본문 바로가기 대메뉴 바로가기
open
Close

인공지능 연구실

Research

Current Project

게시물 검색
[산자부, 한기평] 2020 ~ 2021 (1차년도) 조립 작업과 같은 비정형 작업환경에 지능적으로 대응할 수 있는 심층강화학습 기반의 공유작업 기술 개발 이미지
[산자부, 한기평] 2020 ~ 2021 (1차년도) 조립 작업과 같은 비정형 작업환경에 지능적으로 대응할 수 있는 심층강화학습 기반의 공유작업 기술 개발
  • 작성자Artificial Intelligence Laboratory
  • 조회수160
  • Abstract :조립 작업과 같은 비정형 작업환경에 지능적으로 대응할 수 있는 심층강화학습 기반의 공유작업 기술 개발- 비정형 환경에서도 사용할 수 있는 파지 알고리즘 개발- 공유 작업 환경에서 로봇이 인간의 의도를 파악하기 위한 알고리즘 개발 Project Explaination                                                                            본 과제는 비정형 작업환경에 대해서 강인한 조립 로봇을 개발하는 과제입니다. 고려대와의 협업을 통해서 여러가지 변화가 있는 정형적이지 않은 환경속에서 조립 물품을 찾고 필요한 곳에 조립을 할 수 있는 로봇을 위한 알고리즘을 개발하는 작업을 진행합니다.   지스트 인공지능 연구실에서는 딥러닝 기반의 물품 파지 알고리즘를 개발합니다. 비정형 환경속에서도 잘 동작할 수 있도록 Sim-to-Real기법 등에 대해서 연구합니다. 또한 비정형 환경속에서 사람의 지시를 로봇이 활용할 수 있도록 딥러닝 기반의 의도 파악 알고리즘에 대해서 연구합니다. Project Detail- 출연       : 산업통상자원부, 한국산업기술평가관리원- 기간       : 2020 ~ 2021 (1단계)- 사업비    : 1,030,920,000 WON- 컨소시움 : 고려대학교(주관기관), 광주과학기술원(참여기관) Contact- 이름       : 박성호 박사과정-​ 메일       : bakseongho@gm.gist.ac.kr Project Illustrations & Graphs - Grasp Point Detection   - Robot Grasping   - Human Intention Recognition   
  • 등록일2020-07-04 21:59:25
설치가 용이한 지능형 다관절 식사보조 로봇 개발, 2019-2021 이미지
설치가 용이한 지능형 다관절 식사보조 로봇 개발, 2019-2021
  • 작성자Artificial Intelligence Laboratory
  • 조회수141
  • Overview고령자 및 장애인을 위한 인공지능 기반 식사 보조 및 식사 이력 관리 기능을 갖는 돌봄 로봇 개발다관절 싱글암 로봇 팔 기반 식사보조 로봇한국형 식사에 적합한 음식 인식 및 인공지능 기반의 식사 이력관리 Key Researches- 한국형 식판 식사 이미지 데이터셋 구축- 음식 세그멘테이션 알고리즘 개발- 식사 이력관리 서비스 개발 Project Explaination  본 과제는 한국형 식기와 음식을 제공하는 식사보조 로봇을 개발하는 과제입니다.   다관절 싱글암 로봇팔을 통해 식사 보조를 수행하며, 다양한 타입의 UI(눈동자, 버튼, 조이스틱 음성인식) 및 인공지능 기반 식사 이력관리를 제공합니다.   지스트 인공지능 연구실에서는 딥러닝 기반 한국형 음식 인식 알고리즘을 개발하여 식판 내 음식을 인식하고 식사 이력 관리 서비스를 개발합니다.   기존의 음식 인식 모델은 식기의 특징(형태, )을 추출하는 방식이 많지만, 본 연구에서는 식기에 독립적인 음식 텍스쳐의 특징을 활용하는 딥러닝 모델을 개발합니다. 음식 인식을 위한 한국형 음식을 담은 식판 사진 데이터 수집 시스템을 개발 하여 데이터셋을 구축하고 있습니다.   음식 인식을 위한 딥러닝 기반 음식 세그멘테이션 모델을 개발하여 음식의 종류와 위치를 인식하고, 딥러닝 모델을 활용하여 음식의 식판 내 상대적인 위치를 인식합니다. 또한 음식 인식 결과를 바탕으로 식사이력관리 시스템을 개발하고 있으며, 모바일 기기에 적합한 어플리케이션 개발에 진행 중에 있습니다.  Project Detail- 출연: 산업통상자원부, 한국산업기술평가관리원- 기간: 2019.04.01 ~ 2021.12.31 (33개월)- 사업비: 3,680,000,000- 컨소시움: (주)싸이맥스, 전자부품연구원, 한국생산기술연구원, 전남대학교산학협력단, 분당서울대병원Contact- 이름: 이주순 통합과정- 메일: joosoon1111@gist.ac.kr
  • 등록일2020-06-05 09:19:57
지속적 지능 증강 및 공유를 통한 클라우드 기반 로봇 복합 인공지능 핵심기술 개발 사업 이미지
지속적 지능 증강 및 공유를 통한 클라우드 기반 로봇 복합 인공지능 핵심기술 개발 사업
  • 작성자Artificial Intelligence Laboratory
  • 조회수112
