본문 바로 가기

로고

국내 최대 정보 기계·건설 공학연구정보센터
통합검색 화살표
  • MBD for ANSYS
  • 신진연구자인터뷰

    신진연구자인터뷰는 기계및 건설분야의 세계적인 과학 학술지에 논문을 게재한 한국인 연구자들의 연구성과와 연구자 정보를
    여러 연구자와 기관 등에 소개하고자 기획되었습니다. 대상은 주로 대학원 석사이상의 최근 5년이내 관련분야의
    대표 학술지나 학술대회에 논문을 투고한 사람입니다. 대상문의(ariass@naver.com)

    • 남창주 (Changjoo Nam)
      다중 로봇 시스템의 최적화와 인간과의 상호작용
      남창주 (Changjoo Nam)(Robotics Institute, Carnegie Mellon Univ.)
      이메일:changjoo.nam at gmail.com
      1407 0 5


    1. 본인의 연구에 대해서 소개를 부탁 드립니다.

    다중 로봇 시스템(Multi-Robot System)은 로봇들의 협조적인 작업수행 계획 및 실행을 통해 여러 곳에 분산되어 있는 작업들을 효율적으로 수행할 수 있습니다. 특히 Multi-Robot Task Allocation 문제는 각각의 로봇을 어떤 작업에 할당하여야 최적의 성능을 낼 수 있을지 혹은 최소의 비용을 필요로 할지를 다룹니다. 예를 들면 아마존의 자동화된 창고에서 수십만건의 주문을 처리하기 위해 수백 대의 로봇을 운용할 때에 어떤 로봇을 창고의 어떤 부분으로 보낼 지, 충전이 필요한 로봇을 어떤 충전장치로 할당할지 등의 문제는 실시간으로 계속해서 발생합니다. 소수의 로봇을 운용하는 경우에는 휴리스틱(Heuristic)한 방식으로도 효율적인 해를 찾을 수 있겠지만 시스템의 규모가 크고 불확실성이 큰 동적환경에서는 다항시간(Polynomial Time) 내에 근사치(Approximation Ratio)가 일정 범위 내에 수렴하는 해를 찾는 알고리즘을 디자인 하는 것이 중요합니다. 저의 박사과정 연구에서는 작업수행의 최적화에 이용되는 비용/효용(Cost/Utility)을 비결정성 표현방식(Nondeterministic Representation)을 통해 모델링하여 (예 : Probabilistic Distribution, Interval) 로봇 및 환경에서 발생하는 불확실성을 반영하였고 그 표현방식을 이용해 계산적으로 부담이 적은 (Computationally Tractable) 알고리즘들을 개발했습니다.

    현재의 로봇 기술은 인간의 능력을 뛰어넘어 일관된 성능과 정밀도를 보여주는 분야도 많은 반면 전반적인 상황인지(Situational Awareness) 능력은 아직 인간에 비해 부족한 부분이 많습니다. 따라서 로봇 시스템의 장기 운용 시에 새로운 미션으로의 전환, 환경적 변화에 따른 운용방식의 변경 등을 적시에 하기 어려운 경우가 발생합니다. 이를 보완하기 위해 인간 오퍼레이터가 감시제어(Supervisory Control)를 통해 작업수행에 참여하여 그 효율성을 끌어올리는 방법이 많이 이용되고 있습니다. 하지만 시스템의 규모가 로봇 수십 대 이상으로 커지게 되면 인간의 인지적 부하(Cognitive Workload)가 과도하게 상승하여 한 명의 오퍼레이터가 각각의 로봇이 작업을 수행하는 것을 일일이 추적하기 어렵습니다. 이 문제를 해결하기 위해 스웜 로봇(Swarm Robots)의 창발적 행동(Emergent Behavior, 예 :  Flocking, Rendezvous, Dispersion)이 이용되고 있습니다. (Fig. 1)


