• 로봇학회논문지
• /
• 제15권4호
• /
• pp.404-412
• /
• 2020

Typically everyday human life tasks involve at least two people moving objects such as tables and beds, and the balancing of such object changes based on one person's action. However, many studies in previous work performed their tasks solely on robots without factoring human cooperation. Therefore, in this paper, we propose cooperative robot for table balancing using Q-learning that enables cooperative work between human and robot. The human's action is recognized in order to balance the table by the proposed robot whose camera takes the image of the table's state, and it performs the table-balancing action according to the recognized human action without high performance equipment. The classification of human action uses a deep learning technology, specifically AlexNet, and has an accuracy of 96.9% over 10-fold cross-validation. The experiment of Q-learning was carried out over 2,000 episodes with 200 trials. The overall results of the proposed Q-learning show that the Q function stably converged at this number of episodes. This stable convergence determined Q-learning policies for the robot actions. Video of the robotic cooperation with human over the table balancing task using the proposed Q-Learning can be found at http://ibot.knu.ac.kr/videocooperation.html.

• 로봇학회논문지
• /
• 제17권3호
• /
• pp.264-272
• /
• 2022

Human-robot cooperative tasks are increasingly required in our daily life with the development of robotics and artificial intelligence technology. Interactive reinforcement learning strategies suggest that robots learn task by receiving feedback from an experienced human trainer during a training process. However, most of the previous studies on Interactive reinforcement learning have required an extra feedback input device such as a mouse or keyboard in addition to robot itself, and the scenario where a robot can interactively learn a task with human have been also limited to virtual environment. To solve these limitations, this paper studies training strategies of robot that learn table balancing tasks interactively using deep reinforcement learning with human's facial expression feedback. In the proposed system, the robot learns a cooperative table balancing task using Deep Q-Network (DQN), which is a deep reinforcement learning technique, with human facial emotion expression feedback. As a result of the experiment, the proposed system achieved a high optimal policy convergence rate of up to 83.3% in training and successful assumption rate of up to 91.6% in testing, showing improved performance compared to the model without human facial expression feedback.

• Journal of Platform Technology
• /
• 제12권1호
• /
• pp.44-54
• /
• 2024

비콘 또는 태그를 이용한 기존 실내 위치결정 방법은 상황에 따라 검출하지 못하거나 잡음에 의한 오차가 증가하는 문제가 있다. 본 논문에서는 위치가 알려져 있는 대상 객체와의 거리와 로봇의 정면 방향에서 대상 개체를 보는 방향 사이의 각도를 이용하여 로봇의 실내 위치를 결정하는 방법을 제안한다. 본 논문에서 제안하는 방법은 거리를 측정하고, 각도를 계산하기 위해 깊이 측정 카메라를 이용한다. 거리는 카메라가 측정한 깊이 정보를 이용하며, 각도는 카메라가 캡처한 이미지를 이용하여 대상 객체의 각도를 결정한다. 본 논문에서 제안한 방법은 거리 정보와 각도 정보를 이용하여 좌표 변위를 계산하고, 이 변위와 대상 객체의 좌표를 이용하여 이동 로봇의 위치를 결정한다. 본 논문에서 제안한 방법이 실내 위치결정에 사용될 수 있음을 보이기 위해 시험 구현하여 실측한 변위 비교하였다. 그 결과 50mm 이내의 오차가 있었지만 이동 로봇의 크기를 고려할 때 본 논문에서 제안한 방법이 실내 위치결정에 충분히 사용될 수 있다고 판단된다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권11호
• /
• pp.329-331
• /
• 2020

에듀테크는 교육(Education)과 기술(Technology)의 합성된 단어로서, 4차 산업혁명 시대의 교육 패러다임이다. 이는 4차 산업혁명의 빅데이터(Bigdata), 인공지능(AI), 로봇, 가상현실(Virtual reality; VR) 등 정보통신기술(ICT)을 활용한 차세대 교육을 의미한다. ICT에서의 교육은 온라인 강의로 이러닝(e-Learning)이 사용되고 있으나, 코로나-19로 인해 비대면 교육에 대한 수유가 급증함에 따라 이러닝과 함께 에듀테크가 주목받고 있다. 따라서 본 논문에서는 블록체인 기반의 배지서비스 플랫폼, 시뮬레이션 기반 협동형 이러닝 시스템, 동영상 영어사전, 그리고 블록체인 기반의 접근제어 감사시스템에 대한 심사 완료된 논문들을 분석한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.520-522
• /
• 2022

