• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.40 no.10
• /
• pp.843-849
• /
• 2016

It has been shown that the adaptive grasp feature can be implemented by underactuated robotic hands with a minimal number of actuators. Following this approach, a new design of prosthetic hand is presented. A method is proposed for evaluating grasp performance using cylinders, spheres, and square bars of various sizes. The effects of the major design parameters were investigated experimentally and an improved design is proposed.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.5
• /
• pp.179-186
• /
• 2021

Manipulation of complex objects with an anthropomorphic robot hand like a human hand is a challenge in the human-centric environment. In order to train the anthropomorphic robot hand which has a high degree of freedom (DoF), human demonstration augmented deep reinforcement learning policy optimization methods have been proposed. In this work, we first demonstrate augmentation of human demonstration in deep reinforcement learning (DRL) is effective for object manipulation by comparing the performance of the augmentation-free Natural Policy Gradient (NPG) and Demonstration Augmented NPG (DA-NPG). Then three DRL policy optimization methods, namely NPG, Trust Region Policy Optimization (TRPO), and Proximal Policy Optimization (PPO), have been evaluated with DA (i.e., DA-NPG, DA-TRPO, and DA-PPO) and without DA by manipulating six objects such as apple, banana, bottle, light bulb, camera, and hammer. The results show that DA-NPG achieved the average success rate of 99.33% whereas NPG only achieved 60%. In addition, DA-NPG succeeded grasping all six objects while DA-TRPO and DA-PPO failed to grasp some objects and showed unstable performances.

• Proceedings of the Korean Fiber Society Conference
• /
• 2003.04a
• /
• pp.364-365
• /
• 2003

토목합성재료는 지반위에 전폭으로 연결되어 사용되고 하중도 전장 및 전폭으로 전달되므로 인장강도 역시 전장 및 전폭으로 시험하는 것이 바람직하나 시험기의 용량 및 시험편 파지장치의 기술적 제약 상 전폭시험이 불가능하다. 현재 국내에서는 그래브 및 스트립 상태인 소폭으로 시험한 후 m당 인장강도로 환산하여 시공설계에 적용하고 있으므로 실제 재료의 설계 시 인장강도와 측정된 인장강도간에 차이가 있다. 그러나 미국, 유럽 등에서는 광폭시험편을 준비하여 인장강도를 측정함으로써 이러한 오차를 최소화하고 있다. (중략)

• Annual Conference of KIPS
• /
• 2020.11a
• /
• pp.858-861
• /
• 2020

로봇이 사람과 같이 다양하고 복잡한 사물 조작을 하기 위해서 휴먼형 로봇손의 사물 파지 작업이 필수적이다. 자유도 (Degree of Freedom, DoF)가 높은 휴먼형(anthropomorphic) 로봇손을 학습시키기 위하여 사람 데모(human demonstration)가 결합된 강화학습 최적화 방법이 제안되었다. 본 연구에서는 강화학습 최적화 방법에 사람 데모가 결합된 Demonstration Augmented Natural Policy Gradient(DA-NPG)와 NPG 의 성능 비교를 통하여 행동 복제의 효율성을 확인하고, DA-NPG, DA-Trust Region Policy Optimization (DA-TRPO), DA-Proximal Policy Optimization (DA-PPO)의 최적화 방법의 성능 평가를 위하여 6 종의 물체에 대한 휴먼형 로봇손의 사물 조작 작업을 수행한다. 그 결과, DA-NPG 와 NPG를 비교한 결과를 통해 휴먼형 로봇손의 사물 조작 강화학습에 행동 복제가 효율적임을 증명하였다. 또한, DA-NPG 는 DA-TRPO 와 유사한 성능을 보이면서 모든 물체에 대한 사물 파지에 성공하여 가장 안정적이었다. 반면, DA-TRPO 와 DA-PPO 는 사물 조작에 실패한 물체가 존재하여 불안정한 성능을 보였다. 본 연구에서 제안하는 방법은 향후 실제 휴먼형 로봇에 적용하여 휴먼형 로봇 손의 사물조작 지능 개발에 유용할 것으로 전망된다.

• Journal of The Korean Society of Agricultural Engineers
• /
• v.55 no.6
• /
• pp.1-9
• /
• 2013

