로봇이 사용자와 장기적으로 신뢰를 구축하고 감정 기반 상호작용을 수행할 수 있도록 하는 것을 목표로, 다중턴 상호작용 설계, 실시간 감정 인식, 감정 흐름 예측 기반 행동 생성 등에 대해 연구하고 있다. 특히 사람의 사회적 신호(시선, 표정, 음성 등)를 융합적으로 해석하고, 이를 기반으로 적절한 정서적 반응을 설계하는 로봇 시스템을 구현한다. 다양한 사용자 시나리오에서의 실증 실험을 통해 돌봄, 교육, 안내 분야 등 사회적 로봇의 실질적 응용 가능성을 검증하고 있다. 박준영은 로봇의 감정 기반 행동 동기화와 장기적 상호작용 지속성을 위한 인간 중심 인터페이스 설계에 전문성을 보유하고 있으며, 학계와 산업계에서의 기술 확산을 동시에 꾀하고 있다.

• 감성 지능
• Human-Robot Interaction
• Socially Interactive Robotics
• Emotion-aware Computing

인지 기반 자기지도 학습, 멀티모달 표현 학습, 시뮬레이션-현실 연동 학습을 중심으로 로봇 인지 시스템의 일반화와 실환경 적응성을 향상시키기 위한 연구를 수행하고 있다. 로봇이 명시적 라벨 없이 다양한 센서 데이터를 통해 환경을 이해하고, 이를 기반으로 유연한 행동을 생성할 수 있도록 하는 학습 구조 설계에 주력해 왔다. 특히, 시각-촉각 융합 기반 표현 학습과 sim-to-real 전이 프레임워크 개발에 집중하여, 실제 로봇 환경에서의 안정적 성능 확보 및 행동 생성 최적화를 달성해왔다. 정 연구원은 자율 로봇의 인지 구조 설계, 표현 학습 기반 인공지능 강화, 자기지도 학습 모델 확장 가능성 등에 관심을 두고 있으며, 여러 국제 저널 및 학회에 연구 결과를 발표해 왔다.

• 강화학습
• 로봇 인지
• 행동 계획
• Sim2Real
• 로봇 자율성

사용자 중심의 감성 기반 로봇 상호작용 기술에 대한 연구를 수행하고 있다. 특히 사용자 반응 데이터를 기반으로 로봇의 행동을 평가하고, 이를 통해 인간과 로봇 간의 정서적 연결을 강화할 수 있는 인터페이스 설계 및 행동 생성 모델을 개발해 왔다. 사회적 맥락을 고려한 반응 전략, 멀티모달 사용자 피드백 수집 및 해석 기술, 감성 평가 척도와 행동 반영 알고리즘 간의 연계성을 고도화하는 데 초점을 맞추고 있다. 감정 기반 사용자 모델링은 향후 돌봄, 교육, 엔터테인먼트 분야의 인간 중심 로봇 응용에서 핵심 역할을 할 수 있을 것으로 기대된다.

• 감성 인식
• 사용자 반응 기반 행동 평가
• 인간-로봇 상호작용(HRI)
• 사용자 중심 로봇 설계

로봇의 자율성을 높이기 위한 실시간 제어 및 강화학습 기반 행동 최적화 기술에 집중하고 있다. 다양한 동적 환경에서 로봇이 실패를 인지하고 스스로 복원할 수 있는 시스템을 구현하는 데 관심이 많으며, 복잡한 물리 환경에서의 로봇 정책 안정성과 효율성 향상에 주력해 왔다. 실세계 실험과 시뮬레이션 연계를 통한 정책 전이, 복원성 있는 행동 전략 설계, 학습 기반 자율 제어 프레임워크 구현 등에서 성과를 거두었으며, 이러한 기술은 산업 자동화 및 탐사 로봇, 재난 구조 분야 등 실질적 적용 가능성을 갖는다.

• 자율 제어
• 강화학습
• 실시간 로봇 행동 최적화
• 복원성 있는 로봇 정책
• Sim-to-Real Transfer

지능형 로봇의 감각 인지 및 인간-로봇 상호작용 기술에 흥미를 갖고 다양한 실험 기반 연구에 참여하고 있다. 특히 시각 및 촉각 데이터를 활용한 물체 인식, 사용자 반응 기반의 로봇 반응 설계 등에서 실제 구현 및 테스트를 통해 이해를 넓히고 있으며, 자기지도학습과 감성지능 기반의 로봇 시스템을 중심으로 실험적 데이터 수집과 분석을 진행 중이다. 학부 수준에서의 실용적 프로토타이핑과 실험 설계 경험을 쌓으며, 향후 로봇 인터페이스 및 사용자 경험 기반 연구로 확장할 계획이다.

• 로봇 감각 인지
• 사용자 반응 기반 제어
• 감성지능 로봇