연구보고서
| 보고서명 | 2020년도 대통령Post-Doc.펠로우십 연차실적계획서 |
| 연구책임자 | 이동혁 |
| 발행년도 | 2019 |
| 내 용 | * 1차년도 본 연구에서는 (i)고도로 높은 수준의 조작능력이 필요하고, (ii)이전에 시도된 바 없어 도전적이며, (iii)향후 산업 전반에 응용성이 높은 대표적인 인간 작업 사례 4가지를 선정하고 각 작업을 각 차년도마다 로봇 손을 이용해 구현하며 점진적으로 기술을 고도화 시킨다. 1차년도에는 향후 4개년동안 사용될 로봇 손 플랫폼을 설계하며 2차년도 이후 연구에 계속적으로 사용될 핑거팁용 6축 센서를 개발하는 것을 주요 목표로 한다. *2차년도 1 차년도에 개발된 핑거팁용 다축 힘센서가 장착된 로봇 손과 소속 연구소에서 보유중인 양팔로봇을 이용한 “인간 수준의 조작 작업 구현”의 최초 단계로써 무작위로 놓여진 블록들을 조립하여 하나의 완성품으로 조립하는 작업에 도전한다. 블록 조립작업은 산업현장의 일반적인 조립 작업을 개념적으로 대표하는 예시로써, 기존의 손-팔 구조를 갖는 인간형 로봇에서는 본격적으로 시도된 바 없는 도전적인 목표이다. 또한 1차년도의 핑거팁용 6축센서에 이어 피부형 Tactile 센서를 개발한다. 2차년도의 블록 조립까지는 핑거팁 방식의 다축 힘센서로 작업에 필요한 충분한 정보를 얻을 수 있으나 3차년도 이후의 더 진보된 조작 연구를 위해서는 핑거팁 뿐만이 아닌 손가락 전체나 손바닥 전체에서 접촉력을 측정할 수 있는 센서가 필수적이다. 본 연구에서는 핑거팁 다축 힘센서와 별도로 피부형 센서를 도입하여 센서가 로봇 손의 표면을 자연스럽게 감쌀 수 있도록 한다. *3차년도 3차년도에는 1~2차년도에 개발된 기술을 바탕으로 사람이 사용하는 것과 동일한 도구를 이용한 조립작업 기술에 대한 연구를 진행한다. 광범위한 촉각 정보를 어떻게 매니퓰레이션에 효과적으로 이용할 것인가는 로봇 매니퓰레이션 연구 분야에서도 매우 앞서있는 연구 주제로써 이에 대한 만족스러운 솔루션은 아직 존재하지 않는다. 3차년도에는 기계학습 방법론 (특히 Deep 러닝과 강화학습 기술의 결합)을 도입하여 이러한 주제를 해결할 실마리를 찾고자 한다. 최신의 Convolution neural network를 이용한 연구성과들을 도입하여 본 연구에서 깊은 관심을 갖는 촉각뿐만 아니라 시각 등 을 같이 사용하는 강화학습 솔루션을 기존의 로봇 매니퓰레이션 기술과 결합하고자 한다. *4차년도 연구 4차년도에는 작업은 2~3차년도의 목표 작업보다 높은 위치 정밀도를 필요로 하는 작업을 구현 한다. 예를 들어 사람의 납땜을 위해 인두기 사용 장면을 관찰해보면 손이 허공에 떠 있을 때는 사람도 손떨림 때문에 정확한 납땜 작업이 불가능하다. 따라서 사람은 손을 바닥에 대고 지탱하면서 손떨림을 막는다. 본 목표는 이와 같은 높은 위치정밀도를 필요로 하는 작업을 특히 3차년도에 개발된 기계학습 기반의 지능 조작 방법론을 발전시켜 로봇손을 이용해 어떻게 구현하는가를 다룬다. *5차년도 5차년도에는 젓가락을 이용해 콩과 같은 크기의 소형 물체를 집고 조작하는 작업을 로봇 손으로 구현하는 것을 목표로 한다. 해당 목표는 본 연구에서 실시하는 조작 목표 중 가장 도전적인 것으로 당장의 산업 응용 보다는 학술적 가치에 더욱 초점을 맞춘다. 젓가락질은 인간의 조작 행위중에서도 가장 높은 난이도의 작업 중 하나로써 이의 구현에 성공할 경우 향후 수년간 세계에서도 독보적인 최고 수준의 로봇 매니퓰레이션 업적으로 남겨질 것으로 예상된다. |
| 접수일 | 2023-01-18 |
| 첨부파일 |
논문자료 문의는 아래의 담당자에게 문의주세요.
담당부서 : 총무운영실
(실무담당자) 김선미
아래그림의 글자를 입력하세요.
| 구분 | 내용 |
|---|---|
   |
|
|
이 웹 사이트는 개인정보
보호를 위해 전화번호 추출을
금지하고 있습니다.