초고령화사회에 접어들면서 독거노인의 수도 증가하고 있고 따라서 고독사도 증가하고 있다. 따라서 본 논문에서는 디지털 기술을 활용한 독거노인을 위한 알리미 서비스를 살펴보고 다음과 같은 방안을 제언한다. 첫째, 기존 유선으로만 이루어지는 응급 상황 여부에 대해서 센서 감지, AI 감성 로봇 활용 등으로 디지털 정보 수집 및 상황 파악이 이루어져야 한다. 둘째, 분기별 1회 이루어졌던 직접 방문 시에는 장비 점검 및 디지털 상황을 검토해야하고 유선으로 이루어졌던 월 2회 간접 방문을 디지털 기기를 활용해 확대하도록 한다. 셋째, 독거노인, 장애인 등의 안전 확인 곤란 또는 응급상황 발생시 신속한 대처를 위해 디지털 응급안전망체계를 구축한다. 또한 마지막으로 이러한 디지털 시스템을 구축하기 위해 이용자 교육이 이루어져야 하며 신규이용자에게 장비사용 교육을 하는 것은 물론, 정기적으로 재교육이 이루어지는 것이 효과적일 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.562-564
• /
• 2022

조호환경이란 환자의 지속적인 추적 및 관찰이 필요한 환경으로써, 병원 입원실, 요양원 등을 의미한다. 조호환경 내 환자의 이상 증세가 발생하는 시간 및 이상 증세의 종류는 예측할 수 없기에 인력을 통한 상시 관리는 필수적이다. 또한, 환자의 이상 증세 발견 시간은 발병 시점부터의 소요 시간이 생사와 즉결되기에 빠른 발견이 매우 중요하다. 하지만, 인력을 통한 상시 관리는 많은 경제적 비용을 수반하기에 독거 노인, 빈민층 등 요양 비용을 충당하지 못하는 환자들이 수혜받는 것은 어려우며, 인력을 통해 이루어지기 때문에 이상 증세 발병 즉시 발견에 한계를 가진다. 즉, 기존까지 조호환경 내 환자 관리 방식은 경제적 비용과 이상 증세 발병 즉시 발견에 한계를 가진다는 문제점을 가진다. 따라서 본 논문은 YOLO 모델의 조호환경 내 환자 탐지 성능 비교 및 바운딩 박스 앙상블 기법을 제안한다. 이를 통해, 딥러닝 모델을 통한 환자 상시 관리가 이루어지기에 높은 경제적 비용문제를 해소할 수 있다. 또한, YOLO 모델 바운딩 박스 앙상블 기법 WBF를 통해 폐색이 짙은 조호환경 영상 데이터 내에 객체 탐지 영역 정확도 향상 방법을 연구하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.43-46
• /
• 2023

호흡기 관련 전염병의 주된 증상인 기침은 공기 중에 감염된 병원균을 퍼트리며 비감염자가 해당 병원균에 노출된 경우 높은 확률로 해당 전염병에 감염될 위험이 있다. 또한 사람들이 많이 모이는 공공장소 및 실내 공간에서의 기침 탐지 및 조치는 전염병의 대규모 유행을 예방할 수 있는 효율적인 방법이다. 따라서 본 논문에서는 탐지해야 하는 기침 소리 및 일상생활 속 발생할 수 있는 기침과 유사한 배경 소리 들을 Mel-Spectrogram으로 변환한 후 시각화된 특징을 CNN 모델에 학습시켜 기침 탐지를 진행하며, 일반적으로 사용되는 사전 학습된 CNN 모델에 제안된 Attention 모듈의 적용이 기침 탐지 성능 향상에 도움이 됨을 입증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.69-71
• /
• 2023

