로봇의 자율 제어와 복원성 향상 기술에 관심을 가지고 다양한 연구에 참여하고 있습니다. 최근에는 실세계 강화학습을 기반으로 한 자율 로봇의 정책 학습 및 실패 복원 전략에 대해 중점적으로 연구하고 있으며, 특히 시뮬레이션-현실 연계를 통한 정책 이식과 다관절 로봇의 동적 제어 최적화 문제에 집중하고 있습니다. 이외에도 로봇이 환경 변화에 빠르게 적응할 수 있도록 다양한 센서 피드백 통합과 강화학습 기반 제어 구조 설계에 주력하고 있으며, 실제 서비스 로봇 플랫폼에 적용 가능한 기술 실현을 목표로 연구를 확장하고 있습니다.

• 강화학습 기반 제어
• 복원성 제어
• 실세계 로봇 학습
• 시뮬레이션-현실 전이
• 로봇 자율성

강화학습 기반의 자율 제어와 인지 학습 기술에 흥미를 가지고 연구를 수행하고 있습니다. 최근에는 로봇이 명시적 라벨 없이도 환경을 이해하고 적절한 행동을 선택할 수 있는 자기지도 학습 기반 구조에 집중하고 있으며, 특히 시각-촉각 센서 융합 및 Sim2Real 전이를 통해 실제 환경에서도 효과적으로 학습이 작동할 수 있도록 알고리즘을 설계하고 실험을 진행하고 있습니다. 고신뢰 제어를 위한 표현 학습 기술, 행동 최적화 구조, 인간 피드백 기반 학습 등 다양한 연구를 병행하며, 로봇의 실용성과 적응성을 함께 높이는 것을 목표로 합니다. 이를 통해, 적은 감독으로도 환경에 맞춰 스스로 진화하는 차세대 로봇 개발에 기여하고자 합니다.

• 자기지도학습
• 강화학습
• 로봇 인지
• Sim2Real Transfer

강화학습과 로봇 인지 구조에 대한 관심을 바탕으로 연구실에 합류했습니다. 현재는 자율 제어와 표현 학습을 중심으로 한 기초 프로젝트에 참여하며 로봇 시스템의 학습 구조와 동작 원리를 익히고 있으며, 시뮬레이션 환경 기반의 실험 및 알고리즘 구현 경험을 쌓아가고 있습니다. 앞으로 로봇이 환경을 스스로 이해하고 복잡한 행동을 수행할 수 있도록 하는 인지 제어 프레임워크 개발을 목표로 하고 있습니다.

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

로봇의 상황 이해 능력과 상황 적응성을 높이는 연구에 관심이 많습니다. 특히 환경 변화에 민감하게 반응하면서도 안정적인 의사결정을 수행할 수 있는 구조적 제어 프레임을 만드는 데 집중하고 있으며, 최근에는 다중센서 데이터 기반의 지각 해석 및 의도 추론 모델링을 다루고 있습니다. 자율 로봇이 실제 환경에서 지속적으로 학습하고, 사용자와 맥락에 맞는 상호작용을 이어갈 수 있도록 하는 기술에 흥미를 가지고 있으며, 그 기반으로 강화학습의 불확실성 처리와 의미 기반 동작 계획 등의 주제를 중심으로 연구를 확장해가고 있습니다.

• 상황 인지
• 행동 예측
• 시각-언어 기반 제어
• 의미 기반 계획
• Robust Learning in Robotics

ms.lee@robointellect.korea.ac.kr

• Active Perception
• Tactile-Visual Coordination
• Adaptive Manipulation