 |
이승제 교수 (서울과학기술대학교)
멀티로터 무인항공기 기반 로보틱스의 난관들과 극복방안 – 하드웨어부터 비행제어 알고리즘까지
일시: 2024년 7월 2일(화) 14:00-14:30 |
| 2010년 초반에 본격적으로 부상하기 시작한 멀티로터 무인항공기 플랫폼은 취미용 RC 플랫폼에서 시작해 공중촬영 플랫폼으로 눈부신 발전을 거듭하였고, 오늘날에는 미래 도심항공 모빌리티 플랫폼의 구현을 위한 가장 주요한 도구로 인식되고 있다. 현대 비행 로보틱스에 있어 검증된 기존 헬리콥터 플랫폼 구조가 존재함에도 멀티로터 무인항공기 플랫폼이 각광받은 이유는 간결한 기계구조와 손쉬운 비행제어가 주되게 꼽힌다. 그러나 간결한 하드웨어 구조는 부족구동으로 불리우는 기구학적 제약을 발생시켜 다양한 연구/상업적 어플리케이션의 제약을 발생시키고, 동체 외부로 돌출된 프로펠러 추진구조는 화물을 탑재하는데 불리하며, 특히 상해 가능성의 이유로 사람에게 근접한 비행을 어렵게 해 상업적 효용을 감소시킨다. 전기모터의 빠른 응답에 기대는 비행제어 특성 상 대부분의 멀티로터 무인항공기는 배터리를 주된 동력원으로 삼기에 비행시간이 매우 짧다는 한계 또한 존재한다. 이외에도 제어적 측면에서 멀티로터 무인항공기는 지면 수직항력 및 마찰력의 외력보상을 기대할 수 없어 지상로봇에 비해 바람 등 외력에 취약한 특성을 보이며, 이는 화물운송 및 원격 비파괴 검사, 사물 조작 등 외부 물체와의 상호작용 시 안정적인 제어의 걸림돌로 작용한다. 본 강연에서는 상기 언급한 하드웨어 및 제어의 관점에서 제기한 멀티로터 무인항공기의 다양한 난관들을 해결하기 위한 세계적 연구의 트렌드들을 살펴보고, 강연자의 관점에서 바라본 각 문제들의 공학적 해결방안들(강건 비행제어, HRI 비행제어, 비상비행제어, 완전구동 멀티로터, 공중도킹 비행모듈, 공중 배터리 교환전략 등)에 대해 소개한다.
Career |
|
 |
송성문 교수 (Northeastern University, USA)
Towards digital motor clones for gait assistive devices
일시: 2024년 7월 2일(화) 14:30-15:00 |
| My research goal is to develop digital motor clones that can accurately predict the movements of individuals in novel scenarios. We focus on neuromechanical simulations of human locomotion, where motor control models actuate musculoskeletal models within physics simulations to predict and explain human movement. This simulation framework has significant implications for studying human physiology and developing assistive devices. I will provide an overview of our earlier efforts involving a reflex-based control model that generates diverse human-like locomotion, responds to perturbations in a manner similar to humans, and can be artificially aged to simulate elderly-like gaits. I will then discuss our ongoing efforts to utilize deep reinforcement learning methods to broaden these capabilities to include atypical locomotion behaviors and to serve as a simulation testbed for gait-assistive exoskeletons. Additionally, we adapt the human simulation model to act as a virtual neuromuscular controller for robotic systems such as ankle exoskeletons. Lastly, I’ll present our collaborative work on MyoSuite, an integrated open-source platform for neuromechanical simulations.
