OBI Robotics × 온톨로지 기반 베이지안 인텔리전스
12주 엔지니어링 로드맵
OBINexus Computing · 기계 우선 개발 · C/C++ 로보틱스 · 주당 20시간
목표는 OBI Robotics를 아키텍처 및 CAD 개념에서 테스트 가능한 물리적 프로토타입으로 전환하는 동시에, 온톨로지 기반 베이지안 인텔리전스(Ontological Bayesian Intelligence, OBI)를 별도의 측정 가능한 추론 시스템으로 개발하여 궁극적으로 로봇과 연동되도록 하는 것입니다.
엔지니어링 원칙: 물리적 시스템을 먼저 설계하고, 그것이 감지하고 수행할 수 있는 것을 모델링한 다음, 그 시스템의 실제 제약 조건 주변에 인텔리전스를 구축합니다.
업로드된 Unbiased_AI.pdf는 다음과 같은 제안된 지능 프레임워크를 제공합니다: 편향 분석을 위한 베이지안 모델링, 구조적 처리, 모듈형 AI 컴포넌트 및 단계별 구현 로드맵. 우리는 이러한 아이디어를 연구 기반으로 사용할 것이지만, 논문에서 확립된 사용 사례와 구별되는 수학적 방법론과 실험적 검증이 여전히 필요한 가설은 구분할 것입니다.
Unbiased_AI.pdf
12주 목표
기계
치수가 명시된 CAD 어셈블리, 부하 계산 및 문서화된 프로토타입 설계.
전기
전력 예산, 배선 아키텍처 및 검증된 센서/모터 인터페이스.
C/C++ 소프트웨어
모듈형 드라이버, 상태 추정 인터페이스 및 자동화 테스트.
OBI 인텔리전스
온톨로지, 베이지안 추론 프로토타입 및 재현 가능한 평가 결과.
총 엔지니어링 할당량
240시간
기간
12주
한 가지 중요한 범위 경계: 12주 동안의 산출물은 완성된 자율 로봇이나 새로 훈련된 대규모 언어 모델(large language model)이 아니라, 검증된 프로토타입과 통합 준비가 된 아키텍처입니다. 정확한 하드웨어 구축은 로봇의 의도된 기능, 페이로드, 예산 및 사용 가능한 장비에 따라 달라집니다.
1. 시스템 아키텍처 및 설계 결정
명시적인 인터페이스를 가진 계층형 설계를 사용하십시오. 물리적 제어 루프가 AI 추론 레이어와 독립적으로 유지되도록 하십시오.
OBI Robotics 응용 분야
작업(Tasks) · 진단(diagnostics) · 인간 인터페이스
온톨로지 기반 베이지안 인텔리전스
온톨로지 · 믿음 상태(belief state) · 추론(inference) · 불확실성(uncertainty) · 의사 결정 제안(decision proposals)
검증된 의사 결정 인터페이스
명령어 유효성 검사 · 한계 준수 · 유효하지 않은 동작 거부
임베디드 제어
C/C++ · 모터 드라이버 · 피드백
물리적 플랫폼
모터 · 센서 · 전원 · 구조
구축 전에 결정해야 할 사항들
| 결정 | 초기 권장 사항 | 이유 |
|---|
| 로봇 유형 | 간단한 이동식 베이스 또는 단일 관절 테스트 장치로 시작 | 초기 기계적 복잡성 제한 |
| ... | | |
| 이것들은 현재 보유하고 있는 하드웨어에 대한 사실이 아니라 잠정적인 엔지니어링 결정입니다. 로봇의 임무와 작동 환경을 정의할 때 다시 검토하십시오. | | |
2. 주간 엔지니어링 일정
매주 동일한 20시간 구조를 사용하고, 마일스톤에 추가적인 주의가 필요할 경우 조정합니다.
기계 공학 및 CAD
8 시간
전기 및 임베디드 시스템
4 시간
C/C++ 소프트웨어 및 테스트
4 시간
OBI 인텔리전스 및 수학
4 시간
매주, 설계 로그 업데이트, 작업 코드 커밋, 테스트 결과 기록, 해결되지 않은 위험 식별에 시간을 할애하십시오. CAD 모델이나 소스 코드가 존재한다는 이유만으로 구성 요소를 완료된 것으로 간주하지 마십시오.
