한밭대학교컴퓨터공학과

RLLab

실험실 소개

강화학습은 순차적 의사결정 문제의 최적화 해결 기법으로, 범용 인공지능 구현을 위해 각광받고 있는 기술입니다. 로봇 제어, 자율 주행, 게임, 자연어 처리 등 다양한 산업 분야에서 활용되고 있으며, 각 분야에서 혁신적인 성과를 보여주고 있습니다. 본 연구실은 강화학습 및 데이터 분석 기술 관련 지속적인 연구 개발과 산업 적용을 통해 인공지능 기술의 발전에 기여하는 것을 목표로 합니다. 또한, 다양한 학문 분야와의 융합 연구를 통해 연구 범위를 지속적으로 확장하고자 합니다.

지도교수 : 장수영

논문

• S. Jang and H. Kim, “Efficient deep reinforcement learning under task variations via knowledge transfer for drone control,” ICT Express, 2024.
• S. Jang and H. Kim, “Supervised pre-training for improved stability in deep reinforcement learning,” ICT Express, 2023.
• S. Jang and J. Lee, “Utilizing hidden observations to enhance the performance of the trained agent,” IEEE Robotics and Automation Letters, 2022.
• S. Jang and C. Choi, “Prioritized environment configuration for drone control with deep reinforcement learning,” Human-centric Computing and Information Sciences, 2022.
• 5. S. Jang and H. Kim, “Entropy-aware model initialization for effective exploration in deep reinforcement learning,” Sensors, 2022.

특허

• 가상 환경에서 학습된 지능형 에이전트를 이용하여 실제 사물의 움직임을 제어하는 방법 및 장치 (등록, 10-2355021, 한국전자통신연구원)
• TCP 혼잡 윈도우를 최적화하는 통신 장치 및 방법 (등록, 10-2389104, 한국전자통신연구원)
• 통신 시스템에서 데이터 전송을 제어하기 위한 장치 및 방법 (등록, 10-2359274, 삼성전자)
• 통신 시스템에서 연결 제어 장치 및 방법 (등록, 10-2333144, 삼성전자)
• Communication method and apparatus for optimizing TCP congestion window (등록, US 11178056)