Loading...

학술대회

Korea Robotics Society


학술대회
제20회 한국로봇종합학술대회(KRoC 2025) - 일반/특별(OS)/로봇학회논문지동시제출

  >   학술대회   >   국내학술대회

국내학술대회

Flagship Conferences
[Flagship Conferences 안내]
구분
일시
장소
성명
소속
Flagship conferencesI
2025년 2월 13일(목) 16:00~18:00
1층 오디토리움
성은호
서울대학교
김재형
한국과학기술원
이유성
아주대학교
유연국
광주과학기술원
권혁준
경북대학교
Flagship conferencesII
 - Robot Learning
2025년 2월 14일(금) 14:10~16:10
1층 오디토리움
정호준
서울대학교
박정은
고려대학교
권혁진
서울대학교
김도형
서울대학교
박주한
중앙대학교
신정규
중앙대학교
 
 
[Flagship ConferencesI] 
좌장: 오윤선 교수(한양대학교)
 
 
강연자
성은호 박사(서울대학교)
제목
SNU-Avatar Haptic Glove: Novel Modularized Haptic Glove via Trigonometric Series Elastic Actuators
학회
IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS)
요약
아바타 로봇은 현실적인 원격 조작이 필요하며 원격지의 로봇 핸드를 조작하는 글러브의 역할은 매우 중요합니다. 글러브는 손 자세를 정확하게 추정하고, 사용자의 불편을 최소화 하면서 원격지의 정보를 전달하는 햅틱 피드백을 제공하여 조작성을 향상합니다. 이를 위해 본 연구는 Trigonometric Series Elastic Actuators를 사용하여 손가락에 힘 피드백을 제공하는 것을 제안합니다. 햅틱 글러브는 중간 마디에 부착되어 추가 장비 설치가 용이하며, 착용자에게 안정적인 느낌을 제공합니다. 또한, 손끝에 직접 연결하지 않고도 손끝 위치를 추정할 수 있는 알고리즘을 제안하여 손 자세를 추정합니다. 최종적으로, 햅틱 글러브 포함가 포함된 시스템은 ANA 아바타 XPRIZE 대회에 참여하였으며, 원격 물체 조작뿐만 아니라 원격지에 있는 사람과의 상호작용을 포함한 8개의 미션을 수행하며 그 효과를 입증하였습니다.
논문 이해를 위한 추가자료
 
 
강연자
김재형 석사(한국과학기술원)
제목
An Intuitive Multi-Frequency Feature Representation for SO(3)-Equivariant Networks
학회
International Conference on Learning Representations(ICLR)
요약
본 논문은 3D 비전 알고리즘의 입력 회전 정규화 문제를 해결하기 위한 회전-등변 (SO(3) equivariant) 네트워크에서 사용할 수 있는 다중 주파수 기반 특징 표현법인 Frequency-based Equivariant feature Representation (FER)을 제안한다. FER은 고차원 특징 공간으로 매핑하며, 다중 주파수를 포착해 3D 데이터의 세부정보를 효과적으로 표현한다. 이를 회전-등변 네트워크인 Vector Neuron (VN)의 입력으로 활용하고, PointNet 및 DGCNN에 통합한 FER-VN-PointNet 및 FER-VN-DGCNN 모델이 다양한 3D 작업(형상 분류, 파트 분할, 노멀 추정, 포인트 완성, 형상 압축)에서 SOTA 또는 그와 유사한 성능을 달성했다. 특히, 기존 VN이 특정 작업에서 비등변 네트워크보다 낮은 성능을 보였던 문제를 해결하며, FER-VN은 3D 형상의 고주파 특징을 포착해 3차원 표현법을 얻어냄에 있어 더 우수한 성능을 보인다.
논문 이해를 위한 추가자료
 
