[세미나 리뷰] AI Robotics KR 2024 후기(2024.08.10)

## 발표 내용 업로드 문제 시 말씀해주시면 즉시 삭제하겠습니다 ## 

 

AI Robotics KR 2024 행사를 다녀왔다

로보틱스 및 AI 관련 커뮤니티에서 개최된 행사이다

https://festa.io/events/5589

Human and AI Robotics "Together" | Festa!

 

 

이번 행사는 역삼역 부근의 마루180에서 진행되었다

 

 

다양한 곳에서 이번 세미나를 함께 했다

다른 로봇 회사들의 이야기도 조금 궁금했는데

다음 기회에 들어볼 수 있으면 좋겠다

 

 

이번 행사는 발표 자료 촬영이 안된다고 하셨다

로봇 분야 특성 상 산업과 긴밀히 연관된 분야이므로

발표 내용이 구체적으로 드러나지 않는 선에서 기록할 예정이다

 

 

1.  표윤석 박사님(ROBOTIS)

실외 자율주행 로봇 개발 및 상용화 경험 공유

 

실내 로봇(GAEMI): 층간 이동 가능, 엘리베이터-로봇 연동이 비용 부담이 크다, 그래서 로봇 팔로 층간 이동 구현

 

실외 배송 로봇(GAEMI): outside 캠핑 용품 배달로 매출 증가

 

규제 샌드박스를 통해 법적으로 실외 서비스 승인

 

실외 이동 로봇 관련 규제 이슈 발생 -> 본사 내 테스트 필드 구현

 

코로나 시기와 맞물려 주목

 

1대 -> 5대 -> 15대 로봇 연동 수 확장

 

미국서 테스트: 한 번에 큰 거리 이동, 다른 도로 환경과 장애물

 

실외 제약: 눈, 안개

 

로봇에 관심이 많은 아이들: 가만히 무관심으로 대응하는 것이 아이들의 흥미를 잃고 안전하게 대응할 수 있는 방법

 

택배 배송: 기존에는 실외까지만, 실내까지 배송 필요

 

온도, 날씨 등 변수 대응 필요

 

Q: 바퀴 수가 6개에서 4개인이유

A: 비용 절감, 승월 기능 제거로 장착 불필요

 

Q: 자율 주행 기능의 성능이 70%라 생각하시는 이유

A: accuracy 문제? sensing, localization 문제

 

Q: 실내 실외의 Potential?

A: 둘 다 하려고 한다. 실내는 중국 로봇이 너무 싸다. 층간 이동 등으로 차별화

 

 

2. 구성용 박사님(CJ대한통운 TES물류기술연구소)

로봇/비전/AI 기술이 만들어 가는 미래 스마트 물류

 

 

사람과 상호작용하는 로봇

연구원님의 대표 논문: Designing emotion generative model (IROS 2010)

CUDA, Pytorch 등 라이브러리가 보편화되어 있지 않았을 때 관련 연구를 하셨다고 전하셨다

그 외에 다양한 연구 활동과 논문 등을 소개해주셨다

 

Picking 로봇

자동화에 적용

공장에 로봇팔 많이 적용, 개발 담당

 

물류 창고 자동화

상하차 과정이 로봇이 해결하기 아직 어렵다, 해결해야 할 문제

 

물류 디지털 전환

로봇/자동화 기술, AI, 디지털 트윈, 스마트 패키징

제조 등에 비해 덜 부가가치적인 산업일 수 있다

 

하역자동화와 고정형 직교좌표로봇

라이다 슬램 로봇: 깔판 이동

AGV + 비전 + 관절로봇 이동 로봇으로 멀티로봇 자동화

작은 물건은 그리드 로봇에 소형 AGV

 

상품에 따른 다양한 AGV 사용

물류는 계속 바뀌므로 대처할 수 있는 유연성이 중요

AI 기반 물류량 예측, AI 기반 택배 중량화물 비전 인식

디지털 트윈으로 통합 관리

 

간선 운송 자율주행: 장거리 고속도로 자율주행

물류는 할 게 많다

 

Q: 구체적으로 어떤 부분이 부족한가?