3. 12주 로드맵
1단계 — 요구 사항 및 기계적 기반
W1
20 시간
로봇과 그 작동 요구 사항 정의
사전 조건: 없음; 이것이 시작점입니다.
작업:
-
OBI Robotics를 위한 1페이지 분량의 임무 진술서 작성.
-
작동 환경, 의도된 작업, 페이로드, 이동성 및 인간 상호 작용 정의.
-
입력, 출력, 전원 요구 사항 및 안전 제약 조건 목록화.
-
예비 시스템 블록 다이어그램 및 요구 사항 레지스터 작성.
-
첫 번째 온톨로지 개념 정의: 로봇(Robot), 구성 요소(Component), 센서(Sensor), 액추에이터(Actuator), 환경(Environment) 및 결함(Fault).
-
모든 주요 서브시스템은 정의된 목적과 인터페이스를 가집니다.
-
각 요구사항은 고유 ID와 검증 방법을 가집니다.
-
알 수 없는 값은 명시적으로 가정으로 표시됩니다.
산출물: requirements.md, 아키텍처 다이어그램, 위험 등록부 및 초기 온톨로지.
W2
20시간
기계적 컨셉 및 첫 CAD 조립체 생성
사전 조건: 승인된 요구사항 및 초기 외곽 치수.
작업:
- 두 가지 실행 가능한 기계 레이아웃 비교.
- 섀시 또는 관절 구성을 선택합니다.
- 베이스, 마운팅 플레이트, 액추에이터 위치 및 센서 마운트를 모델링합니다.
- 인터페이스, 체결 장치(fasteners), 간격(clearances) 및 서비스 접근성을 정의합니다.
- 예비 자재 명세서(bill of materials, BOM)를 수립합니다.
테스트 및 승인 기준
- 조립 치수가 합의된 설계 외곽 치수와 일치합니다.
- CAD 조립체에 의도하지 않은 부품 충돌이 없습니다.
- 구성 요소는 제안된 순서로 조립 및 서비스될 수 있습니다.
산출물: 네이티브 CAD 조립체, 치수 도면, 레이아웃 비교 및 예비 BOM.
W3
20시간
하중 계산 및 액추에이터 크기 결정
사전 조건: 근사 질량, 형상, 페이로드 및 이동 요구사항.
작업:
- 구성 요소 및 페이로드 질량 추정.
- 정적 하중, 모멘트 및 필요한 출력 토크 계산.
- 이동식 베이스의 경우, 바퀴 힘, 견인력 및 경사로 요구사항을 추정합니다.
- 관절형 로봇의 경우, 중력 토크 및 가속도 요구사항을 추정합니다.
- 후보 모터, 기어비, 베어링 및 구조 재료를 선택합니다.
테스트 및 승인 기준
- 모든 주요 하중 지지 부품은 문서화된 설계 하중을 가집니다.
- 모터 선택은 정지 토크(stall torque)만으로가 아니라 토크-속도 및 열 데이터에 의해 뒷받침됩니다.
- 구조적 가정과 안전 계수는 문서화됩니다.
산출물: 엔지니어링 계산 시트, 액추에이터 선정 보고서 및 업데이트된 CAD 조립체.
2단계 — 기계 설계 및 전기 아키텍처
W4
20시간
기계 설계 마무리
작업:
- 마운트(mounts), 체결 장치(fasteners), 베어링 지지대(bearing supports) 및 케이블 경로를 다듬는다.
- 의도된 움직임 전반에 걸쳐 간섭 여부를 확인한다.
- 제작해야 할 부품과 구매해야 할 부품을 식별한다.
- 재료 데이터와 하중이 허용하는 범위 내에서 예비 구조 검사를 수행한다.
- 어셈블리(assembly)의 첫 번째 개정판을 확정한다.
테스트: 치수 확인, 조인트 이동 범위 확인, 간격 검토 및 독립 계산 검토.
산출물: CAD 개정판 A, 제조 도면 및 제작 결정서.
W5
20시간
전기 및 전력 시스템 설계
작업 내용:
- 전압 레일(voltage rails), 최대 및 연속 전류 요구 사항을 계산한다.
- 적합한 전원, 레귤레이터(regulators), 모터 드라이버(motor drivers) 및 보호 장치를 선정한다.