 
강연자
이유성 석박통합과정(아주대학교)
제목
INDEX Gripper: Industrial Dexterous Robotic Gripper Capable of All-Orientational Object Manipulation
학회
IEEE/ASME Transactions on Mechatronics(JCR5%)
요약
로봇 그리퍼의 물체 조작 능력은 로봇 시스템의 활용 범위를 확장하는 데 있어 매우 중요하다. 본 논문에서는 다양한 파지 동작 및 전 방향 물체 조작이 가능한 9자유도 3지 로봇 그리퍼를 제안한다. 그리퍼의 각 손가락은 4개의 사절링크로 구성된 링크 구동 메커니즘을 적용하여 3자유도 움직임을 구현하며, 세 손가락의 움직임을 조합하여 물체를 3차원 공간에서 원하는 자세로 회전 조작할 수 있다. 그리퍼 링크 구조에 대해 기구학 모델을 수립하고, 벡터 루프 방정식을 기반으로 역기구학, 파지력, 특이점 분석을 수행한다. 또한, 그리퍼의 파지 및 조작 동작을 직관적으로 제어하기 위해 그리퍼 손가락과 물체 간의 파지 관계를 정의하는 새로운 파라미터 시스템을 제안한다. 제시된 메커니즘을 바탕으로 실물 그리퍼와 제어 시스템을 구성하고 실험을 수행한다. 파지력, 제어 정확성, 반복성 실험을 통해 실물 그리퍼의 성능을 평가하고, 다물체 파지, 전 방향 물체 조작 실험을 통해 그리퍼의 물체 파지 및 조작 능력을 검증한다. 최종적으로, 두 가지 조립 작업 실증을 통해 제안하는 그리퍼가 다양한 산업 공정에서 로봇 시스템의 작업 효율성을 향상시킬 수 있음을 입증한다.
논문 이해를 위한 추가자료
 
 
강연자
유연국 박사(광주과학기술원)
제목
Curriculum Fine-tuning of Vision Foundation Model for Medical Image Classification Under Label Noise
학회
Conference on Neural Information Processing Systems(NeurIPS)
요약
딥러닝 모델은 다양한 컴퓨터 비전 작업에서 놀라운 성능을 보여주었으나, 학습 데이터의 품질에 크게 의존한다는 단점이 있다. 특히, 데이터의 라벨링에 있어서 실수가 잦을 수 있는 의료 도메인에서 데이터의 품질에 강건한 학습 기법의 중요성이 대두되고 있다. 기존 데이터 선택 기반의 노이즈 레이블에 강건한 학습 기법은 CNN기반의 네트워크에 대해서 개발되었으며 사전 학습된 파라메터를 이용하지 않는 것을 가정하여 활용도가 낮다는 단점이 있다. 본 논문에서는 거대 시각 모델(Vision Foundation Model)의 사전 학습된 파라메터를 활용하여 노이즈 레이블에 강건한 학습 기법인 CUFIT을 제안한다. 제안하는 방법은 Linear probing이 모델의 파라메터 변화를 적게 하여 노이즈 레이블을 외워버리는 현상이 적다는 것을 전제로 하여, Linear probing으로 주어진 데이터를 필터링 한 후, Adapter를 사용하여 필터링된 데이터를 학습하는 방법이다. 실험을 통해 4개의 의료 데이터셋에서 기존의 방법들보다 뛰어난 성능을 확인하였다. 또한, 다양한 종류의 거대 시각 모델과 Adapter에 대해 적용이 가능함을 확인함으로써 제안하는 방법의 높은 활용도를 보여주었다.
논문 이해를 위한 추가자료
 
 
강연자
권혁준 박사(경북대학교)
제목
Learning-Based Force Control of Twisted String Actuators Using a Neural Network-Based Inverse Model
학회
Humanoids/IEEE Robotics and Automation Letters(IEEE RA-L)
요약
본 논문에서는 신경망 기반 역 모델을 사용하여 줄꼬임 구동기의 학습 기반 힘 제어를 제안한다. 줄꼬임 구동기의 동적 모델 없이 입출력 데이터를 사용하여 학습 기반 힘 제어기는 설계된다. 또한, 모델 오차를 줄이고 입출력 간의 비선형 문제를 해결하기 위해 신경망 기반 역 모델이 사용된다. 훈련된 신경망 기반 역 모델은 줄꼬임 구동기의 힘 제어기로 구현된다. 또한, 본 논문에서는 학습 기반 제어기의 성능을 향상시키기 위해 세 가지 유형의 입력을 활용한 데이터 수집 방법을 제안한다. 제안된 데이터 수집 방법으로부터 향상된 제어 성능을 검증하기 위해 각 데이터 세트에 대한 학습 기반 힘 제어기의 성능을 비교하였다. 실험을 통해 제안된 입력 기반 데이터 세트 중에서 제어 성능이 가장 우수한 데이터 세트를 선정하였다. 또한, 학습 기반 힘 제어기의 성능을 검증하기 위해 기준 힘 추종 실험을 수행하고, PID (Proportional-Integral-Derivative) 제어기 및 피드백 선형화 (Feedback Linearization)와 비교 분석하였다. 선택된 입력 기반 데이터 세트를 활용한 학습 기반 힘 제어기는 다른 제어기보다 더 우수한 힘 추종 성능을 보였다. 따라서, 줄꼬임 구동기의 학습 기반 힘 제어는 강인한 힘 제어 성능을 보여준다.
논문 이해를 위한 추가자료
 
