시뮬레이션의 목적은 현실을 모방하여 안전하고 불가능한 현실을 대신하는 실험을 하기 위함이다. 따라서 시뮬레이션은 현실을 최대한 모방할 수록 정확도가 높아지지만 그 기준이 모호하다. 인간의 인지와 행동을 다루는 시뮬레이션에서 인지는 행동을 촉발한다. 하지만 사람의 인지와 감각은 정확한 크기나 거리, 길이 등을 알 수 없고 그것을 추상적인 개별의 기준으로 치환하여 가진다. 해당 연구는 데이터셋을 바탕으로 인지의 단계를 유전 알고리즘으로 역추적한다.

사고과정은 언어로 구성되어있고 인간의 언어는 숫자와 수학기호로 대표되는 명확함과는 다르게 경계를 지을 수 없는것들로 구성되어 있다. 예를 들면 "약간 가깝다", "멀다" 등 경계를 나타낼 수 없는 단어들이다. 수학에서는 해당 단어들의 참과 거짓을 나눌 수 없지만 그런 애매한 경계를 가진 것들에 대해 수학적 규칙을 부여하는것이 퍼지이론이다(1). 인간의 행동의 과정이나 인과를 설명하고 적용한 모델들이 존재하며, 대표적으로 자율주행 분야에서는 구성을 인지-판단-행동으로 정의한다. 다양한 분야에서 행동은 측정이 가능한 수치의 형태로 나타낼 수 있으며 그 행동이 촉발되는 판단-인지를 추정하려한다. 즉, H:감각→인지, F:인지→판단, G:판단→행동으로 나누고 G(\times )F(\times )H:감각→행동에서 실제 감각과 행동 데이터셋을 바탕으로 각 함수의 역함수를 찾아내는 것이다. H, F, G는 퍼지 함수로 애매한 단위인 단어, 문장을 인수로하고 각 인수의 정의역은 환경과 규칙에 따른다. 해당 연구에서는 환경을 제한된 공간에서의 터치 럭비를 수행하는 플레이어들로 구성한다. 각 역함수를 찾아내기 위해 단계의 개수와 그 강도를 데이터셋의 확률분포와 유사함으로 수렴하도록 유전 알고리즘을 적용한다. 데이터셋은 어디서 구해야하지? 유튜브 영상으로 거리와 행동을 역추적한 데이터셋

1. 퍼지 연산 퍼지 집합의 소속도 함수(membership function)은 모호하지 않은 양방향 기준을 상한과 하한을 가진 수 집합위에 매핑하는 함수이다. 예를 들어 정의역을 현실 거리 공간이라 한다면 X:거리공간(R+) → [0, 1]일 때 표식과 자신의 거리가 10미터보다 멀다고 생각함을 반영하는 집합을 A라 하고 A = 0.4/10 + 1/200 + 0.4/5 라 하자. 0은 가깝다에 대응되고 1은 멀다에 대응된다. 해당 식에서 0.4/10 은 자신의 거리가 10m일때 멀다(1)의 느낌을 0.4 정도로 가지고 있음을 나타낸 것이다. 1/200 에서 200(m)을 넘어가는 거리는 전부 1에 대응됨을 알 수 있다. 범주적 지각론에 따르면 인간 감각에서 입력의 범위는 무한하고 계단형식을 띈다 할 수 있다.

1. 이산사건 시뮬레이션의 구현 방법

• a. 제약 조건 해당 연구는 터치럭비의 규칙(R)과 터치럭비의 물리적 환경(F)을 모방한 정보들의 집합으로. 터치럭비의 공간을 2차원 실수 좌표계로 한정한다. 플레이어 또는 에이전트를 시각정보와 이를 포함한 감각정보를 이용하는 모델로 설계한다. 감각의 정의역을 다른 플레이어들의 거리(d)와, 필드에서 그려진 선 정보(l), 자신의 속도와 가속도(v, acc), 자신이 향하는 각도(a)로 정의하고 행동은 실수좌표계 위에서 이동(m)과 규칙의 적용됨(r)으로 정의한다. 규칙과 환경을 1대1 상황으로 구현하고
• b.

(1) 홍두표. (1991). Fuzzy 이론과 그 응용. 대한조선학회지, 28(2), 4-14.