로봇 및 인공지능 선도·혁신 연구센터

일상생활에서 PC와 같이 로봇을 활용할 수 있으려면, 로봇이 공장과 같은 구조화된 환경이 아닌 다변하는 일상 속에서도 다양한 기능을 해낼 수 있어야 한다. 본 센터는 딥러닝을 접목하여 인간과 로봇의 조작 능력의 간격을 좁히는 것을 목표로 한다.

본 센터에서는 본 연구는 사람처럼 로봇이 다양한 종류의 센서로 부터 방대한 양의 데이터를 수집하고, 이 중 필요한 정보들만을 능동적으로 선택하여 복잡하고 섬세한 작업을 수행할 수 있도록 하는 Active Learning from Demonstration Framework (ALfD)를 제안한다.

기존의 LfD 방법론에서 불가능한 섬세한 작업의 제어를 학습하기 위해서는 기존에 사용되던 손의 위치, 속도 등의 간단한 데이터뿐 만 아니라 물체의 마찰, 손의 접촉힘, 비전 데이터 등 수많은 센서 데이터가 추가로 더해져야 한다. 이러한 다중 센서 환경에서 데이터를 사용하는  방법 중 하나로 사람의 직관으로 데이터를 선택하여 학습에 수동적으로 사용하는 방법이 있다. 하지만 이렇게 선택된 데이터들은 로봇 모션 제어 관점에서 필요한 최적의 정보들을 포함하지 않을 수 있으며, 이는 곧 작업수행 실패의 근본적인 원인이 될 수 있다. 한편 데이터를 특별한 직관 없이 모두 활용하는 방법이 있는데, 이 경우 불필요하게 큰 데이터를 사용하여 학습에 과다한 메모리와 계산이 필요하고, 한정적인 자원 하에서 오히려 낮은 성공률을 보이는 경우가 다수 있다.

따라서 본 연구에서는 시범 데이터로부터 최적의 정보를 로봇이 능동적으로 학습 하는 Active Learning from Demonstration 패러다임을 제시하고, 정보이론 (Information Theory)에 기반하여 구체적인 algorithm을 개발한다.