본 논문은 YOLO 기반 모델의 철도 시스템 내 선로 고정장치 탐지 성능을 비교하고 분석한다. 여기서 철도 시스템은 열차가 주행하기 위한 선로, 침목, 패스너 등의 구성요소를 포함한다. 침목은 지반과 직접적으로 연결되며, 선로를 지반 위에 안정적으로 지지하고 궤간을 정확하게 유지하는 역할을 한다. 또한, 패스너는 선로를 침목에 단단히 고정시키는 역할을 한다. 이러한 선로 고정장치의 부재는 인명 사고로 이어질 수 있어 지속적인 관리와 유지 보수가 필수적이다. 본 논문에서는 철도 시스템의 선로 고정장치 탐지를 위해 YOLO V5 및 V8 딥러닝 모델의 적용 가능성을 실험적으로 접근하며, 두 모델의 탐지 성능을 비교한다. 실험 결과, YOLO V8 및 V5 모델은 모두 뛰어난 성능을 보이는데, 특히 YOLO V8 모델이 더욱 우수한 성능을 보인다. 이로써 YOLO 알고리즘은 선로 고정장치 탐지에 적합하다는 것을 증명한다. 그러나 일부 False Positive Sample이 관측되었음을 확인하고, 이로부터 모델 성능의 개선이 필요하다는 결론을 도출하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2023년도 제35회 한글 및 한국어 정보처리 학술대회
• /
• pp.253-257
• /
• 2023

최근 다양한 대화 시스템이 스마트폰 어시스턴트, 자동 차 내비게이션, 음성 제어 스피커, 인간 중심 로봇 등의 실세계 인간-기계 인터페이스에 적용되고 있다. 하지만 대부분의 대화 시스템은 텍스트 기반으로 작동해 다중 모달리티 입력을 처리할 수 없다. 이 문제를 해결하기 위해서는 비디오와 같은 다중 모달리티 장면 인식을 통합한 대화 시스템이 필요하다. 기존의 비디오 기반 대화 시스템은 주로 시각, 이미지, 오디오 등의 다양한 자질을 합성하거나 사전 학습을 통해 이미지와 텍스트를 잘 정렬하는 데에만 집중하여 중요한 행동 단서와 소리 단서를 놓치고 있다는 한계가 존재한다. 본 논문은 이미지-텍스트 정렬의 사전학습 임베딩과 행동 단서, 소리 단서를 활용해 비디오 기반 대화 시스템을 개선한다. 제안한 모델은 텍스트와 이미지, 그리고 오디오 임베딩을 인코딩하고, 이를 바탕으로 관련 프레임과 행동 단서를 추출하여 발화를 생성하는 과정을 거친다. AVSD 데이터셋에서의 실험 결과, 제안한 모델이 기존의 모델보다 높은 성능을 보였으며, 대표적인 이미지-텍스트 자질들을 비디오 기반 대화시스템에서 비교 분석하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.281-282
• /
• 2023

자율주행 자동차 시장 규모 및 기술이 급속도로 성장하고 있음에도 불구하고, 전문가 교육을 위한 높은 하드웨어 비용 때문에 실제로 이 기술을 실험하기 위한 집단 교육 플랫폼의 필요성이 높아졌다. 이에 따라 우리는 자율주행에 사용되는 센서와 액츄에이터, 그리고 자율주행 알고리즘 학습을 위한 1/5 크기의 하드웨어를 포함한 교육 플랫폼을 설계했다. 이 교육 프로그램은 온라인 강의와 실습으로 구성되며, 각각의 모듈은 로봇 운영체제(ROS)를 활용한 C언어로 개발되었다. 이 교육 플랫폼은 언제 어디서나 접근 가능한 온라인 형식으로 제공되므로, 학생들은 이론과 실습을 통해 자율주행 분야의 전문가로 성장할 수 있는 기회를 얻게 되고 혁신과 경쟁력 강화에 기여할 것으로 기대된다.