A: 문제가 구체적으로 많다.

 

Q: 물류에서 휴머노이드가 많이 쓰일지, 휴머노이드가 성공하려면?

A: 유연성이 중요한데, 물류에서도 마찬가지, 사람과 같이 일해야하는데 휴머노이드의 안정성은 보장되지 않았다. 휴머노이드는 중요하지만 속도와 안정성을 더욱 확보해야 한다

 

3. 최성준 교수님(고려대 인공지능학과)

Towards human-centered robotics: Coexistence of human and robot

 

artificial intelligence: a modern approach 책

cv와 로보틱스 total turing test

 

많은 휴머노이드 로봇 등장, digit과 tesla가 공장에 쓰인다

테슬라는 모터, 보드, 센서 등 자체 제작

UBTECH + nio & volkswagen, apptronik + MB, figure + bmw, boston + HMG, rainbow + samsung

agility + logistics:  현재 비즈니스 중 유일하게 서비스 중, 시간당 30불 비용, 15불까지 낮출 계획

mentee robotics, doyota research institute, neura robotics

로봇 인식 개선 필요, 로봇은 노동력 대체 기능도 중요하지만 상호작용과 사람에게 웃음을 주는 것도 중요

hyodol: 아이 로봇 인형으로, 노인 분들과 gpt로 상호작용

 

사람과 공존하는 로봇을 연구하심, entertainment 중점으로

4족 2족 모션 만들기, 사람의 의도 파악

 

loco motion: moving point to point

motion retargeting: 사람이 모션하고 로봇이 따라하는 방식

motion capture 대신 이미지로 추출

 

주어진 지도 속에서 찾기

boston dynamics api로 point to point 사용

text-visual 연동 필요

 

visual preference robot

사람이 Order하는 것보다 로봇이 알아서 맞춰서 제공

prompt에 따라 이미지 변화로

 

gen AI 는 모르면 모른다고 말하지 않는다(Hallucination)

부족한 정보가 무엇인지 알고 어떻게 되 물어서 정보를 얻을지 연구

로봇이 못하는 것에 대한 연구

 

로봇에 성격 부여 방법: 주변 환경을 인식하여, 로봇의 페르소나 등록

reg를 사용하여 새로운 성격도 등록

 

 

Q: 제어에 수학이 많이 들어갈 때 ~를 사용할 것 같다. 어떻게 연동했는지

A: 경로 최적화로 로봇의 구조에 맞게 행동을 최적화

 

Q: 새로운 물체의 결정에 대한 판단은 모른다? 새로 물어본다?

A:

 

Q: motion retargeting의 차후 연구에서

A: task complex 문제와 환경 complex이므로

 

Q: 로봇 속도가 빨라지지 않는 이유?

A: GMB walking, mp space walking

 

Q: 하드웨어 중심 로봇 회사들이 지능화가 필요한데, 현재 하드웨어에 적용하는지 혹은 새로운 하드웨어 전략?

A: QDD, rr base, 하드웨어와 시뮬레이션의 갭 감소

 

 

4. 패널톡 세션

A1: 표윤석 박사님 A2: 구성용 박사님 A3: 최성준 교수님

 

Q: AI와 로봇을 어떻게 바라보면 좋을지

A1: AI는 tool이고 robot은 application

A2: 뿌리는 같을 수 있으나, 다르게 발전하고 다시 합쳐지고 있다

 

Q: 연구자로서 꿀팁

A1: 하나를 잘하자

 

Q: 공대생으로써 가졌으면 좋을 소양

A1: 개발방법론을 배워보고 체험하면 좋을 것이다

A2: 사회생활과 소통 및 협업 능력

A3: 개인 PR 능력, 영상에 얼굴을 넣어보자, tool을 직접 만들어보고 등등 많이 해보는 것이 큰 자산이다

 

