| |
 |
|
| ▲ 삼성전자 김윤경 박사 |
KRoC2016에서 26일 열린 ‘젊은 과학자’ 세션이 학술대회 참석자들의 높은 관심을 받았다. ‘젊은 과학자’ 세션은 박사학위 4년차 이하의 새내기 박사들만 발표에 참석할 수 있는 ‘젊은 피’를 위한 특별세션이다. 이들의 연구 성과를 소개하면서 대한민국 로봇 연구자 네트워크에 이름을 알리는 것을 목적으로 탄생했다.
올해의 로봇공학계 ‘젊은 피’는 삼성전자 김윤경 박사, DGIST 송철 교수, 광운대학교 이기백 교수, ETRI 한지형 박사가 선정됐다.
▲너와 나의 거리(삼성전자 김윤경 박사)
가장 큰 호응을 끌어낸 것은 삼성전자 김윤경 박사였다. 로봇 디자이너라는 독특한 관점에서 바라본 로봇 이야기가 신선하게 다가온 것이 주요했던 것으로 여겨진다.
김 박사는 ‘인간과 로봇간의 사회적 거리(Social distance between humans and robots)’에 관한 주제인 ‘너와 나의 거리’라는 실험 결과 발표를 통해 인간과 로봇간의 사회성이 어떻게 거리감으로 나타나는지, 그리고 어떻게 형성된 거리감을 줄일 수 있는지 여부를 일련의 실험으로 알아내려 시도했다.
로봇과 인간을 일대일로 팀을 맺은 뒤 카드를 뒤집어 같은 그림을 찾는 게임을 미션을 주고 관찰하는 실험이다. 때론 로봇이 명령조로 이야기하거나, 제안하는 식으로 비교했다. 물리적인 거리에 차이를 두거나 경쟁 구도와 협동 구도 등으로 만들어 실험군을 다양하게 시도했다.
결과는 놀라웠다. 로봇이 인간과 물리적으로 가까울수록, 같은 임무를 맡을수록 임무성공률이 낮아졌다. 그녀는 실험 결과를 이용한 상품 개발과 후속 연구에 박차를 가하고 있다.
| |
 |
|
| ▲ DGIST 송철 교수 |
▲Bimanual SMART Micro surgical System(DGIST 송철 교수)
송철 교수는 망막에 이미징 하는 시스템을 개발했다. 현재 라섹수술을 받을 때 이 시스템으로 검사가 진행된다. 그 밖에 심혈관계 질환 검사 등 다양한 바이오메디컬 분야에서 활용되는 시스템이다.
OCT기술이라고도 불리는 이 시스템은 빛을 발사해서 되돌아오는 시그널의 밝기로 영상 정보를 만든다. 때문에 거리 정보도 확인이 가능해 거리 센서로도 활용 가능하다. 일반적으로 100마이크로미터 가량 흔들릴 수 밖에 없는 수작업의 한계도 손떨림 보정기능으로 해결했다.
| |
 |
|
| ▲ 광운대학교 이기백 교수 |
▲Intellegent Embedded System(광운대학교 이기백 교수)
이기백 교수의 연구 분야는 전산 지능(Computational intelligence)이다. 특히 다목적 진화 알고리즘(multi-objective evolutionary algorithm)에 관심이 높다.
최근에는 이를 이용해 휴머노이드의 걸음새 계획(footstep optimization)에 적용했다. 열 걸음 앞 환경 정보를 미리 센싱 해 경로계획을 생성하고 네 걸음을 걸은 뒤 다시 열 걸음 앞 환경 정보를 센싱하는 식이다.
이는 컴퓨팅 속도가 충분히 확보됐다는 가정 하에 ‘장기적인 안목’에서 로봇이 동작계획을 수립하게 했다. 이로써 갑작스레 만나는 장애물 등으로 인해 곤란한 상황을 피하게 됐다.
이를 바탕으로 온라인 내비게이션(on-line navigation)으로 확장한 것이 대표적인 연구 성과다.
그러나 실제 구현에서는 시뮬레이팅 정보와 차이를 보였다. 발바닥 미끄러짐 등에 의한 위치 보정이 이뤄지지 않은 까닭이다.
이기백 교수의 다음 목표는 전력 사용량 추이 변화를 탐지해 부정사용을 잡아내거나 사용요금을 예측하는 시스템을 개발하는 것이다.
| |
 |
|
| ▲ 한국전자통신연구원(ETRI) 한지형 박사 |
▲4M 데이터 분석 기반 프리딕티브 매뉴팩춰링 시스템(ETRI 한지형 박사)
공장 내 숙련자들의 직감과 경험에 의존하던 분야에서 숙련자들이 사라진다면? CNC작업공간 등에 신규 인력수급이 부족한 현실을 고려한 질문이다. 그런 문제가 발생한다면 대응은 불가능해진다. 선제적 대응도 어렵다. 이는 곧 품질 및 생산성 저하로 귀결될 것이 분명하다.
한지형 박사의 연구는 ‘기존의 공장을 없앨 수는 없으니 기존 공장을 문제 분야를 로봇화 시키자!’는 취지다. 그녀의 연구팀은 관리 대처가 어려운 부분을 찾아내 로봇기술로 불확실성을 낮추는 것에 집중했다.
현장의 실무자들과 많은 이야기를 나눈 결과, 디바이스 레벨의 문제점들에 초점을 맞췄다. 데이터 갱신률이 낮고 장기간 관측이 필요한 곳에 딥러닝 등의 인공지능 기술을 적용해 최적 레시피 획득 및 제어, 툴 파손 조기 발견 등의 현장문제를 예측하는 시스템을 구현하는 것이다.
일명 ‘4M 프레딕티브 메뉴팩춰링’ 기술이다. 4M이 의미하는 것은 이 시스템이 사람, 기계, 재료, 작업방식(man, machine, material, method)에 대한 적용 시스템이기 때문이다.
이로써 금속절삭 환경에서 열측정, CNC내부 커터에 잔여물이 말리는 상황 등 비정형 센싱이 필요한 환경에 대한 예측이 어느 정도 가능해 질 전망이다. |