  • In this project, we develop AI-based meal assistance and meal history management functions for the elderly and the disabled. In detail, we manage meal history for the elderly and the disabled by figuring out the food on the plate using deep learning automatically.1. To augment the robot intelligence by sharing and transferring the data, AI model, and knowledge required for robot manipulation through the cloud-based macro systems.  In the whole cloud systems, cloudlet means local sites, which utilize robots for the industrial, manufactural, and service purpose. Center cloud means computing server, which collects all of the data, AI models, and other knowledge related to robot manipulation from the multiple cloudlet.  To automate the sharing and transferring process in massive cloud system, we detect the unknown data, called out-of-distributed data, in each cloudlet. When the unknown data is detected in the cloudlet, our system request the unknown-related information to center cloud automatically.  After the request for unknown-related information to center, AI in center model transfer the unknown-related information, collected from other sites, to the cloudlet’s AI model through the knowledge distillation techniques.  By maintaining the request of unknown-related information and transferring process through the cloud, robot intelligence from multiple sites(cloudlet) are augmented by shared and transferred information.Key Researches- Cloud Robotics - Intelligence Augmentation- Knowledge Distillation- Knowledge Transfer- Abnormal Detection- Out-of-distribution detectionProject Members- Sungho Shin- Yeonguk Yu- Jongwon Kim
  • 등록일2020-06-04 14:37:41
군집 자율운항 알고리즘 개발 이미지
군집 자율운항 알고리즘 개발
  • 작성자Artificial Intelligence Laboratory
  • 조회수154
  • Overview데이터 전처리 및 멀티 모달 임베딩 알고리즘 개발군집 상황 인식 및 의도추론 알고리즘 개발광햑 영상 기반 해상 물체 자동 탐지 기술 개발Key Researches- 데이터 전처리 및 멀티모달 임베딩- 상황 인식 및 의도 추론- 광학 영상 기반 해상 물체 탐지 Project Explaination  해상에서 얻을 수 있는 다양한 종류의 데이터베이스를 통합하는 시스템을 설계하여 멀티 모달 임베딩 및 상황 인식 기술을 개발한다. 카메라, 레이더 및 라이더와 같은 다양한 유형의 정보가 해상에서 수집된다. 이러한 정보를 상황 인식 정보로 재구성하여 의도 추론을 위한 데이터 베이스를 만든다. 멀티 모달 임베딩된 데이터를 사용하여 군집 상황에서 상대 선박의 의도와 단기적 기동 범위 및 위치를 추론하는 알고리즘을 개발한다.  해상 전장 상황에서 적의 의도인 COA(Cource Of Action)를 추론하는 것은 최소한의 피해로 승리를 이끄는데 중요한 요소이다. 따라서 군함의 의도를 유추한다면 해상 전장 상황에서 아함에 상황에 맞는 적절한 명령을 내릴 수 있다. 해상 광학 영상 데이터의 전처리와 선박 물체 탐지 및 추적하는 알고리즘을  개발한다. 해상에서 획득한 광학 영상 데이터는 선박의 이동과 물방울, 안개, 비 등으로 인해 질이 낮은 데이터를 얻을 수 있다. 따라서 영상의 질을 높이는 전처리 기술과 전처리된 영상으로 부터 물체 탐지 및 추적 기술을 연구한다. Project Detail출연 : 국방과학연구소기간 : 2020. 03. 01 ~ 2021. 11. 10.사업비 : 527,000,000컨소시움 : 선박해양플랜트연구소, 한화시스템, 씨드로닉스(주), 조선대학교, 공주대학교, 광주과학기술원 Contact- 이름 : 이성주 박사과정-​ 메일 : lsj2121@gm.gist.ac.kr
  • 등록일2020-05-29 13:13:01
조립 작업과 같은 비정형 작업환경에 지능적으로 대응할 수 있는 심층강화학습 기반의 공유작업 기술 개발, 2020-2023 이미지
조립 작업과 같은 비정형 작업환경에 지능적으로 대응할 수 있는 심층강화학습 기반의 공유작업 기술 개발, 2020-2023
  • 작성자Artificial Intelligence Laboratory
  • 조회수100
