강화학습 기반 협동·상호작용 로봇 제어 및 학습 연구

Reinforcement Learning for Cooperative and Interactive Robot Control and Learning

연구 내용

인간 피드백과 다중 로봇 상황을 반영한 강화학습 학습으로 협동 작업과 상호작용 제어를 수행하는 연구

본 분야는 로봇이 카메라와 관측 상태를 기반으로 행동을 선택하도록 강화학습을 구성하는 데 중점을 둡니다. 협동 작업에서는 표 상태나 물체 상태를 추정하고, 인간 또는 교사 로봇의 다양한 피드백을 학습 신호로 활용합니다. 또한 보행과 조향을 포함한 동역학 문제에서는 역기구학 해석을 정리하고, 동작 모방에서는 자유도 제약을 완화하는 인공신경망 매핑을 적용합니다. 더 나아가 베이지안 구조 학습에 기반한 분포 추정 및 진화적 최적화 관점도 함께 검토하여 학습 안정성과 최적화 성능을 확보하려는 차별성을 보유하고 있습니다.

관련 프로젝트

3건

연구 흐름

초기에는 얼굴 피드백 기반의 서브그래디언트 및 근위함수 적응 기법을 통해 학습 과정의 정보량을 높이는 방향으로 연구를 진행했습니다. 이후 협동 로봇의 강화학습 모델을 구축하고, 적응형 감정 피드백을 학습에 반영하여 작업 수행 능력을 개선하는 흐름으로 확장했습니다. 2023년에는 표 균형 및 로봇 협동 작업에 대한 DQN 기반 접근을 구체화하고, 역기구학 분석을 통해 하이브리드 모바일 로봇의 제어 문제를 정리했습니다. 2024년에는 인터랙티브 로봇-로봇 강화학습으로 사람 개입을 줄이는 구조를 제안하고, 자유도 제약을 최소화한 동작 모방까지 이어지며 지능형 로봇 학습 전반으로 확장하는 궤적을 보입니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

인간-로봇 협동 작업
협동 물체 균형 제어
감정·텍스트 피드백 기반 로봇 학습
교사-학생 로봇 지식 전이
DQN 기반 안전 제어 정책
동작 모방 제어 매핑
하이브리드 모바일 로봇 제어
베이지안 학습 기반 최적화
자율 작업 자동화
IoT 이기종 에이전트 전이 학습