학술대회

제 목

휴머노이드 로봇의 설계와 강화학습 제어

강연자

박해원

소 속

한국과학기술원

직 위

교수

요약

최근 들어 하드웨어의 발전과 AI 알고리즘의 발전은 휴머노이드 로봇의 운동성능에 눈부신 발전을 가져왔습니다. 특히, 높은 토크밀도를 가지면서도 시뮬레이션-현실 격차 (Sim-to-Real Gap)를 줄인 준직접 전기 구동기(Quasi-Direct-Drive, QDD)와 실제 로봇이 아닌 가상현실에서 시행착오를 통해 동작을 학습하는 강화학습 알고리즘의 조합은 휴머노이드의 뛰어난 운동성능은 물론, 생물학적 참고 모델이 없는 형태의 로봇까지도 제어가 가능하게 만들었습니다.

본 강연에서는 KAIST 휴머노이드로봇연구센터가 제작한 QDD기반 휴머노이드 로봇을 소개하고 문워크, 달리기, 오리걸음 등 다양한 움직임을 가능하게 한 강화학습제어기에 대해서 이야기 합니다.

약력

- 2020~현재 KAIST 휴머노이드로봇연구센터 소장

- 2019~현재 KAIST 부교수

- 2015~2019 미국 일리노이대학교 조교수

- 2012~2015 미국 MIT 박사후 연구원

학력

- 2007~2012 미국 미시간대학교 기계공학과 박사

- 2005~2007 연세대학교 기계공학과 석사

- 1998~2005 연세대학교 기계공학과 학사

제 목

로봇 파지 및 조작

강연자

배지훈

소 속

한양대학교

직 위

교수

요약

휴머노이드 로봇에서 조작은 임무 수행을 좌우하는 핵심 역량입니다. 본 강연에서는 조작의 개념과 로봇 기술에서의 중요성을 정리하고, 현재 개발 중인 다양한 로봇 핸드의 개발 방향과 이를 활용한 안정 파지 제어 방법을 소개합니다.

약력

- 2024~현재 한양대학교 정교수

- 2009~2024 한국생산기술연구원 수석연구원

- 2008~2009 한국과학기술연구원 포스닥 연구원

2006~2008 한국로봇융합연구원 선임연구원

2004~2006 일본 COE 포스닥 연구원

학력

- 2001~2004 리츠메이칸대학교 로보틱스 박사

- 1999~2001 명지대학교 전기공학과 석사

- 1992~1999 명지대학교 전기공학과 학사

제 목

Predicting actions by vision and language models

강연자

최종현

소 속

서울대학교

직 위

교수

요약

본 강의에서는 체화 지능(Embodied AI) 맥락에서 목표 달성형 과제를 수행하기 위한 시각·언어 이해와 행동 시퀀스 예측 연구를 소개하고자 합니다. 특히, 시뮬레이션 환경에서 목표 지향적 작업을 수행할 수 있는 에이전트를 개발하기 위해 진행한 여러 휴리스틱 기반 시도들을 다룹니다. 제안한 휴리스틱을 시각·언어 디코딩 모듈과 결합하여, 모방학습(특히, behavior cloning)을 통해 행동 시퀀스를 예측함으로써 동적 시나리오에서의 적응과 계획 능력을 효과적으로 향상시키는 방법을 소개합니다.

약력

- 2024~현재 서울대학교 부교수

- 2022~2024 연세대학교 부교수

- 2018~2022 광주과학기술원 조교수

- 2016~2018 Allen Inst. for AI (AI2), Research Scientist

학력

- 2009~2015 메릴랜드대학교 전기컴퓨터공학부 박사

- 2006~2008 서울대학교 전기컴퓨터공학부 석사

- 1999~2003 서울대학교 전기공학부 학사

제 목

자율성장 AI휴머노이드

강연자

박찬훈

소 속

한국기계연구원

직 위

AI로봇연구소장

자율성장 AI휴머노이드 글로벌TOP 전략연구단장

요약

저출산과 고령화로 인한 노동력 부족 문제를 해결하고 산업 생산성의 혁신적 향상을 이루기 위해서는 사회 전반에 걸친 AI 휴머노이드 도입이 필수적이다. 현재 세계 각국은 AI 휴머노이드 분야에 막대한 투자를 진행하며 압도적인 경쟁력 확보를 위해 치열하게 경쟁하고 있다. 대한민국 또한 신속한 국가 역량 결집과 집중 투자를 통해 세계 선두권 국가 경쟁력 확보가 시급하다. 자율성장 AI휴머노이드 글로벌TOP 전략연구단은 국내 최고 수준의 산·학·연 전문가들과 긴밀한 협력체계를 구축하여, 인간 수준 이상의 신체 능력과 범용 작업 지능을 갖춘 ‘K-AI 휴머노이드’ 개발을 추진하고 있다. 이를 위해 휴머노이드 전용 구동기를 통한 인간 수준의 동작성, 피부형·전신 감각기술을 통한 인간 수준의 감각능력, 정교한 손동작을 가능하게 하는 인핸드 매니퓰레이션 기술을 개발하여 운동성과 작업성이 결합된 플랫폼을 구축한다. 여기에 대뇌·소뇌 구조를 기반으로 한 휴머노이드 전용 인공지능과, 자율적으로 데이터를 수집·학습하여 지능이 성장하는 자율성장형 AI 브레인을 탑재함으로써 산업현장은 물론 일상생활에서도 인간의 동반자로서 역할할 수 있는 로봇을 구현할 예정이다. 또한 다수의 휴머노이드 로봇을 동시에 운영하는 ‘데이터 팩토리’를 구축하여 대규모 학습 데이터를 확보하고, 이를 국가 차원의 모든 연구자들과 공유하는 ‘개방형 AI 플랫폼’을 통해 ‘K-휴머노이드 오픈 생태계’를 조성할 계획이다. 본 강연에서는 이와 관련한 계획들을 공유하고, 대한민국의 AI휴머노이드가 나아가야 할 방향에 대해 함께 고민하는 시간을 가지고자 한다.