  • "Shared autonomy based on deep reinforcement learning for responding intelligently to unfixed environments such as robotic assembly tasks" Overview   In this project, we develop shared autonomy based on deep learning model for allowing robots to grasp and assemble unseen objects in unfixed work environment while understanding the intention of human workers.  Key Research-  Deep reinforcement learning-  Object pose estimation-  Object detection-  Grasp point detection-  Sim-to-real technique-  Domain randomization-  Robot grasping-  Human intention recognition Objective1. ​​Shared autonomy technique based on deep reinforcement learning for robotic assembly tasks in unfixed environment where position of the object is unpredictable. 2. Generalized assembly technique that can be applied for unknown assembly object by using multi-modal information including vision, contact force, robot information for training.3. Sim-to-real technique that reduces the contact force gap between simulation and real environment using contact model based on artificial neural networks.Project Explaination  Robots are actively used for automation in many industries because they have high efficiency when performing repetitive tasks in fixed work environment. However, in an unfixed work environment where the target object is changeable, simple repetitive actions are difficult to perform, and assembly work, on of the unstructured work, has not yet achieved satisfactory automation despite decades of effort. Therefore, in order for robotic assembly work to be widely used in industrial sites, it is necessary to develop an assembly method that can work in an unfixed environment and enable assembly work even when the assembly target object is changed.  As a result, three technique is required. First, shared autonomy technique based on deep reinforcement learning for robotic assembly tasks in unfixed environment where position of the object is unpredictable. Second, generalized assembly technique that can be applied for unknown assembly object by using multi-modal information including vision, contact force, robot information for training. Finally, sim-to-real technique that reduces the contact force gap between simulation and real environment using contact model based on artificial neural networks.  Once the technology proposed as this task is completed, the assembly work at the industrial site is not only faster than the existing assembly technology, but also the assembly technology can be applied to various objects. Thus, it can improve work efficiency by automating assembly processes that have not yet been automated. In addition, since the least automated process in the manufacturing industry is an assembly process, it is expected that there will be demand from companies other than those above. Project Members-  Seongho Bak-  Seunghyeok Back-  Raeyoung Kang-  Yeonguk Yu      
  • 등록일2020-05-27 19:44:52
QUICK
MENU
GIST 대표GIST 대표 GIST대학GIST대학 융합기술원융합기술원 도서관