• 한국의류산업학회지
• /
• 제21권5호
• /
• pp.640-655
• /
• 2019

Technology status was investigated by analyzing patents and development cases of wearable robots. Development direction of wearable robot for wearability was also suggested by understanding the problems of wearability from development cases through the FGI technique. The number of patents per technical field was the most in the field of strength support, but AI in the technology field was different in each country; Korea was found to be poor in the category of daily living assistance. The number of patents by technology category was the most in the category of muscular strength assistance. However, the values of AI in the technology category were different in each country; Korea was found to be poor in the category of daily living assistance. Development cases were focused on rehabilitation, so development is not fulfilled uniformly by use purpose. By wearing body parts, robots with single function type were mainly developed. Rigid material robots were mainly developed. It was confirmed that wearable robot technology is not developed evenly in the category of application because it is in the early stage of the technical proposal and centered on main performance improvement. We derived twelve wearable conditions for wearable robots: Shape and Size Appropriateness, Movement Appropriateness, Composition Appropriateness, Physiological Appropriateness, Performance Satisfaction, Ease of Operation, Safety, Durability, Ease of Dressing, Ease of Cleaning, Portability and Ease of Storage and Appearance Satisfaction. Finally, the development direction of a wearable robot for each wearable condition was suggested.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.911-919
• /
• 2022

본 논문에서는 교육용 로봇을 활용한 음운인식 게임 활동이 만 5세 유아들의 읽기 능력과 읽기 흥미에 미치는 영향을 살펴본다. 이를 위해 먼저 만 5세 유아를 대상으로 하는 음운인식 게임 16종을 설계한 후, 로봇이 참여하는 실험집단용 활동과 교사가 주도하는 비교집단용 활동으로 미세하게 조정하였다. 두 가지 활동은 각각 S시 소재 어린이집 2개에 재원하는 만 5세 유아 각 15명을 대상으로 6주간 16회기에 걸쳐 진행되었다. 활동 전후 각 그룹 유아들의 읽기 능력 및 읽기 흥미를 비교한 결과는 다음과 같다. 첫째, 교육용 로봇을 활용하여 음운인식 게임 활동을 진행한 실험집단이 비교집단보다 읽기 능력 특히, 총점, 단어의미, 탈락, 대치에서 보다 긍정적인 효과를 나타냈다. 둘째, 교육용 로봇을 활용하여 음운인식 게임 활동을 진행한 실험집단이 비교집단보다 읽기 흥미에서 긍정적인 효과를 나타냈다. 향후 연구에서는 교육용 로봇을 활용한 음운인식 게임 활동이 유아의 문식성과 즐거움의 동기에 긍정적 역할을 하는지를 연령별 모형을 수립하고 검증하여 발달적 추이를 살펴볼 계획이다.

• 공학교육연구
• /
• 제11권4호
• /
• pp.19-33
• /
• 2008

본 연구의 목적은 인공지능 채팅로봇 수업방법과 컴퓨터 흥미도가 교수-학습에 미치는 영향을 살펴보는 것으로 연구결과는 다음과 같다. 첫째, 인공지능 채팅로봇 수업방법과 컴퓨터 흥미도가 학업성취도에 미치는 영향을 살펴본 결과, 컴퓨터 흥미도 수준이 집단간 학업성취도에 미치는 효과는 없었다. 둘째, 인공지능 채팅로봇 수업방법과 컴퓨터 흥미도가 학습동기에 미치는 영향을 살펴본 결과, 컴퓨터 흥미도가 집단간 학습동기에 미치는 효과가 나타났다. 셋째, 사후 피드백을 분석한 결과를 살펴보면, 인공지능 채터봇 채팅수업(방법)의 장점은 '새로움(신선함), '시공초월', '반복학습'이었고, 단점은 '답변고정', '정서성 부족'이었다. 그리고 제안점으로는 '문제해결중심'이 도출되었다. 넷째, 학업성취도, 학습동기, 피드백 간의 관계를 살펴본 결과, 학업성취도, 학습동기, 피드백 간의 상관관계는 모두 없는 것으로 드러났다. 이런 점들은 인공지능 채터봇에 대한 다각적 교수설계전략의 필요성을 제시해준다.

