연구

연구 질문센서 잡음과 환경 변화, 미확인 영역이 존재하는 상황에서 로봇이 주변 환경에 대한 정확하고 활용 가능한 모델을 어떻게 유지할 수 있는가?

중요성

현장에 투입된 이동 로봇의 고장은 대부분 위치나 주변 환경을 잘못 추정하는 데서 시작됩니다. 신뢰할 수 있는 인지 기술이 있어야 로봇이 상시 감독 없이 이동하고 작업할 수 있습니다.

접근 방법

카메라, 깊이 센서, 라이다, 관성 측정 데이터를 융합하고, 측정 가능한 기준값과 비교하여 추정 기법을 평가하며, 인지 오차가 경로 계획과 작업 수행에 어떤 영향을 미치는지 분석합니다.

목표로 하는 진전

위치 추정 누적 오차 감소, 변화하는 환경에서의 주행 실패 감소, 그리고 일부 센서를 잃더라도 예측 가능한 방식으로 성능이 저하되는 시스템.

연구 질문학습된 행동은 어느 수준에 이르러야 실제 물리적 작업에 신뢰하고 적용할 수 있으며, 이를 단 한 번의 성공 시연이 아닌 근거로 어떻게 입증할 수 있는가?

중요성

학습 기반 방법은 사람이 직접 프로그래밍하기 어려운 동작과 판단을 만들어 낼 수 있습니다. 그러나 실패 양상을 예측하기 어렵기 때문에 학습만큼 평가가 중요합니다.

접근 방법

학습된 구성 요소를 전체 시스템의 일부로 다룹니다. 정의된 과업을 기준으로 학습시키고, 기존 방식의 기준선과 비교하며, 반복 시험과 다양한 조건에서 검증합니다.

목표로 하는 진전

성공률이 측정되고 실패 유형이 파악되었으며, 사용해서는 안 되는 조건이 명확히 정의된 학습 행동.

연구 질문시뮬레이션에서 얻은 결과 중 어떤 것을 실제 로봇에서도 신뢰할 수 있으며, 그 차이를 측정할 수 있도록 시뮬레이션을 어떻게 구성해야 하는가?

중요성

시뮬레이션을 활용하면 수천 가지 상황을 안전하고 경제적으로 시험할 수 있습니다. 다만 그 가치는 로봇과 환경 모델이 현실과 어디에서 어긋나는지 알고 있을 때에만 성립합니다.

접근 방법

시뮬레이션과 실제 하드웨어에서 동일한 소프트웨어 인터페이스를 사용하고, 물리 파라미터를 의도적으로 변화시키며, 동일한 과업에 대해 시뮬레이션 시험과 실물 시험을 짝지어 비교합니다.

목표로 하는 진전

과업별로 문서화된 시뮬레이션-실물 간 성능 차이, 그리고 하드웨어 시험 이전에 문제를 걸러내는 시험 시나리오.

연구 질문로봇이 다양한 물체와 여러 단계로 이루어진 작업을 다루면서, 이를 감독하는 사람에게 자신의 동작을 명확히 보여 주고 쉽게 개입할 수 있도록 하려면 어떻게 해야 하는가?

중요성

실제로 유용한 물리적 작업에는 대개 물체를 집고, 놓고, 조정하는 동작이 포함되며, 사람 가까이에서 이루어지는 경우가 많습니다. 운용자는 전문 지식 없이도 로봇을 이해하고 바로잡을 수 있어야 합니다.

접근 방법

파지 및 배치 전략, 작업 순서 계획과 오류 복구, 그리고 로봇의 상태와 의도를 보여 주고 모든 개입을 기록하는 운용자 인터페이스를 연구합니다.

목표로 하는 진전

물체가 달라져도 높은 작업 완료율, 더 적고 짧은 개입, 그리고 각 시험에서 무슨 일이 있었는지 설명해 주는 상호작용 기록.