약력

- 2025.5~현재 자율성장 AI휴머노이드 글로벌TOP 전략연구단장

- 2024.1~현재 AI로봇연구소장 / 한국기계연구원

- 2022.4~2023.12 AI로봇연구본부장 / 한국기계연구원

- 2021.4~2022.4 혁신로봇센터장 / 한국기계연구원

- 2019.12~2024.12 국가지정연구실(N-Lab) 책임자 / 과기정통부 국가 지정연구실

- 2017.4~2022.4 로봇메카트로닉스 연구실장 / 한국기계연구원

학력

- 2010년, KAIST 기계공박과 박사

- 1996년, POSTECH 기계공학과 석사

- 1994년, 영남대학교 기계공학과 학사

제 목

휴머노이드 로봇의 다재다능한 조작을 위한 촉각센서 기술

강연자

김민석

소 속

한국표준과학연구원

직 위

단장

요약

현재 휴머노이드 로봇이 주변과 상호작용하기 위해 주로 이용하는 감각은 시각과 청각이다. 로봇은 카메라를 통해 보고 마이크로폰(마이크)를 통해 들을 수 있다. 이런 센서를 통해 얻은 정보와 인공지능을 이용하여 로봇이 주변 상황을 인지하고 이에 대응하여 적절한 작업을 수행하도록 진화하고 있다. 하지만 시각과 청각만으로 인간의 작업 능력을 대체 가능한지에 대한 의문은 여전히 존재하고 있다. 사람 손의 피부에는 촉감을 감지하는 수많은 감수기(receptor)가 존재하여 정밀하고 다재다능한 조작이 가능하다. 아직 휴머노이드 로봇 손에는 촉각을 제공하는 센서가 장착한 경우가 드물다. 본 발표에서는 촉각센서의 개념과 원리에 대해 다루고 마지막으로 로봇을 위한 촉각센서 기술과 이를 로봇손에 적용한 사례를 제시하고자 한다.

약력

- 2023~현재 촉감표준융합연구단 단장

- 2021~2023 한국표준과학연구원 역학표준그룹 그룹장

- 2012~현재 한국표준과학연구원 책임연구원

- 2005~현재 과학기술연합대학원대학교 한국표준과학연구원 스쿨 겸임교수

- 2008~2009 NIST (미국국립표준기술원) 방문연구원

- 2002~2012 한국표준과학연구원 선임연구원

학력

- 1998~2002 KAIST 기계공학과 박사

- 1996~1998 KAIST 기계공학과 석사

- 1992~1996 KAIST 기계공학과 학사

제 목

작은 모델, 큰 행동: 로봇 조작을 위한 효율적 학습 구조 찾기

강연자

김범준

소 속

한국과학기술원

직 위

교수

요약

요즘 로보틱스 분야의 유행은 ‘거대한 모델, 거대한 데이터, 그리고 엔드투엔드 학습’을 통해 범용 로봇을 개발하는 것이다. 그러나 이 접근법에는 근본적인 문제가 있다 — 바로 전력 소모가 너무 크다는 점이다. 예를 들어, LLAMA 80억 파라미터 모델은 단 한 번의 추론(inference)만 수행하는 데에도 250~300와트의 전력을 소비한다. 그것도 단지 이산적인 기호(symbols) 집합을 처리하는 언어 모델의 경우다. 로봇은 연속적인 고차원 감각 데이터를 처리하여 연속적인 행동 시퀀스를 출력해야 하므로, 그 전력 요구량은 훨씬 더 클 것이다. 이에 비해 인간은 평균적으로 20와트만 사용한다. 이 차이는 우리가 AI 모델을 만드는 방식에 근본적인 문제가 있음을 시사한다. 이번 발표에서는, 이미지 분야에서 CNN이 했던 것처럼, 더 적은 데이터와 더 작은 모델로도 효율적으로 학습할 수 있도록 하는 로봇 조작(robot manipulation)을 위한 유용한 귀납적 편향(inductive bias)을 발견하기 위한우리 연구실의 최근 노력을 소개하고자 한다.

약력

- 2020~2024 한국과학기술원 조교수

- 2024~현재 한국과학기술원 부교수

학력

- 2007~2011 University of Waterloo, BMath in computer science

- 2012~2013 McGill University, Masters in computer science

- 2014~2020 MIT, PhD in computer science