Dr. Seungmoon Song is an Assistant Professor of Mechanical and Industrial Engineering at Northeastern University and the Director of the NeuMove Lab. He is a significant contributor to MyoSuite and the NeurIPS: MyoChallenge. He received the NIH Pathway to Independence Award (K99/R00). During his postdoctoral fellowship at Stanford University, he conducted research on human-in-the-loop optimization frameworks for gait assistive exoskeletons. He earned his Ph.D. in Robotics from Carnegie Mellon University in 2017, receiving the Presidential Fellowship for his work on computational neuromechanical models of human locomotion. He obtained his M.S. in Electrical and Computer Engineering from Virginia Tech in 2010, where he focused on developing walking controllers for humanoid robots, and his B.E. with summa cum laude in Electrical and Communications Engineering in 2008 from Information and Communications University (now merged into the Korea Advanced Institute of Science and Technology). |
|
 |
이병윤 박사 (니어스랩)
드론과 AI로 세상에 새로운 가치를 제공하기
일시: 2024년 7월 3일(수) 14:00-14:30 |
| 소형 멀티로터형 드론이라는 플랫폼이 여러 산업에 본격적으로 쓰이고 있으며, AI 라는 강력한 신기술 역시 갈수록 더 많이, 더 빠르게 대중화되고 있습니다. 저희 니어스랩은 이런 혁신적인 기술들이 발전되는 과정을 함께 하면서, 드론과 AI 기술들을 기반으로 세상에 새로운 가치들을 제공하고 있습니다. 연구실에서 연구하던 요소 기술들을 바탕으로 기존에 없었던 새로운 시장인 “드론을 이용한 풍력발전기 점검” 시장을 열어나가며 달성하고 있는 의미있는 성과들을 소개해 드립니다. 이에 더하여 드론과 AI를 활용해 세상에 새로운 가치를 제공하고자 하는 니어스랩의 미래 제품개발 방향성에 대해서도 공유해 드리며, 이러한 소개로 청중 여러분의 드론과 AI 기술의 발전 방향성에 대한 인사이트에 도움을 드리고자 합니다.Lee, Byung-Yoon is a Lead Aerospace Engineer at NearthLab. He has developed a drone that combines AI and autonomous flight to automatically inspect wind turbines. This AI-powered wind turbine inspection drone is currently operating in many wind farms around the world. Currently, he is developing a small multicopter-type drone platform that can be utilized for multiple purposes. His interests include optimal control, autonomous flight, and systems engineering. He received his B.S. degree in electronic and computer engineering from Kyunghee University in 2010, and M.S. and Ph.D. degrees in aerospace engineering from the Korea Advanced Institute of Science and Technology (KAIST) in 2013 and 2018. |
|
 |
이기욱 교수 (중앙대학교)
‘Personalized’ Wearable Robot
일시: 2024년 7월 3일(수) 14:30-15:00 |
| 모든 기술 발달은 우리가 향하는 미래를 디자인하는 과정입니다. 예전부터 SF 영화에서 상상했던 것처럼, 개인의 필요에 맞는 물리적 지원을 제공하는 웨어러블 로봇은 우리의 꿈 중 하나였습니다. 최근에는 연구실에서부터 완성품으로 나오고 있는 다양한 기술들이 이를 실현하고 있습니다. 개인적으로는 5년 후에는 웨어러블 로봇을 통한 일상은 매우 자연스러워질 것으로 기대합니다. 그렇다면 어떤 웨어러블 로봇이 우리의 일상에 가장 적합할까요? 이는 단순한 기능을 넘어 소비자의 경험을 고려해야 합니다. 일상적으로 착용하는 웨어러블 로봇은 마치 내 몸과 연결된 것처럼 느껴져야 합니다. 따라서 개인 맞춤화 된 형태와 사용자에게 불편함을 최소화하는 웨어러블 형태, 그리고 사용자에게 최적화된 제어를 할 수 있는 On-device AI 기술이 필요합니다. 우리의 연구 그룹은 이러한 개인화의 중요성을 고려하여 원천기술을 개발하고 있으며, 이를 제품화 형태까지 만들어가고 있습니다. 이번 강연을 통해 관련 분야의 연구자들과 함께 미래의 웨어러블 로봇에 대해 이야기를 나누고 공유하고자 합니다.