    예를 들면 수십 대의 드론이 이동할 때에 각각의 로봇이 협조적 경로계획을 통해 이동한다면 오퍼레이터는 이 로봇들이 정해진 경로를 잘 따라가며 충돌을 일으키진 않는지 지속적으로 모니터를 해야하고 이에 따라 인지 부하가 과도하게 커지게 됩니다. 하지만 로봇들 간의 지역적인 상호작용(Local Interaction)을 이용한 flocking 알고리즘을 이용한다면 오퍼레이터는 전체 로봇들을 하나의 개체로 간주하고 낮은 인지 부하를 유지하며 감시제어 임무를 수행할 수 있습니다. 이는 오퍼레이터가 임무 수행 중에 다른 중요한 요소들을 놓치지 않게 해주어 시스템의 전체 효율성을 높여줍니다.

    인간 오퍼레이터의 포함은 시스템의 성능을 높여줄 수도 있지만 숙련되지 않은 환경에서는 오히려 성능을 악화시킬 수도 있습니다. 오퍼레이터가 최적의 의사결정을 내릴 수 있도록 시스템에서 지속적으로 오퍼레이터의 인지적 상태(Cognitive State)를 모니터하고 그에 맞게 적응적 행동(adaptive behavior)를 보여야 (예 : 로봇의 상태를 파악하기 위해 필요한 정보의 효율적 제공, 로봇의 작업수행 모드 변경 등) 오퍼레이터의 오판을 최소화하고 시스템의 성능을 올릴 수 있습니다. 현재는 인간의 인지적 상태 (예 : 시스템에 대한 신뢰도, 인지적 부하 등)를 실시간으로 추정하는 알고리즘 개발하고 있습니다. 이어지는 연구에서 로봇의 적응적 행동과 효과적인 인터페이스의 개발을 통해 로봇들이 인간의 인지 상태에 적응하며 인간도 로봇 시스템의 변화에 적응해가는 Co-Adaptive System을 개발해 나갈 계획입니다. (Fig. 2)
     



    2. 본인의 대표 논문(최신논문, 논문 링커 or 논문 첨부):

    [1] Changjoo Nam, P. Walker, M. Lewis, and K. Sycara, "Predicting Trust in Human Control of Swarms via Inverse Reinforcement Learning," accepted for presentation at IEEE Int. Symposium on Robot and Human Interactive Communication (RO-MAN), Aug 2017.

    [2] Changjoo Nam and D. A. Shell, "Analyzing the sensitivity of the optimal assignment in probabilistic multi-robot task allocation," IEEE Robotics and Automation Letters (RA-L), Vol. 2, Issue 1, pp. 193-200, Jan 2017.

    [3] Changjoo Nam and D. A. Shell, "Bundling policies for sequential stochastic tasks in multi-robot systems," accepted for publication, Int. Symposium on Distributed Autonomous Robotic Systems (DARS), Nov 2016.

    [4] Changjoo Nam and D. A. Shell, "Assignment Algorithms for Modeling Resource Contention in Multi-Robot Task Allocation," IEEE Transactions on Automation Science and Engineering (T-ASE), Special Issue on Networked Cooperative Autonomous Systems, Vol. 12, Issue 3, pp. 889–900, Jul 2015.

    [5] Changjoo Nam and D. A. Shell, "When to do your own thing: Analysis of cost uncertainties in multi-robot task allocation at run-time," IEEE Int. Conf. on Robotics and Automation (ICRA), pp. 1249-1254, May 2015.


    3. 연구중에 어떤 극복해야 할 문제가 있었고 이를 어떻게 해결하셨는지?

