초록 ▼

□ 연구개요
본 연구는 사지형(Articulated Limbed) 또는 연체형 로봇의 기동에 필수적인 주기적 모션패턴 생성에 있어서, 주어진 형상과 물리적 환경에 적응적인 모션의 후보군을 기존의 기계학습 없이 즉각적인 자가조직화(Self-Organization)를 통해 생성하고, 생성된 모션후보들 중 최적의 해를 동역학적 카오스 현상을 통해 빠르게 탐색하는 새로운 패러다임에 대한 연구이다. 이렇게 생성된 모션패턴을 기존의 대규모 기계학습 시스템을 위한 초기데이터로 제공하거나 기존 인공지능 알고리즘과 결합하여 더욱 지능적이고 효

□ 연구개요
본 연구는 사지형(Articulated Limbed) 또는 연체형 로봇의 기동에 필수적인 주기적 모션패턴 생성에 있어서, 주어진 형상과 물리적 환경에 적응적인 모션의 후보군을 기존의 기계학습 없이 즉각적인 자가조직화(Self-Organization)를 통해 생성하고, 생성된 모션후보들 중 최적의 해를 동역학적 카오스 현상을 통해 빠르게 탐색하는 새로운 패러다임에 대한 연구이다. 이렇게 생성된 모션패턴을 기존의 대규모 기계학습 시스템을 위한 초기데이터로 제공하거나 기존 인공지능 알고리즘과 결합하여 더욱 지능적이고 효율적인 로봇기동을 빠르게 생성하는 것을 목표로 한다.

□ 연구 목표대비 연구결과
본 연구의 세부 목표는 임의의 형상을 가진 로봇의 사지기동패턴 후보들의 빠르고 실시간적인 자가조직화 및 최적패턴의 지능적 탐색을 위한 뉴로-카오스 로봇제어 시스템의 핵심 기능을 개발 및 구현하고, 간단한 강체 기반 사지형 로봇의 결과데이터를 분석하여, 고자유도를 가진 높은 복잡도의 소프트-바디 로봇 시스템으로의 확장 및 기존 기계학습 알고리즘을 위한 훈련 데이터 구축을 위한 알고리즘 개발과 모듈화를 수행한다. 첫 단계로 뉴럴 중추 패턴 발생기 모델로 제어되는 근육 기반 로봇 시스템과 이를 위한 카오스 탐색 시스템을 개발하기 위하여 대하여 로봇의 형상과 자유도와 무관하게 동일한 제어 시스템을 사용한 자가조직적 모션패턴의 후보군을 생성하는 데 성공하였다. 두 번째 단계로 단순한 형태의 토이 시스템부터 고자유도 테스트 로봇 시스템까지 다양한 단계의 복잡도를 가진 로봇 시스템을 위한 카오스 탐색 NBE 제어를 실험하여 얻어진 운동 패턴 데이터를 분석하고 이를 통한 적합한 하이퍼 파라미터를 도출하였다. GPGPU를 사용한 단일 로봇개체의 계산성능 개선은 성능대비 확장성의 문제로 인해 CPU 멀티스레딩을 통한 복셀기반 로봇 구현으로 수정되었다. 세 번째로 전 단계에서 개발된 카오스 탐색 NBE 시스템과 기존에 널리 연구되어 왔던 진화연산 알고리즘의 융합을 통한 적응적 연성재질 로봇 생성을 위하여 복셀기반 연체 로봇의 형상과 자가조직적 모션패턴을 동시에 진화시키는 연구가 진행되었다. 이를 위해 복셀기반 연체 물리 시뮬레이션 시스템의 계산 복잡도와 실시간 성능의 두 가지를 충족할 수 있는 병렬계산 시스템을 개발하고, 점진적 발달 진화 알고리즘으로 각광받고 있는 CPPN-NEAT 알고리즘을 도입하여 복셀기반 로봇의 형상과 본 연구의 자가조직적 모션 두가지를 동시에 생성해낼 수 있는 알고리즘을 설계 및 개발하여 일차적인 결과 도출을 달성하였다.

□ 연구발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
본 연구는 생명체의 창조적인 행동 생성에 중요한 요소들로 간주되고 있는 뇌신경 패턴의 자가조직화 및 본질적 카오스 현상의 역할과 의미에 대해 구체적이고 통합적이며 생물학적으로 타당한 모델을 제시함으로써 인공지능, 인공생명, 인지과학, 계산 생물학 등 관련 분야를 위한 이론 및 응용 면에서 기여를 할 수 있으며, 이러한 연구를 확장하여 실세계에서 끊임없이 적응하고 변화할 수 있는 개방형(Open-Ended) 지능로봇 분야 및 우주로봇 분야에 적용될 수 있는 원천기술로의 역할을 기대할 수 있다. 또한 신체손상에 대한 높은 안정성과 효과적 적응력을 가졌지만 높은 복잡도로 인해 제어가 어려운 연체로봇 관련 연구분야에도 본 연구와 같이 학습을 위한 데이터 의존도를 최소화하고 주어진 형상 및 물리적 환경과의 상호작용으로부터 실시간으로 생성되는 자가조직적 모션패턴을 활용함으로써, 기존의 제어 복잡성을 크게 줄이면서도 에너지 효율적인 움직임을 만드는 데 이론적이고 실증적인 노하우를 제공할 수 있다. 시뮬레이션에서 학습된 결과를 실제 하드웨어 로봇으로 이식할 때 발생하는 Reality-Gap 문제가 산재하는 기존의 기계학습 기반 알고리즘과 달리 본 연구의 자가조직적 카오스 탐색 솔루션은 실제 하드웨어 로봇에도 직접적으로 적용하기에 용이하므로 관련분야로의 높은 활용성을 기대할 수 있다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• ◈ 연구 목적 ... 4
• ◈ 연구 배경 및 필요성 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• ◈ 1단계: 자가조직적 패턴 생성을 위한 뉴로기반 제어 시스템 및 카오스 탐색 알고리즘 개발 ... 5
• ◈ 2단계: 고자유도 테스트 로봇 시스템의 카오스 탐색 데이터 실험 및 분석 ... 5
• ◈ 3단계: 복셀 기반 소프트바디 로봇의 자가조직적 모션 및 형상의 동시 생성을 위한 진화 연산 ... 7
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 7
• 1) 정성적 연구개발성과(연구개발결과) ... 7
• 2) 세부 정량적 연구개발성과 ... 11
• 3) 목표 달성 수준 ... 11
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 14
• 붙임1. 세부 정량적 연구개발성과 ... 16
• 붙임2 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 18
• 끝페이지 ... 21