 
[Flagship ConferencesII] - Robot Learning
좌장: 안혜민 교수(울산과학기술원)
 
 
강연자
정호준 박사(서울대학교)
제목
Adversarial Environment Design via Regret-Guided Diffusion Models
학회
Conference on Neural Information Processing Systems(NeurIPS)
요약
로봇이 실제 현장에서 잘 작동하기 위해서는 예상치 못한 상황에서도 주어진 임무를 수행할 수 있어야 한다. 하지만 강화학습 기반의 로봇들은 학습 과정에서 마주한 환경과 조금만 다른 환경에서 급격한 성능 저하를 보이는 경향이 있다. 최근 이 문제를 해결하기 위해 사전 지식 없이 로봇 학습에 도움이 되는 환경을 자동으로 생성해주는 연구들이 주목받고 있는데, 환경 생성 방식의 표현력 부족으로 인해 그 성능이 제한되고 있다. 이 한계점을 극복하기 위해 본 논문에서는 디퓨전 모델이 후회가 큰 환경들을 생성하도록 유도하여 현재 로봇에게 어렵지만 성능 개선에 도움이 되는 학습 환경을 제공하는 알고리즘을 제안하였다. 실험을 통해 제안하는 알고리즘이 학습 환경의 다양성을 유지하면서 적대적인 환경을 효과적으로 생성함을 확인하였고, 생성된 환경을 사용하여 학습된 로봇이 환경 변화에 강인함을 입증하였다.
논문 이해를 위한 추가자료
 
 
강연자
박정은 박사(고려대학교)
제목
Towards Embedding Dynamic Personas in Interactive Robots: Masquerading Animated Social Kinematics(MASK)
학회
IEEE International Conference on Robotics and Automation(ICRA)/ IEEE Robotics and Automation Letters(IEEE RA-L)
요약
본 논문은 캐릭터와 같은 페르소나를 활용하여 관객 참여를 향상시키sms 상호작용 로봇 시스템을 제시합니다. 제안된 시스템인 MASK(Masquerading Animated Social Kinematics)는 제스처 등의 비언어적 상호작용을 통해 인간형 로봇이 게스트와 소통합니다. 유한 상태 기계 (Finite state machine) 기반의 행동 생성 시스템을 거대언어모델을 통해 자동화하여 로봇은 페르소나를 효과적으로 전달합니다. 사용자 연구를 통해 사용자가 의도된 캐릭터를 인식할 수 있는지를 조사하였으며, 상호작용 에이전트에서 페르소나의 역할과 사용자 경험 향상을 위한 고려사항을 논의합니다.
논문 이해를 위한 추가자료
 
 
강연자
권혁진 박사(서울대학교)
제목
Safe CoR: A Dual-Expert Approach to Integrating Imitation Learning and Safe Reinforcement Learning Using Constraint Rewards
학회
IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS)
요약
Safe CoR은 안전 강화학습(Safe RL)과 모방 학습(IL)을 결합하여 에이전트가 보상과 안전성을 균형 있게 학습하도록 설계된 프레임워크입니다. 보상 전문가와 안전 전문가의 시연 데이터를 활용해 CoR(Constraint Reward)을 정의하며, 이는 에이전트 상태가 보상 전문가에 가까울수록 증가하고 안전 전문가에 가까울수록 감소하는 값입니다. CoR는 보상 함수와 제약 조건 모두에 추가되어 보상 전문가를 따라 성능을 최적화하는 동시에 안전 전문가로부터 학습하여 제약 위반을 방지하는 이중 전문가 접근법을 사용합니다. CoR는 에이전트의 현재 상태와 두 전문가 상태 간의 상대적 거리를 기반으로 계산되며, 학습 과정에서 보상과 제약 만족도를 동적으로 조정합니다. Safety Gym, metadrive, Jackal 플랫폼 등 다양한 환경에서 실험한 결과, Safe CoR은 기존 알고리즘 대비 성능을 평균 39% 향상시키고 제약 위반을 88% 감소시키는 성과를 보였습니다. Metadrive 시뮬레이터에서는 복잡한 도로 주행 시나리오에서 제약 조건을 준수하며 높은 성공률을 기록했으며, 특히 실제 Jackal 로봇에서 기존 알고리즘보다 제약 위반이 대폭 줄어드는 동시에 높은 성능을 유지하며 안정성을 입증했습니다.
논문 이해를 위한 추가자료
 