    다중 로봇 시스템의 최적화 문제는 NP-hard 문제들이 많지만 수학적으로 잘 정의되어있어, 일관되게 최적해나 일정 범위 내에 수렴하는 근사해를 찾는 알고리즘을 개발하는 것을 목표로 할 수 있습니다. 하지만 인간이 시스템의 의사결정과정에 포함되면 그 일관성이 유지되지 않는 경우가 많아 모델 기반의 top-down 방식으로는 정형화되지 않은 인간의 의사결정과정을 표현하기에 어려운 경우가 많습니다. 이를 해결하기 위해 인간의 행동 데이터를 이용한 기계학습을 기반으로 Bottom-up 방식을 택했으나 일관성 측면에서 여전히 부족한 부분이 있습니다. 인간의 의사 및 의도가 행동으로 표현되기 이전에 발생하는 신경적(neural), 생리학적(physiological) 신호들을 이용하여 보다 일관되게 인간의 의사 결정과정을 예측하는 연구를 현재 신경과학자, 인지과학자들과 추진 중에 있습니다.


    4. 연구활동과 관련된 앞으로의 계획이 있으시다면?

    현재 진행 중인 유저 스터디와 몇 번의 추가적인 실험을 통해 인간의 로봇에 대한 신뢰도 추정 알고리즘과 로봇의 제어 알고리즘을 수정/보완하여 궁극적으로 로봇 시스템과 인간이 상호적응하는 Co-adaptive Mmulti-robot System을 개발할 계획입니다.


    5. 본인이 영향을 받은 다른 연구자나 논문이 있다면?

    연구하면서 마주하는 많은 논문들, 특히 최신 논문들로부터 다양한 영향을 받고 있습니다. 박사과정에서 연구를 하며 여러번 들춰본 논문이라고 하면 ROS와 Gazebo를 개발하고 있는 Open Source Robotics Foundation의 수장인 Brain Gerkey가 박사과정 중에 지도교수 Maja Mataric과 쓴 A formal analysis and taxonomy of task allocation in multi-robot systems가 있습니다. Proof-of-concept 스타일로 이어져오던 Multi-robot task allocation 분야의 연구들을 심도있게 분석하고 분류하여 이후 연구들의 훌륭한 레퍼런스가 되어온 논문입니다.


    6. 연구를 진행했던 소속기관 또는 연구소, 지도교수에 대해 소개 부탁 드립니다.

    고려대학교의 Perceptional Robotics Lab.(지도교수 도락주, http://perl.korea.ac.kr)을 거쳐 Texas A&M University의 Distributed AI Robotics Lab. (DAIR Lab.)에서 박사과정을 마쳤습니다. DAIR Lab.에서는 다중 로봇 시스템의 최적화 문제부터 선으로 묶여있는 로봇들의 모션 플래닝, 구동부가 없는 Manipulator를 이용한 Object Manipulation, 스웜 로봇들의 Emergent Behavior, 추적대상의 프라이버시를 침해하지 않는 모션 플래닝 등 다양한 주제의 연구를 진행하고 있습니다. 지도교수님이셨던 Dylan Shell 교수님 (http://robotics.cs.tamu.edu)은 어플리케이션을 위한 엔지니어링 문제를 풀기보다는 보편적이고 새로운 문제를 수학적으로 잘 정의하고 이론적인 기반을 토대로 알고리즘을 디자인하는 것에 관심이 많습니다.(Fig. 3)

    현재 박사 후 연구원으로 근무 중인 Carnegie Mellon University의 Robotics Institute에서는 로봇 분야를 선도하는 다양한 연구들이 진행되고 있습니다.

    제가 속해있는 Advanced Agent-Robotics Technology Lab.에서는 현재 다중 로봇 시스템과 스웜 로봇 시스템의 제어, 인간-로봇 상호작용, 다수의 로봇을 이용한 농작물 모니터링 등의 프로젝트를 진행하고 있습니다. 지도교수님이신 Katia Sycara 교수님(http://ri.cmu.edu/ri-faculty/katia-sycara)은 약 30년간 Robotics Institute에서 근무하며 멀티에이전트 시스템 분야에서 선구자적 연구를 해왔습니다. 현재는 인간이 오퍼레이터로서 혹은 작업수행에 협력하는 하나의 개체로서 포함되는 대규모의 이종(Heterogeneous)로봇 시스템의 디자인과 개발에 많은 관심을 갖고 연구를 진행중입니다.