미래 기후 정보를 이용한 수문 환경의 단기 미래 예측은 안정적 수자원 공급을 위한 필수적 과제이다. 미국 플로리다 주 중서부 템파지역에서는 주요 수자원 중 하나인 지하수의 효과적 활용을 위해 지하수위 인공신경망 모델 (GWANN)을 개발하여 피압 대수층과 비피압 대수층에 대한 주 단위 평균 지하수위를 월별로 예측하고 그 결과를 수자원 공급 의사 결정에 반영하고 있다. 본 논문은 템파지역에 대한 GWANN 모델을 이용한 지하수위 예측 시스템을 소개하고 모델의 기후 입력 자료의 민감도를 분석함으로써 양질의 기후 정보에 대한 현 시스템의 활용성을 검토하였다. 2006년과 2007년에 대한 연구 결과, 관측 자료를 최적 예측 시나리오 (the best forecast)로 가정하여 적용한 결과는 지하수위 관측 지점에 따라 큰 차이를 보였지만 일반적으로 현 시스템 (현 시점의 실시간 주 단위 평균 강우량을 향후 4주간 동일하게 적용함) 에 비해 예측 성능이 개선되는 것으로 나타났다. 더불어 강우 관측 자료의 백분위 (percentile forecast; 20분위, 50분위, 80분위)를 강우 예측 자료로 활용한 경우에도 현 시스템과 비교하여 일부 나은 결과를 보여주었다. 그러나 지하수위 예측 모델을 활용하지 않고 현 시점의 지하 수위가 지속된다고 가정하는 경우 (na$\ddot{i}$ve model) 향후 2주간의 예측 결과가 best forecast 경우에 비해 높은 정확도를 보이는 등, GWANN 모델의 단기 예측에 대한 양질의 강우 예측 정보의 활용성은 낮으며, 향후 3주 이상에 대한 예측 성능에 있어 best forecast결과가 na$\ddot{i}$ve model 결과에 비해 높은 정확도를 보이기 시작하는 것으로 나타났다. 또한 GWANN 모델의 예측 성능은 적용 기간과 지역 및 지하대수층의 특성에 따라 큰 다양성을 가지는 단점을 보여 강우 예측 자료 활용에 앞서 모델 개선의 필요성이 있다고 판단된다. 본 연구는 단기수자원 공급 계획 수립을 위하여 사용되는 지역 모델링 시스템에 대한 기후 예측정보의 활용성 평가를 위한 방법론으로 고려될 수 있을 것으로 기대된다.

• Proceedings of the Korea Technical Association of the Pulp and Paper Industry Conference
• /
• 2001.04a
• /
• pp.159-159
• /
• 2001

용수 다소비 산업인 제지산업은 날로 심해지는 환경규제에 대처하기 위해 청수사용 량을 줄이고 백수의 재활용을 극대화하며, 궁극적으로는 폐수를 배출시키지 않는 무방류화 공정의 실현을 위해 많은 연구와 노력을 경주하고 있다. 제지공정의 폐쇄화가 성공적으로 이루어지기 위해서는 폐수의 처리를 통한 수질 개선 및 처리수의 재활용을 제고하는 방안을 채용할 수 있으나, 제지공정의 막대한 용수 사용량을 생각할 때 방출되는 공정수를 이와 같 은 방법으로 완전히 정화, 재사용한다는 것은 경제적으로 비현실적이라 할 수 있다. 따라서 공정수의 정화 및 정화된 처리수의 재활용율 제고를 통하여 제지공정의 무방류화를 실현하 더라도 공정수의 수질 악화는 필연적으로 발생하게 되며 따라서 이에 대한 다각적인 대처 가 요청된다. 제지공정의 무방류화에 따른 수질의 악화는 용수 내 미세분 및 이온성 물질의 누적 을 통해 이루어지며, 이로 인해 펠트 플러깅, 첨가제의 성능저하, 슬라임 및 악취 발생, 제품 의 품질저하 등 여러 가지 문제들이 발생하게 된다. 본 연구에서는 백상지 공정의 폐쇄화를 실험실적으로 재현하여 용수 내 미세분 및 각종 이온성 물질의 누적이 종이의 불성에 미치는 영향을 평가하고자 하였다. 백상지 공정 수 내에는 도공파지의 유입과 다량의 충전제 사용에 의하여 상당량의 회분성분이 미세분으 로 포함되어 있다. 이에 백상지 공정의 폐쇄화 단계에 따라 용수 내 누적되는 회분의 특성 변화를 파악하고, 이것이 종이 물성에 대한 영향을 살펴보았다. 또 백수의 재활용에 따른 각 종 이온성 물질의 누적이 종이의 물성에 미치는 영향도 평가하였다. 이러한 이온성 물질의 대상은 칼습 경도 및 전기전도도에 영향하는 무기 이온성 물질과 COD 및 BOD에 영향하는 유기 이온성 물질로 구분하여 평가하였다. 이후 계내에 존재하는 각 이온성 물질의 농도 증 가에 따라 종이를 제조하여 물성의 변화를 파악하였다.

• Journal of KIISE
• /
• v.42 no.1
• /
• pp.54-67
• /
• 2015

Nowadays, studies on the fusion of Semantic Web technologies are being carried out to promote the interoperability and value of sensor data in an IoT environment. To accomplish this, the semantic translation of sensor data is essential for convergence with service domain knowledge. The existing semantic translation technique, however, involves translating from static metadata into semantic data(RDF), and cannot properly process real-time and large-scale features in an IoT environment. Therefore, in this paper, we propose a technique for translating large-scale streaming sensor data generated in an IoT environment into semantic data, using real-time and parallel processing. In this technique, we define rules for semantic translation and store them in the semantic repository. The sensor data is translated in real-time with parallel processing using these pre-defined rules and an ontology-based semantic model. To improve the performance, we use the Apache Storm, a real-time big data analysis framework for parallel processing. The proposed technique was subjected to performance testing with the AWS observation data of the Meteorological Administration, which are large-scale streaming sensor data for demonstration purposes.