• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.31-34
• /
• 2009

유비쿼터스 환경에서 상황인지 능력을 가진 지능적 컴퓨팅 개체들 중 사람에게 의존적이지 않고 독립적으로 행동할 수 있는 개체는 유비쿼터스 로봇으로 볼 수 있다. 이러한 로봇은 최근 상호협력 함으로서 보다 최적화된 서비스를 제공하는 연구가 진행되고 있으며, 또한 다수의 로봇이 포함된 환경일 때는 특정한 작업을 수행하기 위하여 특정 로봇의 선별에 관한 연구가 진행 중이다. 본 논문에서는 유비쿼터스 환경에서 서로 다른 기능과 구조를 가지고 있는 지능형 로봇들이 협력하여 특수한 상황이나 임무를 그룹으로 대처할 수 있는 로봇 그룹핑을 설계하고 이를 구현한 결과에 대하여 기술한다. 다수의 로봇 중에서 특정 임무수행을 위한 로봇의 선별 알고리즘은 Entropy를 이용하여 결정 트리를 생성하였다. 또한 Grouping을 위한 Group Layer를 설계하여 구현하였다.

• ICROS
• /
• v.11 no.2
• /
• pp.23-27
• /
• 2005

• ICROS
• /
• v.10 no.1
• /
• pp.53-56
• /
• 2004

• ICROS
• /
• v.9 no.1
• /
• pp.39-40
• /
• 2003

• ICROS
• /
• v.12 no.1
• /
• pp.41-43
• /
• 2006

• ICROS
• /
• v.10 no.6
• /
• pp.18-21
• /
• 2004

• ICROS
• /
• v.10 no.5
• /
• pp.35-38
• /
• 2004

• Venture DIGEST
• /
• s.102
• /
• pp.24-26
• /
• 2007

• 한국HCI학회:학술대회논문집
• /
• 2008.02a
• /
• pp.534-539
• /
• 2008

This paper is about intelligent hexapod robot for the support walking of the aged person. The robot using various sensors and small camera has various abilities of forward backward walking, turing left or right, control the speed of walking, avoiding the obstacles and detecting risky situation of fire or gas. To let the aged feel soft and safe walking, we used special servo motor and developed hexapod walking mechanism and effective algorithm.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.13 no.6
• /
• pp.470-476
• /
• 2020

In this paper, we present the design of modular replaceable AI server for image deep learning that separates the server from the Edge Device so as to drive the AI block and the method of data transmission and reception. The modular replaceable AI server for image deep learning can reduce the dependency between social robots and edge devices where the robot's platform will be operated to improve drive stability. When a user requests a function from an AI server for interaction with a social robot, modular functions can be used to return only the results. Modular functions in AI servers can be easily maintained and changed by each module by the server manager. Compared to existing server systems, modular replaceable AI servers produce more efficient performance in terms of server maintenance and scale differences in the programs performed. Through this, more diverse image deep learning can be included in robot scenarios that allow human-robot interaction, and more efficient performance can be achieved when applied to AI servers for image deep learning in addition to robot platforms.