대표 연구 분야
자기지도 학습 기반 로봇 인지 및 행동 생성
Self-Supervised Learning for Robotic Perception and Behavior Generation
상세 설명
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.
키워드
자기지도학습
행동 생성
멀티센서 융합
시각-촉각 통합
정책 학습
관련 이미지
