로봇이 다양한 환경에서 스스로 상황을 인식하고 적절한 행동을 수행할 수 있도록, 강화학습 기반 제어, 동적 움직임 계획, 실시간 적응형 제어 알고리즘 등을 연구합니다. 특히 로봇의 신체지능과 센서 피드백을 통합한 고신뢰 자율 제어 기술 개발에 중점을 둡니다. 이를 위해 로봇의 다관절 구조, 동적 상호작용, 비정형 환경에서의 불확실성을 고려한 제어 모델을 설계하고, 시뮬레이션-현실 연계 학습 및 행동 최적화 프레임워크를 구현합니다. 궁극적으로는 작업 중 실패를 스스로 인지하고 회복하는 복원성(resilience)을 갖춘 지능형 로봇 제어 시스템을 실현하는 것을 목표로 합니다.

사용자의 음성, 표정, 시선, 거리 등 다양한 사회적 신호를 인식하고 해석하여 로봇이 자연스럽게 반응할 수 있는 HRI(Human-Robot Interaction) 기술을 개발합니다. 감성 인식 및 상황 기반 반응 생성, 사회적 적응 전략 등 사람과의 지속적인 소통을 위한 로봇 감성 지능 시스템을 구축합니다. 이러한 연구는 사용자 맞춤형 상호작용 설계뿐 아니라, 다양한 문화적·심리적 맥락을 고려한 반응 생성 모델 개발을 포함하며, 인간의 감정 흐름과 대화 구조를 고려한 다중턴 상호작용 설계로 확장됩니다. 나아가 장기적 관계 형성과 신뢰 형성을 위한 감정 기반 인터페이스와 행동 동기화 전략도 함께 연구되고 있으며, 돌봄, 교육, 서비스 로봇 분야로의 응용 가능성을 지향합니다.

명시적 라벨 없이 환경으로부터 구조화된 데이터를 학습하고, 이를 통해 로봇이 유연하고 지능적인 행동을 생성할 수 있도록 하는 자기지도 학습 기반 로봇 인지 구조를 연구합니다. 시각-촉각 융합, 시뮬레이션-현실 연동 학습, 인간 피드백을 활용한 학습 강화 기법 등을 함께 다루며, 실제 환경에서의 적용 가능성과 일반화 성능 확보를 중시합니다. 특히 동적이고 비정형적인 환경에서도 의미 있는 표현(representation)을 스스로 구성하고, 그것을 기반으로 적절한 판단과 행동을 유도할 수 있는 인지 시스템 아키텍처 개발에 집중합니다. 이를 통해 라벨링 비용을 줄이면서도 효율적이고 직관적인 로봇 행동 생성을 가능하게 하며, 장기적으로는 최소한의 감독으로 적응 가능한 자율 로봇의 기반을 마련하는 것을 목표로 합니다.