본 프로젝트에서는 자동차 개발 공장의 로드시뮬레이터 노면 재현작업을 효율화 하기 위해 스텝 별 최적 Gain값 도출 모델을 개발하였다. 노면 재현작업은 작업자에 의해 20~30회의 스텝을 반복하며 수행되며 이는 평균 8시간 이상의 시간과 작업자의 높은 숙련도가 필요하다. 과거 재현작업을 진행하였던 History 데이터는 스텝 별 사용된 Gain값과 그때 차량의 6분력 하중값 및 목표 하중값을 포함한다. 제안모델은 2개의 단계로 구성하였으며 실험의 순차적 특성을 반영하기 위해 각각은 독립적인 Many-to-One LSTM(Long Short-Term Memory)모델을 이용하였다. 첫 단계는 실험 중지 여부를 판단하는 모델이며, 'Stop'사인을 출력할 경우 실험을 마치고 'Go' 사인을 출력할 경우 두 번째 단계로 넘어가게 된다. 두 번째 단계는 해당 스텝의 26채널 Gain값을 예측하는 모델이며, 인풋데이터와 이전 스텝까지의 상황을 통해 로드시뮬레이터에 입력할 실제 Gain값을 도출한다. 실제 작업자의 다양한 판단기준을 모델에 적용하기 위해 채널 별 Overshoot과 위상차를 반영할 수 있도록 인풋데이터를 정제하였다. 최종 모델은 실험 결과 MAE 0.03으로 현업에 적용 가능한 높은 성능을 보였다.