구조물 안정성 물리 추론 AI 경진대회

[배경] 

안녕하세요, 데이커 여러분.

월간 데이콘 '구조물 안정성 물리 추론 AI 경진대회'에 오신 것을 환영합니다.

최근 인공지능 기술은 단순한 시각적 패턴 인식을 넘어, 이미지로부터 물리적 상태와 동적 변화를 추론하는 방향으로 빠르게 확장되고 있습니다. 특히 구조물의 안정성 판단과 붕괴 예측은 건설, 로보틱스, 시뮬레이션, 재난 안전 분야에서 핵심 기술로 주목받고 있습니다.

그러나 구조물의 안정성은 외형적 기울기나 단순한 형태 특징만으로는 충분히 설명하기 어렵습니다. 무게중심의 미세한 편차, 층별 하중 분포, 구조적 배치 패턴 등 다양한 물리 요소가 종합적으로 작용하여 결과를 결정합니다.

본 월간 데이콘 대회에서는 다각도 구조물 이미지를 기반으로, 시각 정보를 통해 구조물의 물리적 안정성과 붕괴 가능성을 추론하는 AI 모델 개발을 목표로 하며, 구조적 형태와 물리적 관계를 함께 고려하는 정밀한 분석이 요구됩니다.

[주제] 

시각 기반 구조물 안정성 예측 AI 모델 개발

[설명]

참가자는 구조물에 대해 제공되는 2가지 시점의 이미지 데이터를 입력으로 활용하여, 시뮬레이션 시작 10초 동안 구조물이 불안정(unstable) 상태로 전환될 확률과 안정(stable) 상태를 유지할 확률을 예측하는 AI 모델을 개발해야 합니다.

[1] 데이터 라벨 정의

샘플의 라벨(Label)은 물리 시뮬레이션 결과를 기반으로 다음과 같이 정의됩니다.

1. 안정(stable): 시뮬레이션 시작 후 10초 동안 구조물에 의미 있는 이동이나 변형이 발생하지 않은 경우
2. 불안정(unstable): 시뮬레이션 시작 후 10초 이내에 누적 이동 거리가 1.5cm 이상 발생하거나 구조적 붕괴가 나타난 경우

일부 샘플들은 외형만으로 안정 여부를 구분하기 어려운 경계(Boundary) 특성을 가지도록 구성되어 있어, 시각 정보 기반의 정밀한 물리 추론이 요구됩니다.

이에 따라 구조물의 물리 변화 과정을 참고할 수 있도록, 학습 데이터(train)에는 10초 분량의 시뮬레이션 영상이 함께 제공됩니다.

[2] 데이터셋 구성 및 학습 전략

본 대회는 정제된 환경에서 학습한 모델이 변동성이 큰 실제 환경에서 얼마나 강건하게 작동하는지 평가합니다.

• 학습 데이터(train): 1,000개의 샘플이 제공되며, 광원 및 카메라 좌표가 고정된 '실험실 환경'에서 생성되었습니다. 기본적인 물리 법칙과 구조적 특징을 학습하는 데 활용됩니다.
• 개발 데이터(dev): 100개의 샘플이 제공되며, 광원 및 카메라 좌표가 무작위로 변동하는 '실제 평가 환경'과 동일한 설정입니다. 평가 환경에 대한 모델의 적응력을 검증하는 데 필수적입니다.
• 평가 데이터(test): 총 1,000개의 샘플로 구성되며, 개발 데이터와 동일한 무작위 환경 설정이 적용됩니다. 최종 순위 결정을 위한 기준이 됩니다.

참가자는 학습 데이터(train)와 개발 데이터(dev)를 모델 학습에 모두 활용할 수 있습니다. 다만, 고정된 환경의 학습 데이터에만 오버피팅(Overfitting)되지 않도록 주의해야 합니다.

실제 평가 환경의 변동성에 대비하여 데이터 증강(Augmentation), 외부 데이터 수집, 그리고 강건한 학습 전략을 수립하는 것이 이번 대회의 핵심이며, 특히 보편적인 물리적 인과관계를 추론할 수 있는 모델 설계가 요구됩니다.

[참가자격]

데이커라면 누구나 대회 참가 가능

[주최 / 주관]

데이콘

[문의처]

대회 기간 중 공식 답변은 토크 게시판을 통해서만 제공됩니다.

다른 채널로 접수된 문의는 확인이 지연되거나 답변되지 않을 수 있습니다.