• The KIPS Transactions:PartB
• /
• v.9B no.2
• /
• pp.139-146
• /
• 2002

The robot soccer simulation game is a dynamic multi-agent environment. In this paper we suggest a new reinforcement learning approach to each agent's dynamic positioning in such dynamic environment. Reinforcement learning is the machine learning in which an agent learns from indirect, delayed reward an optimal policy to choose sequences of actions that produce the greatest cumulative reward. Therefore the reinforcement learning is different from supervised learning in the sense that there is no presentation of input-output pairs as training examples. Furthermore, model-free reinforcement learning algorithms like Q-learning do not require defining or learning any models of the surrounding environment. Nevertheless these algorithms can learn the optimal policy if the agent can visit every state-action pair infinitely. However, the biggest problem of monolithic reinforcement learning is that its straightforward applications do not successfully scale up to more complex environments due to the intractable large space of states. In order to address this problem, we suggest Adaptive Mediation-based Modular Q-Learning (AMMQL) as an improvement of the existing Modular Q-Learning (MQL). While simple modular Q-learning combines the results from each learning module in a fixed way, AMMQL combines them in a more flexible way by assigning different weight to each module according to its contribution to rewards. Therefore in addition to resolving the problem of large state space effectively, AMMQL can show higher adaptability to environmental changes than pure MQL. In this paper we use the AMMQL algorithn as a learning method for dynamic positioning of the robot soccer agent, and implement a robot soccer agent system called Cogitoniks.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2003.10a
• /
• pp.177-177
• /
• 2003

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.533-535
• /
• 2021

본 연구에서는 서비스 역할을 수행하는 6축 모듈형 매니퓰레이터 개발을 목표로 하며, 최종 기술 사양에 따른 설계를 진행하는 과정에서 기구의 섬세한 동작을 효율적으로 제어하기 위해 로봇 제어 소프트웨어의 오픈소스 환경인 ROS를 사용한다. 매니퓰레이터의 동작 설계를 ROS 기반에서 제어하기 위해 중요한 기본 환경을 구축하였으며, 특히 로봇 모델링을 위한 시각화를 위해 URDF파일에 해당 매니퓰레이터의 필수 파라미터값들을 지정하여 적용하였고, 전체 동작 시나리오에 맞춰 매니퓰레이터가 특정 자세를 취할 경우의 역기구학적인 해석과 그에 따른 경로를 생성하도록 매니퓰레이터의 라이브러리인 MoveIt을 활용하여 시각적으로 표현하고 시뮬레이션을 수행하였다. 또한, 설계한 ROS 환경 설계 방법을 바탕으로 MCU와의 통신을 통해 모터의 실시간 각도 값을 제어하고, 3D 깊이 카메라의 거리정보와 이미지 정보의 융합을 통해 로봇의 서비스 내용의 개선을 기대할 수 있다.

• 전기의세계
• /
• v.51 no.9
• /
• pp.26-31
• /
• 2002

최근 일본에서 발표된 혼다의 ASIMO, 소니의 AIBO, SDR-3X, SDR-4X 등의 로봇에 힘입어 전 세계적으로 퍼스널 로봇의 연구개발이 활성화되고 있으며, 국내에서도 소규모 벤처 로봇 업체를 중심으로 이전의 산업용 로봇으로부터 퍼스널 로봇으로 개발방향을 선회하고 있는 실정이다. 이미 인터넷이나 신문매체를 통하여 접할 수 있는 구미의 실용적인 서비스 로봇기술과 함께, 마치 정말로 살아서 움직이는 듯한 동작을 표현하는 일본의 로봇기술은 개발하는 사람으로서도 절로 감탄을 자아내게 만든다. 이러한 로봇 및 제어기술에 대한 국내의 로봇 벤처기업의 반응은 이를 구현할 수 있는 일본의 산업인프라가 부럽다는 것이다. 즉 모터, 센서, 전지 등의 핵심부품만 받쳐준다면 해볼 만 하다는 것이다. 여기에는 여러 가지 메커니즘 및 핵심부품이 있으나 이 글에서는 산업자원부의 자금으로 수행하고 있는 퍼스널 로봇용 기반기술 과제를 중심으로 메커니즘 부분에는 모듈형 로봇 팔과 이동 메커니즘, 그리고 핵심부품부분에는 구동부품과 스테레오 시각센서에 관하여 소개하고자 한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.5 no.6
• /
• pp.664-671
• /
• 2010

In this paper, we developed a Zigbee module based on CC2520 which is possible to construct the mesh network and also support to Zigbee Pro standard as a preceding research of autonomous moving of mobile robot using Zigbee. After manufacturing the Zigbee module, we selected antenna to fit Zigbee wireless frequency band using network analyze as means performance improvement. We also carry out an impedance matching of Zigbee module, extend the possible distance of two-way wireless communication and ensure the safety of communication.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.529-532
• /
• 2021