- 센서 인터페이스, 커넥터, 접지(grounding) 및 케이블 경로를 정의한다.
- 하드웨어 비상 정지 아키텍처(hardware emergency-stop architecture)를 구축한다.
- 전기 회로도(electrical schematic)와 인터페이스 테이블을 작성한다.
테스트: 예상 하중에 대한 부품 등급 검증, 전압 강하 및 전력 소모 계산, 배터리 보호 및 고장 격리 검토.
산출물: 전기 회로도, 전력 예산(power budget), 배선 계획 및 예비 안전 검토.
W6
20시간
첫 번째 C/C++ 임베디드 인터페이스 구축
작업 내용:
- 저장소(repository)를 생성하고 빌드 및 테스트 시스템을 구축한다.
- 센서, 액추에이터(actuators) 및 로봇 상태에 대한 타입 지정 인터페이스를 구현한다.
- 단위(units), 오류 코드(error codes), 타임스탬프 및 센서 유효성 플래그를 정의한다.
- 하드웨어 추상화 인터페이스(hardware abstraction interfaces)를 추가하여 시뮬레이션과 물리적 드라이버가 계약을 공유할 수 있도록 한다.
- 기본 모의 센서(mock sensor) 및 액추에이터를 구현한다.
테스트: 성공적인 클린 빌드, 유효 및 무효 판독값에 대한 단위 테스트, 시뮬레이션된 센서 드롭아웃 및 결정론적 액추에이터-명령어 검증.
산출물: 컴파일되는 C/C++ 스켈레톤, 인터페이스 사양 및 자동화 테스트.
Phase III — 지능 기반 구축 (Intelligence foundations)
W7
20시간
온톨로지(ontology) 및 월드 상태 공식화
작업 내용:
– 엔티티(entities), 속성(attributes), 관계(relationships) 및 단위(units) 정의.
– 관측된 값(observed values)과 추론된 상태(inferred states) 구분.
– 구성 요소의 건강 상태(component health), 작동 모드(operating mode) 및 환경 조건 표현.
– 누락되거나(missing), 오래되었거나(stale) 모순되는 센서 관측값은 어떻게 표현할지 정의.
– 온톨로지(ontology)와 베이즈 변수(Bayesian variables) 간의 인터페이스 명시.
테스트: 스키마 유효성 검사(schema validation), 무효 관계 거부(invalid relationship rejection), 단위 일관성(unit consistency) 및 왕복 직렬화 테스트(round-trip serialisation tests).
산출물: 온톨로지 명세서(ontology specification), 버전 관리된 스키마(versioned schema) 및 대표적인 로봇 상태 예시.
W8
20시간
첫 번째 베이즈 추론 모델 구현
작업:
– 모터 건강 상태 추정 등 좁은 문제 하나 선택.
– 변수(variables), 사전 확률(priors), 가능도(likelihoods) 및 조건부 종속성 정의.
– 알려진 참값(ground truth)을 가진 합성 데이터셋 생성.
– 작고 투명한 모델을 사용하여 추론 구현.
– 추정된 확률을 알려진 결과와 비교.
테스트: 확률 정규화(probability normalisation), 알려진 사례 검사(known-case checks), 사전 확률에 대한 민감도(sensitivity to priors), 누락 데이터 동작(missing-data behaviour) 및 재현성(reproducibility).
산출물: 작동하는 추론 프로토타입(working inference prototype), 모델 가정(model assumptions) 및 테스트 데이터셋.
W9
20시간
센서 상태와 추론 통합
작업:
– 센서 추상화(sensor abstraction)를 온톨로지에 연결.
– 검증된 관측값(validated observations)을 추론 엔진에 전달.
– 타임스탬프 유지 및 원시 측정값(raw measurements)과 추론된 믿음(inferred beliefs) 분리.
– 추정치, 신뢰도 정보 및 데이터 품질 경고 반환.
– 기록된 시나리오를 재생할 수 있는 로그 추가.
테스트: 결정론적 재생(deterministic replay), 오래된 센서 거부(stale-sensor rejection), 주입된 센서 오류(injected sensor faults) 및 알려진 시뮬레이션 상태와의 비교.
산출물: 종단 간(end-to-end) 시뮬레이션 인식 및 추론 파이프라인.