(2022-현재) ㈜휴로틱스 대표이사 |
|
 |
김종현 교수 (성균관대학교)
치료용 재활로봇의 과거 및 현재, 그리고 앞으로 나아가야 할 방향
일시: 2024년 7월 4일(목) 14:00-14:30 |
| 의료전문서비스 로봇 중 하나인 치료용 재활로봇 분야는 2000년대 초반부터 각광받기 시작하였으며, 현재에는 기업들이 개발한 다양한 재활로봇들이 임상 현장에서 실제로 활용되는 단계까지 발전되어 왔습니다. 그러나 다른 측면에서는 지금까지의 많은 발전에도 불구하고 재활로봇은 여전히 부족한 부분이 많다고 인식되고 있고, 이로 인해 임상 활용 및 시장 확산의 한계가 드러나고 있는 것 또한 사실입니다. 치료용 재활로봇 역시 의료기기이기에 시장 경쟁력을 위해서는 의료기술로서의 독창성 및 실용성에서의 강점을 가져야 한다는 점에서는 예외가 아닐 것입니다. 하지만 지금까지의 재활로봇은 이러한 현장의 요구를 잘 만족시켜주지 못하고 있으며, 결국 이러한 문제점을 극복해야만 재활로봇이 한 단계 도약할 수 있을 것입니다. 본 강연에서는 치료용 재활로봇이 임상 현장에서 보여준 현실을 직시하면서 강연자가 느꼈던 기존 재활로봇의 대표적인 문제점, 그리고 재활로봇이 임상 현장에서 잘 활용되기 위해 필요한 임상 환경 변화에 대한 고민을 공유하고자 합니다. 또한 이러한 산적한 문제들을 해결하기 위한 강연자의 노력에 대해 소개하며 미래의 치료용 재활로봇이 나아가야 할 방향에 관하여 이야기고자 합니다.
(2022-현재) 성균관대학교 로봇공학연구소 연구소장 |
|
 |
이동환 교수 (KAIST)
제어 및 최적화 관점의 강화 학습 해석
일시: 2024년 7월 4일(목) 14:30-15:00 |
| Reinforcement learning (RL) is a central topic for machine learning research and artificial intelligent. It addresses the problem of how a decision maker can learn an optimal decision making rule to maximize cumulative rewards, while interacting with unknown environment. RL has recently captured significant attentions in the AI and control community for outperforming human in several challenging tasks, such as Atari video games and AlphaGo. Despite the empirical successes, people have limited understanding on convergence of RLs (especially deep RLs). Motivated by the discussions, in this talk, I will present a dynamic control system perspective of RL algorithms, which unifies the asymptotic and non-asymptotic convergence analysis of RL algorithms, especially Q-learning. Specifically, we view Q-learning as switching systems and then use a unified approach for their convergence certifications based on switching system theory. I expect that the approach provides unified practical tools for analysis of a large family of Q-learnings, and can stimulate new RL algorithm developments. Moreover, this work can stimulate synergies between RL and control theories. Moreover, we discuss about various extensions of the proposed viewpoints to analyze other Q-learning variants, including soft Q-learning, double Q-learning, adversarial Q-learning, and so on. In the remaining part of the talk, I will introduce optimization perspectives of RL algorithms including gradient TD-learning and distributed RL.
Our research broadly covers reinforcement learning and applications, control theory, optimization algorithms, and interplay among them. Recently, we have explored convergence analysis of reinforcement learning using control theories such as the linear and switching system models. The main advantage of our approach lies in its introduction of a unique switching system and control viewpoints. Building upon these perspectives, we have developed clear and simpler analysis frameworks for finite-time error bounds. These perspectives not only offer simplicity but also yield valuable insights into Q-learning and general reinforcement learning. The proposed techniques, based on the foundational principles of systems and control theory, render the overall analysis more accessible and intuitive particularly for people with a background in control theory. Assistant Professor at KAIST, 2020-Current |
|