• 한국군사과학기술학회지
• /
• 제27권4호
• /
• pp.474-484
• /
• 2024

Reinforcement learning, which are also studied in the field of defense, face the problem of sample efficiency, which requires a large amount of data to train. Transfer learning has been introduced to address this problem, but its effectiveness is sometimes marginal because the model does not effectively leverage prior knowledge. In this study, we propose a stochastic initial state randomization(SISR) method to enable robust knowledge transfer that promote generalized and sufficient knowledge transfer. We developed a simulation environment involving a cooperative robot transportation task. Experimental results show that successful tasks are achieved when SISR is applied, while tasks fail when SISR is not applied. We also analyzed how the amount of state information collected by the agents changes with the application of SISR.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.1-9
• /
• 2022

오늘날, 인공지능이 국가 경쟁력의 핵심 동력으로 부상하였으나, 사회적으로 예상치 못한 부작용도 초래하고 있다. 본 연구는 사회과학 분야의 KCI 등재학술지를 대상으로 인공지능에 관한 논문을 수집하여 사회적 측면의 주요 이슈를 고찰하고자 한다. 따라서 2016년부터 2020년까지 논문에 대한 키워드 분석을 수행하였다. 분석 결과, '로봇', '교육'에 대한 키워드가 가장 많이 나타났으며, 키워드 네트워크를 통해 상위 6개의 군집(이슈)을 도출하였다. 주요 이슈는 인공지능의 등장 배경이나 기본적인 개념, 인공지능 교육, 인공지능의 부작용, 인공지능 기반 창작물의 법적 이슈, 인공지능 제품/서비스의 이용의도, 인공지능 윤리 등을 제시할 수 있다. 본 연구 결과는 인공지능의 사회적 측면에 대한 논의를 확산하고, 국가 차원의 정책 방향을 모색하는데 활용할 수 있을 것이다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1996년도 한국자동제어학술회의논문집(국내학술편); 포항공과대학교, 포항; 24-26 Oct. 1996
• /
• pp.944-947
• /
• 1996

Realization of autonomous agents that organize their own internal structure in order to behave adequately with respect to their goals and the world is the ultimate goal of AI and Robotics. Reinforcement learning gas recently been receiving increased attention as a method for robot learning with little or no a priori knowledge and higher capability of reactive and adaptive behaviors. In this paper, we present a method of reinforcement learning by which a multi robots learn to move to goal. The results of computer simulations are given.

• 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.

• 한국인터넷방송통신학회논문지
• /
• 제21권4호
• /
• pp.103-108
• /
• 2021

주식이 오를지 내릴지를 예측하는 것은 주식의 불확실성으로 매우 어렵다. 인공지능 기술을 이용한 주가예측 방법에 대한 연구가 오랫동안 이루어져왔다. 최근에는 증권 회사에도 로봇 어드바이저라는 이름으로 인공지능 기술을 이용한 주식 매수/매도 추천 프로그램이 사용되고 있다. 본 논문에서는 인공지능 머신러닝 기술을 이용한 매수/매도 추천 시스템을 개발하기 위하여 여러 가지 기술적 분석 방법의 결과를 활용하는 이 시스템의 핵심인 엔진을 설계한다. 또한 객체지향 분석 방법을 이용한 요구사항 분석 및 플로우차트, 화면 설계 등을 보여여줌으로써 효과적인 인공지능 머신러닝 기술을 이용한 매수/매도 추천 시스템의 소프트웨어 분석 및 설계 방법을 제시하고자 한다.

• ETRI Journal
• /
• 제27권6호
• /
• pp.666-676
• /
• 2005

In recent years, motivated by the emergence of ubiquitous computing technologies, a new class of networked robots, ubiquitous robots, has been introduced. The Ubiquitous Robotic Companion (URC) is our conceptual vision of ubiquitous service robots that provide users with the services they need, anytime and anywhere in ubiquitous computing environments. To realize the vision of URC, one of the essential requirements for robotic systems is to support ubiquity of services: that is, a robot service must be always available even though there are changes in the service environments. Specifically robotic systems need to be automatically interoperable with sensors and devices in current service environments, rather than statically preprogrammed for them. In this paper, the design and implementation of a semantic-based ubiquitous robotic space (SemanticURS) is presented. SemanticURS enables automated integration of networked robots into ubiquitous computing environments exploiting Semantic Web Services and AI-based planning technologies.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.47-49
• /
• 2022

Robot navigation has seen a major improvement since the the rediscovery of the potential of Artificial Intelligence (AI) and the attention it has garnered in research circles. A notable achievement in the area was Deep Learning (DL) application in computer vision with outstanding daily life applications such as face-recognition, object detection, and more. However, robotics in general still depend on human inputs in certain areas such as localization, navigation, etc. In this paper, we propose a study case of robot navigation based on deep reinforcement technology. We look into the benefits of switching from traditional ROS-based navigation algorithms towards machine learning approaches and methods. We describe the state-of-the-art technology by introducing the concepts of Reinforcement Learning (RL), Deep Learning (DL) and DRL before before focusing on visual navigation based on DRL. The case study preludes further real life deployment in which mobile navigational agent learns to navigate unbeknownst areas.