    7. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람

    박사과정 중에 다중 로봇의 작업수행 최적화 분야에서 이론적으로 연구를 진행하면서도 실제로 다양한 현장에서 사용될 수 있는 알고리즘을 개발하기 위한 노력을 계속 했습니다. 그 결과 Amazon Robotics(구 Kiva Systems)의 연구개발팀(Amazon Picking Challenge를 주관하는 팀)에서 인턴으로 근무하며 제 알고리즘을 이용해서 자동화 창고의 효율성을 높일 수 있는 방법을 찾고 그 성능을 실험적으로 보였습니다. 저의 연구가 실험실 수준에서 그치는 것이 아니라 실제 비즈니스 모델에도 적용될 수 있다는 것을 확인한 일은 보람찬 일이었습니다. (Fig. 4) 현재 CMU에서의 연구는 기존 결과가 거의 없는 분야라서 연구에 참고할만한 레퍼런스가 부족하여 시행착오가 많이 있습니다만 선구자적 연구를 진행 중이라는 자부심이 있습니다.



    8. 이 분야로 진학하려는 후배(또는 유학 준비생)에게 도움이 되는 말씀을 해 주신다면?

    로봇공학은 로봇지능과 관련된 순수 알고리즘 연구부터 기구학, 동역학적인 하드웨어 연구까지 다양한 스펙트럼을 갖고 있습니다. 시뮬레이션 뿐만 아니라 로봇을 이용한 실험까지 수반해야하는 분야가 많지만 수학적인 증명만으로 충분한 분야도 있습니다. 실제로 잘 동작하는 로봇을 만들기 위해서는 이 다양한 스펙트럼을 아우르는 폭 넓은 지식이 필요합니다. 하지만 박사과정에서의 연구 방향성은 대부분 폭을 넓히는 것보다는 깊이를 깊게 만드는 쪽으로 흘러가게 마련입니다. 그러다보면 스스로의 연구에 매몰되어 폭을 넓히는 일에 소홀하게 되기도 합니다. 학위과정 중에서는 졸업연구에만 집중하다보면 이런 부분이 문제점으로 다가오지 않지만 졸업 후에 다양한 프로젝트에 참여하다보면 한계가 느껴질 수 있습니다. 졸업연구를 하느라 많이 바쁘더라도 폭을 넓히는 데에 관심의 끈을 놓지 않는다면 나중에 많은 도움이 되리라 생각합니다.


    유학을 계획하고 계신 분들은 유학을 통해 얻고자 하는 것이 무엇인지 확실히 하는 것이 중요하다고 생각합니다. 학문적인 부분만 놓고 보면 국내에서도 수준 높은 연구를 진행 중인 연구실에서 많은 지식과 경험을 쌓을 수 있다고 생각합니다. 현재 계획하고 있는 진로에 대한 목표달성을 위해 유학이 반드시 필요한 지 고민해보는 것이 중요하다고 생각합니다.
     

    • 페이스북아이콘
    • 트위터 아이콘

    전체댓글 5

    사용자 프로필 이미지
    |2017.09.18
    연구의 폭을 넓혀야 한다는 점 공감이 됩니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.09.18
    마지막 글에 연구의 폭을 넓혀야 한다는 말에 다시 고민하게 되었습니다. 좋은 글 감사합니다!
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.09.18
    일관되게 인간의 의사 결정과정을 예측하는 연구가 잘 진행되기를 바랍니다.
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.09.18
    연구가 연구에서 끝나는 것이 아니라 실전에서 적용이 가능한 연구 많이 많이 해 주세요 ..^^
    댓글 입력란
    프로필 이미지
    0/500자
    사용자 프로필 이미지
    |2017.09.18
    로봇 연구는 한 분야로 깊게 파는것도 중요하지만. 다양한 아이디어가 필요하기 때문에 폭을 넗히는는 것도 중요하다는 충고를 해 주셨네요..
    댓글 입력란
    프로필 이미지
    0/500자
    댓글 입력란
    프로필 이미지
    0/500자

    서브 사이드

    서브 우측상단1
    서브배너4