주요 논문
5
*2026년 기준 최근 6년 이내 논문에 한해 Impact Factor가 표기됩니다.
1
Article
|
인용수 0
·
2025Model-Free Transformer Framework for 6-DoF Pose Estimation of Textureless Tableware Objects
Jungwoo Lee, Hyogon Kim, Ji‐Wook Kwon, Sung‐Jo Yun, Na-Hyun Lee, Young‐Ho Choi, Goobong Chung, Jin-Ho Suh
IF 3.5 (2025)
Sensors
접시, 그릇, 컵과 같은 식기류 물체는 대개 질감이 없고 색상이 균일하며 형태가 매우 다양하여, 질감 단서나 물체별 CAD 모델에 의존하는 기존 자세 추정 방법을 적용하기가 어렵다. 이러한 한계는 식당 환경에서 로봇 조작을 위한 중대한 장애 요인이며, 자율적 집기 및 수거를 위해 신뢰할 수 있는 6자유도(6-DoF) 자세 추정이 필수적이다. 본 연구는 변환기(Transformer) 인코더 아키텍처를 기반으로 한 비모델(model-free), 비질감(texture-free) 6-DoF 자세 추정 프레임워크를 제안하여 이 문제를 해결하고자 한다. 이 방법은 표면 정점(surface vertices)과 테두리 노멀(rim normals)을 포함하는 기하 기반 특징만을 깊이 이미지로부터 추출하여 사용하며, 이는 강력한 구조적 사전지식(구조적 프라이어)을 제공한다. 파이프라인은 사전학습된 비디오 기반(foundation) 모델을 사용한 물체 검출 및 분할로 시작한 뒤, 깊이 데이터로부터 균일하게 분할된 그리드를 생성한다. 각 그리드 셀에 대해 중심점 위치(centroid positions)와 표면 노멀을 계산하고, 이를 변환기 기반 모델에 입력하여 물체의 회전과 평행이동을 동시에 예측한다. 식기 10종에 대한 실험 결과, 본 방법은 평균 회전 오차 3.53도와 평균 평행이동 오차 13.56 mm를 달성하였다. 또한 매니퓰레이터를 탑재한 모바일 로봇 플랫폼에서의 실제 환경 적용을 통해, 제안한 기하 기반 접근이 식기류를 자율적으로 인식하고 수거할 수 있음을 추가로 검증함으로써 서비스 로보틱스에 대한 실용성을 강조하였다.
https://doi.org/10.3390/s25196167
Pose
Segmentation
Centroid
Encoder
3D pose estimation
Transformer
Grid
Robot
2
Article
|
인용수 0
·
2025A Study on Robust Control Scheme Using Prescribed Performance-Based Time Delay Control and RBF Neural Network
Sung-Jae Kim, Jin-Ho Suh
IF 3.6 (2025)
IEEE Access
본 논문은 처방된 성능(prescribed performance) 기반의 시간지연 추정(time-delay estimation, TDE)과 방사기저함수 신경망(radial basis function neural network, RBF-NN)을 결합한 강건한 제어 방식을 제안한다. 제안된 처방된 성능 기반 시간지연 제어는 변환된 오차를 통해 원하는 오차 동역학을 구성함으로써 처방된 성능을 달성한다. 이 설계는 전통적인 시간지연 제어(time-delay control, TDC)의 단순한 제어 구조를 보존하면서도 그 안정성 조건 및 M 안정성 분석을 유지하여 기존 설계 방법론의 적용을 가능하게 한다. 잔여 TDE 오차를 보상하기 위해 RBF-NN을 통합하였으며, 리아푸노프 분석을 통해 전체 시스템의 안정성을 규명한다. 본 접근법은 탑재물 변동이 없는 경우와 있는 경우, 그리고 가법적 관절 교란이 존재하는 경우를 포함하는 조건에서 3 자유도(3-DOF) 로봇 매니퓰레이터에 대해 시뮬레이션으로 검증되었으며, 처방된 성능 경계를 만족함과 동시에 단순성을 유지하면서 TDC에 비해 추종 성능이 향상됨을 보여준다.
https://doi.org/10.1109/access.2025.3622695
Control theory (sociology)
Payload (computing)
Stability (learning theory)
Robust control
Residual
Artificial neural network
Scheme (mathematics)
Radial basis function
Lyapunov function
3
Article
|
인용수 0
·
2025Designing Personalization Cues for Museum Robots: Docent Observation and Controlled Studies
Heeyoon Yoon, Min Kim, SunKyoung Kim, Jin-Ho Suh
IF 3.5 (2025)
Sensors
과학 박물관과 같은 공공 문화 시설의 사회 로봇은 장기적인 사용자 모델링이 불가능한 짧고 일회성의 만남을 통해 다양한 방문자와 상호작용할 수 있어야 한다. 본 연구는 개별 사용자를 저장하거나 프로파일링하지 않으면서도 개인화된 느낌을 불러일으킬 수 있는, 로봇의 즉각적으로 해석 가능한 행동 단서에 대해 살펴본다. 먼저, 전문가와 초보 박물관 도슨을 대상으로 한 비디오 기반 관찰 연구를 통해 사회적으로 적응적인 의사소통을 가능하게 하는 서비스 전략을 확인하였다. 이러한 통찰을 바탕으로, 세 편의 통제된 실험실 연구에서는 로봇의 특정 단서가 사용자의 인식에 어떻게 영향을 미치는지 조사하였다. 비디오 기반의 통제 연구에서는 인식 정확도가 로봇의 지능에 대한 사용자의 사회적 인상에 어떠한 영향을 미치는지 분석하였다. 추가 연구에서는 Wizard-of-Oz (WoZ) 방법을 기반으로 설명 내용이 참가자의 배경 지식과 일치하는지, 그리고 명시적 선호도 질문과 기억 기반 연속성 단서가 개인화에 대한 인식을 강화하는지 검증하였다. 결과는 인식 정확도가 사회적 인상을 향상시키는 반면, 지식 정렬, 명시적 선호도 질문, 기억 기반 연속성 단서가 지각된 개인화를 증가시킨다는 것을 보여주었다. 이러한 결과는 짧은 시간의 만남 안에서 해석 가능한 미시적 개인화 단서가 공공 환경에서의 사회 로봇을 위한 사용자 중심 상호작용 설계를 뒷받침할 수 있음을 시사한다.