Q: PLC 많이 쓰나?      A: 많이 쓴다

 

Q: 개미의 원리

A1: visual로 slam과 navigation 수행

segmentation에 따른 label마다 task 할당

 

Q: 다른 전공자를 어떻게 생각하는지

A1: 자기소개서 안본다..? 포트폴리오와 스토리를 많이 본다

A2: 중요한 기술인력은 경력직, 신규는 태도, 이력서의 Learning curve 스스로 학습, 일종의 태도

 

Q: 예전 AI는 이미지, 텍스트만 했는데 요즘은 multimodal 등 일반화 수준이 많이 올랐다. 로봇 또한 LLM의 반응은 어떨지

A1: 툴로써 사용하면 좋을 것이다

A2: 기술과 연구 자체가 중요하진 않을 수 있다. 그에 임하는 태도과 경험이 중요하다

A3: robot foundation model이 많이 차지하므로 큰 변화 올 것

 

5. 한재권 교수님(한양대 HERoEHS Lab)

휴머노이드 로봇의 활용 및 미래의 변화

 

스마트폰 없이 잘 살던 시절이 있지만 지금은 그렇지 않다

이미 세상의 물건들이 사람이 사용하도록 설계되었으므로 휴머노이드의 잠재성은 높다

 

휴머노이드의 해결해야 할 문제: 배터리, AI chip, 액추에이터

 

하드웨어 개발자

rotary 모터 기반 휴머노이드: 단순하다

linear 액추에이터 기반 휴머노이드: 해석과 제어가 많이 어렵다

 

6. 박경훈 교수님(서울시립대 전컴학과)

AI-로봇과 함께한 제어 공학의 과거, 현재, 미래

 

제어공학의 과거: 로보틱스, AI

제어공학의 현재: model-based와 model-free 그 사이 어딘가

MPC 기반 모빌리티 최적 경로 생성 등을 연구

 

칼만 필터

비선형 제어는 lur’s problem가 나타남

1번째 해결: feedback linearization

2번째 해결: 비선형 시스템을 선형 시스템으로 재정의하여 문제 해결

3번째: 이후 비선형성을 받아들인다

 

시스템의 모델이 정확하지 않은 경우

강인 제어(시스템이 나한테 맞추기) 혹은 적응 제어(내가 시스템에 맞추기)

외란 관측기

 

MPC제어의 등장

시스템을 정확히 알고 있을 때의 전략

시스템 모델을 사용하여 미래를 예측

로보틱스에서는 많이 쓰여서 잘 쓰이진 않았다

휴머노이드를 kienmatics를 예측하여 MPC 를 다시 사용

 

nn 기반 제어: 신경망 기반으로 uncertainty를 알아서 처리

이제는 강화 학습

 

data-driven 제어1: behavior approach

모델링에서 놓친 부분을 보강할 수 있다

 

data-driven 제어2: koopman operator

비선형 시스템을 고차의 선형 시스템으로 표현

koopman operator + dmd = 새로운 제어

 

sindy: 비선형 복잡한 시스템을 data로 모델링

 

더 복잡한 제어를 최대한 간단하게

Model-based를 지향하는 편

 

Q: 어려운 제어를 어떻게 쉽게 풀 수 있는지 능력을 기르면 좋을까?

A: 잘 될만한 이유를 찾아야한다

현실적인걸 감안하면서

 

 

7. 조남석 대표님(UEL 무인탐사연구소)

우주 로보틱스

달에서 사용하는 로봇이 고려해야할 점에 대해 발표해주셨다

 

8. 김주원 박사과정님(인하대 SParo LAB)

라이트닝톡1: 로봇과 극한 환경

 동굴에서 탐사하는 로봇에 관해 소개해주셨다

 

9. 현청천 팀장님(AIKR 모두의 로보틱스팀)

라이트닝톡2: 시뮬레이션 기반 로봇 연구

Isaac Gym, Copelia sim 등

로봇 연구를 하기 위한 시뮬레이션 툴에 대해 소개해주셨다