Phase IV — 검증 및 통합
W10
20시간
불확실성 및 편향 관련 주장 테스트
작업:
- 균형 잡히고 의도적으로 편향된 합성 데이터셋을 생성합니다.
- 보류된 사례(held-out cases)에서 추론이 보정되었는지 테스트합니다.
- 공정성 관련 사용 사례가 있는 경우, 테스트 전에 관련 그룹, 결과(outcome), 비교 대상 및 허용 가능한 격차를 정의합니다.
- 사전 확률(priors), 교란 변수(confounders) 및 누락된 변수가 결론에 어떻게 영향을 미치는지 검토합니다.
- 모델이 신뢰할 수 있는 추론을 할 수 없는 경우 기록합니다.
테스트: 보정 곡선(calibration curves) 또는 Brier 점수, 거짓 양성률(false-positive rates) 및 거짓 음성률(false-negative rates), 민감도 분석(sensitivity analysis) 및 문서화된 한계점.
산출물: 수치적 결과, 실패 사례 및 재현 가능한 실험이 포함된 평가 보고서.
W11
20시간
추론을 안전한 의사 결정 제안과 연결하기
작업:
- 발생 가능성이 의심되는 결함 후 감소된 모터 속도 제안 등 좁은 액션 인터페이스를 정의합니다.
- 모든 제안을 결정론적 제약 조건(deterministic constraints)에 따라 검증합니다.
- 인간의 재정의(human override) 및 비상 정지 경로를 추가합니다.
- 시간 초과, 유효하지 않은 출력, 센서 오류 및 컨트롤러 재시작을 테스트합니다.
- AI 추론이 어떠한 하드 실시간 제어 루프 외부에서 이루어지도록 유지합니다.
테스트: 유효하지 않은 액션 거부(invalid-action rejection), 누락된 데이터에 대한 안전 장치 응답, 컨트롤러 독립성 및 결함 주입 테스트(fault-injection testing).
산출물: 문서화된 테스트 결과가 포함된 안전 게이트 결정 인터페이스.
W12
20시간
개시, 감사 및 개정 B 계획 시연하기
작업:
- 하드웨어와 제작이 준비되면 프로토타입을 조립하고; 그렇지 않은 경우 검증된 시뮬레이션을 시연합니다.
- 반복 가능한 시연 시나리오를 실행합니다.
- 주간 목표(week-one requirements) 대비 성능을 측정합니다.
- 기계적, 전기적, 소프트웨어 및 추론 실패 모드를 검토합니다.
- 가정보다는 테스트 증거에 기반한 개정 계획을 수립합니다.
테스트: 동일한 시나리오를 여러 번 반복하고, 로그를 보존하며, 모든 중요 요구 사항이 테스트 결과를 갖는지 확인합니다.
산출물: 시연, 설계 문서(design dossier), 테스트 보고서, 알려진 한계점 등록부(known-limitations register) 및 다음 단계 계획.
4. 귀하의 편향되지 않은 AI 논문에 지능을 접지시키기
귀하의 논문은 OBI 인텔리전스 작업의 개념적 기반으로 남아 있어야 합니다. 제가 실제 제안들을 실험으로 어떻게 번역할 수 있을지 알려드리겠습니다.
| 논문 개념 | 공학 구현 | 필요한 증거 |
|---|
| 편향(Bias)을 학습된 패턴으로 간주 | 알려진 데이터 분포를 사용한 통제 실험 | 데이터 분포가 변경될 때 예측이 어떻게 변하는지 보여줄 것 |
| ... | | |
| 이것들은 논문이 이미 작동하는 편향 제거 또는 완전한 투명성을 입증했다는 주장이 아니라, 제안된 구현 및 실험들입니다. | | |
Unbiased_AI.pdf
중요한 수학적 구분
논문의 주변화 방정식(marginalisation equation)인,
* P(\theta\mid D)=\int P(\theta,\phi\mid D),d\phi, *
은 결합 사후 확률(joint posterior)과 적분(integration)이 잘 정의될 때 유효한 확률 항등식입니다. 그러나 편향 변수(bias variable)에 대해 주변화하는 것이 그 자체로 편향되지 않은 모델을 보장하지는 않습니다. 그것은 모델, 데이터, 변수의 의미, 그리고 목표 기준(target criterion)에 달려 있습니다.