본 논문은 서비스 로봇 분야에서 역할을 수행하는 ROS 및 딥러닝 기반 모듈형 6자유도 매니퓰레이터의 설계 방법 및 성능 개선 결과를 제시한다. 기구적 설계, 모터 선정, 역 기구학 해석 방법 및 지능적 제어 방법에 대한 개선점과 향후 연구과제에 대해 다루었다. 특히 고정된 작업 반경 안에 있는 물체를 검출하고 이동시키는 방법을 딥러닝학습에 의해 정확도를 증가시키며, 임의의 위치에 존재하는 다양한 작업환경에서도 성공적인 작업수행이 가능하도록 수직 다관절 모듈형 매니퓰레이터를 설계하고 주요 성능을 검증하였으며 사용자의 사용 목적에 맞게 다양한 환경에서의 임무 수행이 가능하도록 설계하였다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2009.06a
• /
• pp.567-568
• /
• 2009

• 한국IT서비스학회:학술대회논문집
• /
• 2009.11a
• /
• pp.310-315
• /
• 2009

로봇(Robot)을 활용한 연구는 산업적 측면이 아닌 연구개발의 측면에서 진행되고 있었으나, 최근 들어 로봇 시스템의 상품화를 위하여 주어진 동작들을 조합하여 더 많은 동작을 생성할 수 있는 기술들이 진보되어 댄스나 배틀(대전)을 할 수 있을 정도로 발전하고 있다. 또한, 로봇 기술은 향후 10년 내에 우리들의 삶에 끼칠 영향은 매우 지대할 것으로 전망된다. 실제 로봇과 가상 로봇 인터페이스 기술이 상용화되기 위한 On-line Interactive 콘텐츠와 실제 로봇 등의 동기화 엔진 개발과 동기화를 위한 무선 프로토콜 및 복합동작 또는 연속동작을 수행할 수 있는 소프트웨어, 실제와 가상 로봇 제어 디바이스 모듈의 개발에 관련된 표준을 필요로 한다. 본 논문에서는 다차원의 융합기술을 기반으로 하는 로봇을 활용한 게임시스템은 해당산업에 미치는 효과가 막대하여, 그에 적합한 최신 정보 분석을 통한 기술동향을 제안한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.195-198
• /
• 2005

최근 실내 환경에서 영상 정보를 사용하여 로봇이 서비스를 제공하기 위한 연구가 활발하다. 과거 영상 처리 접근 방법은 산업 환경과 같은 예측 가능한 환경을 바탕으로 미리 정의된 기하학적 모델을 통해 상황을 인식하였기에, 이를 실내 환경과 같은 가변적인 환경에 적용할 시 성능이 저하된다. 이에 지식을 기반으로 불확실성을 해결하여 정확도를 향상 시킴으로써 영상 인식 성능을 높이기 위한 다양한 연구가 진행되어 왔다. 본 논문에서는 실내에서 활동하는 서비스 로봇의 물체인식 성능을 향상시키기 위해, 대상 물체가 다른 물체에 의해서 가려져 있는 경우 대상 물체의 존재 여부를 추론하기 위한 베이지안 네트워크 모델링 방법을 제안한다. 제안하는 방법은 작은 단위로 설계된 베이지안 네트워크들을 상황에 따라 결합하여 추론 모델이 구성되게 하였고 물체간의 관계를 효과적으로 표현하고 초기 확률 값을 단일하게 유지하기 위해 제안된 확률 값 설정 방법을 사용하였다. 실험은 물체 관계를 추론하는 모듈의 성능을 검증하기 위해 수행되었는데, 5가지 장소에서 82.8$\%$의 정확도를 보여주었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.349-351
• /
• 2002

베이지안 네트워크는 변수들간의 원인-결과 관계를 확률적으로 모델링하기 위한 도구로서 소프트웨어 사용자의 목적을 추론하기 위해 널리 이용된다. 행동기반 로봇 설계는 반응적(reactive) 행동 모듈을 효과적으로 결합하여 복잡한 행동을 생성하기 위한 접근 방법이다. 행동의 결합은 로봇의 목표, 외부환경, 행동들 사이의 관계를 종합적으로 고려하여 동적으로 이루어진다. 그러나 현재의 결합 모델은 사전에 설계자에 의해 구조가 결정되는 고정적인 형태이기 때문에 환경의 변화에 맞게 목표를 변화시키지 못한다. 본 연구에서는 베이지안 네트워크를 이용하여 현재 상황에 가장 적합한 로봇의 목표를 설정하여 유연한 행동선택을 유도한다. Khepera 이동로봇 시뮬레이터를 이용하여 실험을 수행해 본 결과 베이지안 네트워크를 적용한 모델이 상황에 적합하게 목적을 선택하여 문제를 해결하는 것을 알 수 있었다.