 
강연자
김도형 박사(서울대학교)
제목
Spectral-Risk Safe Reinforcement Learning with Convergence Guarantees
학회
Conference on Neural Information Processing Systems(NeurIPS)
요약
안전성이 보장된 강화학습 알고리즘을 개발하기 위해 명시적인 제약을 다루는 제약 강화학습을 고려할 수 있다.이때 일반적으로 제약을 비용함수에 대한 기댓값으로 정의하지만, 최악의 상황 발생을 효과적으로 줄이기 위해서 비용함수에 대한 위험 측정(Risk Measure)으로 제약을 정의할 수 있다.이는 효과적으로 최악의 상황을 억제하는 것으로 알려져 있다.그러나, 대부분의 알고리즘들이 국소 최적 정책만을 찾을 수 있는 것으로 알려져 있기 때문에, 우리는 이를 위해 전역 최적 정책을 찾을 수 있는 알고리즘(Spectral-Risk-Constrained Policy Optimization, SRCPO)을 제안하였다.핵심 아이디어로는 risk measure를 직접적으로 다루지 않고, 이를 dual form으로 표현하여 다음과 같은 bi-level optimization 문제로 변환하여 문제를 다루는 것이다.실험에서 또한, 다른 알고리즘 대비 제약을 모두 만족시키며 동시에 보상을 최대화할 수 있음을 확인하였다.
논문 이해를 위한 추가자료
 
 
강연자
박주한 석사(중앙대학교)
제목
Placement Aware Grasp Planning for Efficient Sequential Manipulation
학회
European Conference on Artificial Intelligence(ECAI)
요약
다수의 객체를 특정 목표 배열로 배치하는 순차적 픽-앤-플레이스작업의 문제를 다루고 있다. 이러한 작업의 최적화는 일반적으로 탐색기반 방법을 통해 가능하지만, 객체 수가 증가함에 따라 계산 복잡도가 기하급수적으로증가하여 문제 해결이 더욱 어려워지는 경향이 있다. 특히 로봇 모션 실행 자체가불가능한 순서가 많아 탐색시간이 크게 증가하는 것이 주요한 난관이다. 이를해결하기 위해, 딥러닝 기반 기술을 활용하여 픽과 플레이스의 제약 사항을 동시에 고려하고, 효율적으로 파지 자세를 탐색해 실행할 수 있는 해법을 신속하게찾는 방법을 제안한다.
논문 이해를 위한 추가자료
 
 
강연자
신정규 박사(중앙대학교)
제목
Task Planning for Long-Horizon Cooking Tasks Based on Large Language Models
학회
IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS)
요약
로봇 조작 연구에서 요리와 같은 장기적 작업을 위한 학습 가능한 작업 계획 (Task planning)이 주목받고 있다. 그러나 기존 방법은 기호적 표현(Symbolic Representation)에 의존해 새로운 객체를 다루는 일반화 능력에 있어 한계를 보인다. 이를 해결하기 위해, 본 연구는 사전 학습된 대규모 언어 모델(LLM)을 활용하여 주어진 환경을 언어적 표현으로 해석하고 이를 기반으로 최적의 하위 목표를 예측하는 프레임워크를 제안한다. 또한 프레임워크가 목표 달성을 위한 지식 유무를 판단하고, 부족할 경우 관련 데이터를 온라인에서 수집 및 가공해 자율적인 학습을 진행하는 구조를 제안한다. 해당 프레임워크를 사용하여 요리 레시피 데이터를 활용한 실험에서 낯선 객체(Unseen Object)를 포함한 작업에 대한 성공률이 95%에 달했다.
논문 이해를 위한 추가자료