$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

감정 인식 및 강화학습 기법을 이용한 사용자 맞춤형 협동 로봇 모션 생성
Generation of Customized Motions for Collaborative Robot using Emotion Identification and Reinforcement Learning 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.27 no.6, 2017년, pp.475 - 485  

최재원 (동아대학교 전자공학과) ,  당반치엔 (동아대학교 전자공학과) ,  신용빈 (동아대학교 전자공학과) ,  길기종 (동아대학교 전자공학과) ,  김동완 (동아대학교 전자공학과) ,  김종욱 (동아대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

최근 4차산업혁명 시대에 접어들면서 작업자가 로봇의 작업공간 안에 있으면서 함께 작업을 할 수 있는 협동 로봇 기술이 빠르게 발전하고 있다. 본 논문에서는 이를 위한 기초연구로서, 카메라 영상으로부터 사용자의 얼굴과 표정을 인식하고 로봇의 동작에 대한 사용자 개인의 선호도를 학습함으로써 보다 긴밀한 사용자-로봇 간 상호작용이 가능한 협동 로봇 소프트웨어 에이전트를 제안한다. 본 논문에서는 오픈소스 얼굴/감정 인식 패키지인 face_recognition, TensorFlow를 이용하여 학습한 인공신경망, 인지에이전트 아키텍처인 Soar를 기반으로 구현한 강화학습 에이전트, 로봇운영체제인 ROS로 제어 가능한 Baxter 로봇을 연계하였고, 생성 된 5가지 로봇 모션(악수, 인사, 기쁨, 거절, 하이파이브)에 대한 사용자 별 선호도를 학습한 Baxter가 사용자 선호 모션을 기억하여 적절히 구현하는 실험 결과를 소개한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, in the era of the fourth industrial revolution, collaborative robot technology that allows workers to work together while working in a robot's work space is developing rapidly. This paper proposes a collaborative robot software agent that enables closer interaction between user and robot b...

주제어

#협동 로봇   #얼굴 인식   #인공신경망   #강화학습  

참고문헌 (21)

  1. Markets and Markets, "Collaborative robots market by payload (up to 5 kg, up to 10 kg, and above 10 kg), application, industry and geography-global forecast to 2022," 2016. 

  2. ISO/TS 15066:2016, Available: https://www.iso.org/standard/62996.html, [Accessed: Oct. 25, 2017] 

  3. C. V. Dang, T. T. Tran, and J.-W. Kim, "Analysis of gait characteristics of walking in various emotion status," Journal of Korean Institute of Intelligent Systems, vol. 24, no. 5, pp. 477-481, Dec. 2014. 

    원문보기 상세보기 crossref

  4. G. Lee and W.-G. Kim, "Emotion recognition using pitch parameters of speech," Journal of Korean Institute of Intelligent Systems, vol. 25, no. 3, pp. 272-278, June 2015. 

    원문보기 상세보기 crossref

  5. D.-H. Lee and K.-B. Sim, "Emotion recognition and expression system of robot based on 2D facial image," Journal of Control, Automation, and Systems Engineering, vol. 13, no. 4, April 2007. 

  6. ROS, http://www.ros.org/, Available: http://www.ros.org, [Accessed: July 25, 2017] 

  7. Tensorflow, Available: http://www.tensorflow.org, [Accessed: Aug. 25, 2017] 

  8. Soar, Available: https://soar.eecs.umich.edu/, [Accessed: Aug. 25, 2017] 

  9. John E. Laird, The Soar Cognitive Architecture, MIT Press, 2012. 

  10. M. Quigley, B. Gerkey, and W. D. Smart, Programming Robots with ROS, O'Reilly Media, 2015. 

  11. N. Dalal and B. Triggs, "Histogram of oriented gradients for human detection," CVPR, June 2005. 

  12. K.-E. Ko and K.-B. Sim, "Development of facial expression recognition system based on Bayesian network using FACS and AAM," Journal of Korean Institute of Intelligent Systems, vol. 19, no. 4, pp. 562-567, Aug. 2009. 

    원문보기 상세보기 crossref

  13. Y.-G. Kim, Y.-J. Song, D.-W. Kim, and J.-H. Ahn, "Bilateral diagonal 2DLDA method for human face recognition," Journal of Korean Institute of Intelligent Systems, vol. 19, no. 5, pp. 648-654, Oct. 2009. 

    원문보기 상세보기 crossref

  14. S. Choi, S. Cho, and S.-T. Chung, "Improvement of face recognition speed using pose estimation," Journal of Korean Institute of Intelligent Systems, vol. 20, no. 5, pp. 677-682, Oct. 2010. 

    원문보기 상세보기 crossref

  15. S.-K. Oh, C.-M. Ma, and S.-H. Yoo, "Design of optimized pRBFNNs-based face recognition algorithm using two-dimensional image and ASM algorithm," Journal of Korean Institute of Intelligent Systems, vol. 21, no. 6, pp. 749-754, Dec. 2011. 

    원문보기 상세보기 crossref

  16. S. G. Kong, "Design of an observer-based decentralized fuzzy controller for discrete-time interconnected fuzzy systems," Journal of Korean Institute of Intelligent Systems, vol. 25, no. 5, pp. 437-443, Oct. 2015. 

    원문보기 상세보기 crossref

  17. A. Geitgey, "Machine Learning is Fun! Part4: Modern Face Recognition with Deep Learning," Available: https://medium.com/@ageitgey/machine-learning-isfun-part-4-modern-face-recognition-with-deep-learningc3cffc121d78, [Accessed: Aug. 20, 2017] 

  18. A. Geitgey, face_recognition git hub, Available: http://github.com/ageitgey/face_recognition, [Accessed: Aug. 20, 2017] 

  19. S. Rueping, "SVM classifier estimation from group probabilities," Proceedings of the 27th International Conference on Machine Learning, pp. 911-918, 2010. 

  20. M. S. Vartlett, G. Littlewort, M. Frank, C. Lainscsek, I. Fasel, and J. Movellan, "Recognizing facial expression: machine learning and application to spontaneous behavior," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 568-573, 2005. 

  21. C. V. Dang, T. T. Tran, T. X. Pham, K.-J. Gil, Y.-B. Shin, and J.-W. Kim, "Implementation of Refusable Human-Robot Interaction Task with Humanoid Robot by Connecting Soar and ROS,"Journal of Korea Robotics Society, vol. 12, no. 1, pp. 55-64, March 2017. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로