https://doi.org/10.3390/s25227095
Personalization
Social cue
Preference
Robot
Perception
Profiling (computer programming)
Social robot
Public service
4
Article
|
인용수 3
·
2025A Study on Systematic Improvement of Transformer Models for Object Pose Estimation
Jungwoo Lee, Jin-Ho Suh
IF 3.5 (2025)
Sensors
자연어 처리 및 시계열 분석을 위해 처음 개발된 트랜스포머 아키텍처는 여러 분야의 다양한 생성 모델에 성공적으로 적용되어 왔다. 물체 자세 추정(object pose estimation)은 이미지를 사용하여 물체의 3차원 위치와 자세(orientation)를 결정하며, 로봇 조작과 같은 작업에 필수적이다. 본 연구는 컴퓨터 비전에서 물체 자세 추정을 위한 트랜스포머 기반 딥러닝 모델을 제안하며, 이 모델은 이미지를 입력으로 하여 물체의 3차원 위치와 자세를 결정한다. 인코더 전용 트랜스포머에서 유도된 기준(baseline) 모델은 다수의 물체를 처리할 때 높은 GPU 메모리 사용량 문제에 직면한다. 학습 효율을 향상시키고 다중 물체 추론을 지원하기 위해, 본 연구는 트랜스포머의 attention 레이어를 조정하여 메모리 사용량을 감소시키고, low-rank weight decomposition을 도입하여 파라미터 수를 줄인다. 또한 GQA 및 RMS 정규화가 다중 물체 자세 추정 성능을 향상시켜, 메모리 사용량 감소와 함께 학습 정확도의 향상을 이끌었다. 확장된 행렬 차원을 적용한 개선 모델 구현은 모델 가중치 파라미터 수를 증가시켰음에도 불구하고, GPU 메모리 사용량을 기준 모델의 2.5%로 감소시켰다. 이를 완화하기 위해 attention의 선형(linear) 레이어에서 low-rank weight decomposition을 사용하여 가중치 파라미터 수를 28% 줄였다. 또한 GQA와 RMS 정규화를 적용함으로써 기준 모델 대비 회전(rotation) 학습 정확도를 17% 향상시켰다.
https://doi.org/10.3390/s25041227
Transformer
Pose
Computer science
Artificial intelligence
Reliability engineering
Data mining
Engineering
Electrical engineering
Voltage
5
Article
|
인용수 11
·
2024Model-Free RBF Neural Network Intelligent-PID Control Applying Adaptive Robust Term for Quadrotor System
Sung-Jae Kim, Jin-Ho Suh
IF 4.8 (2024)
Drones
본 논문은 반경 기저 신경망(RBF 신경망)과 제안된 적응 강건 항을 보강한 지능형-비례-적분-미분(I-PID) 기반 제어기를 이용하는 쿼드로터 시스템 제어 방식을 제안한다. 쿼드로터 시스템에서 널리 사용되는 PID 제어기와 유사한 I-PID 제어기는 주목할 만한 강건성을 보인다. 이러한 강건성을 더욱 향상시키기 위해, 시간지연 추정 오차를 RBF 신경망으로 보상하였다. 또한 신경망 시스템의 결점을 해결하기 위해 적응 강건 항을 제안함으로써 보다 강건한 제어기를 구성하였다. 이 보조 제어 입력은 유의미한 신호 변화를 다루기 위한 적응 항을 포함하였고, 정상 상태에서 불필요한 제어 입력을 제거하기 위해 역 포화 필터와 결합되었다. 제안된 제어기의 적응 법칙은 제어 시스템의 안정성을 만족시키기 위해 리아푸노프 안정성에 기반하여 설계되었다. 제어 시스템의 타당성을 검증하기 위해 교란된 환경에서 나선 경로를 따라 기동하는 쿼드로터 시스템에 대해 시뮬레이션을 수행하였다. 시뮬레이션 결과는 제안된 제어기가 여섯 개의 모든 축에서 높은 추종 성능을 달성함을 보여준다. 따라서 본 논문에서 제안한 제어기는 기존의 PID 제어기와 유사하게 구성할 수 있으며 만족스러운 성능을 보인다.
https://doi.org/10.3390/drones8050179
Control theory (sociology)
PID controller
Robustness (evolution)
Artificial neural network
Computer science
Control engineering
Adaptive control
Controller (irrigation)
Lyapunov function
Radial basis function