Terzopoulos Perceptive agents and systems in virtual reality
Bourg et al. Physics for Game Developers: Science, math, and code for realistic effects
Navarro et al. SE-Star: A large-scale human behavior simulation for planning, decision-making and training
Innamorati et al. Neural re-simulation for generating bounces in single images
US10864434B2 (en) Simulation of multiple connected bodies for real-time application
Klancar et al. Robot soccer collision modelling and validation in multi-agent simulator
Mentzelopoulos et al. Explosive ordinance disposal: motion sensor simulator in Nintendo Wii
Turkay et al. An information theory based behavioral model for agent-based crowd simulations
Cook et al. Towards real-time robot simulation on uneven terrain using neural networks
Díaz et al. Intelligent behavioral design of non-player characters in a FPS video game through PSO
Eiris et al. Applying 360-degree virtual reality for construction safety training
Hu et al. UTSE: A Game Engine-Based Simulation Environemnt for Agent

Legal Events

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