기계·로봇 연구정보센터

6235

ICRA 2022 논문을 통해 본 로봇분야 연구동향

정병규(기계·로봇 연구정보센터) 2022-11-24

ICRA 2022 논문을 통해 본 로봇분야 연구동향_1124(2).pdf

International Conference on Robotics and Automation (ICRA) 2022가 3년만에 오프라인 형식으로 미국 펜실베니아 주 필라델피아 소재 ‘펜실베니아 컨벤션센터’에서 2022년 5월 23부터 27일까지 개최되었다. ICRA는 IEEE 로봇자동화학회(RAS, Robotics and Automation Society)가 주최하는 로봇·자동화분야 최고 권위의 국제학술행사다. 이번 ICRA 2022는 Covid-19 대유행 이후 처음으로 오프라인으로 열리는 로봇·자동화분야 최대 규모 국제학술행사라는 점에서 그 어느 때보다 로봇학계와 산업계의 주목을 받았다. 실제 학회에는 로봇과학자와 산업계 인사 연구자4,703명이 직접 참석하였다. 또한 학회가 열리는 행사 기간에는 삼성AI센터, 엔비디아, 테슬라, 아마존 사이언스, 바이두, 보스턴다이내믹스 등 기업들이 자사 로봇 및 인공지능 솔루션을 선보이기도 하였다.

자료 분석을 위해 ICRA의 2022년 학술대회 논문 중 IEEE Xplore digital library (https://ieeexplore.ieee.org/xpl/conhome/9811522/proceeding)에 공개된 929편의 논문에 대한 저자 및 소속, 키워드 등을 추출하여 정리하였기 때문에 실제 발표논문 수와 차이가 있을 수 있다. 분석 방법은 통계 분석과 네트워크 분석을 사용하였는데 통계분석에서는 기관별 논문 발표 순위, 국가별 논문 발표 순위, 국가별 참여기관 수, 한국 기관의 논문 발표 순위를 분석하였고, 네트워크 분석에는 NetMiner 3.6을 사용하여 키워드, 연구자, 기관-키워드를 분석하였다.

이번 ICRA 2022논문중 IEEE Xplore digital library 공개된 논문은 37개 국가의 929편의 논문이며, 국가별 논문 발표 순위를 살펴보면 아래 Figure 2와 같이 미국이 367편으로 가장 많은 논문을 발표하였으며, 그 뒤로 중국 173편, 독일 74편, 일본 46편, 영국 39편, 한국 31편, 캐나다 28편, 프랑스 27편 순이다.

ICRA 2022에서는 약 380여 기관이 논문을 발표하였으며, 기관별 발표 논문 수는 Figure 3과 같이 MIT가 38편, Carnegie Mellon Univ.가 31편, Univ. of California at Berkeley가 26편, Georgia Tech이 18편, Tsinghua Univ.가17편, Univ. of Pennsylvania가 14편, Stanford Univ.가 13편, ETH Zurich, HKUST, Technical Univ. of Munich이 각각 12편, Zhejiang Univ.가 11편, Imperial College London과 Shanghai Jiao Tong Univ.가 각각 10편을 발표하였다. 또한 한국의 경우 KAIST가 8편, 서울대는 6편의 논문을 발표하였다.

논문의 키워드를 분석하면 발표된 논문들이 어떠한 분야와 주제의 연구인지 확인할 수 있다. Figure 4에 보인 키워드 spring layout 네트워크는 각 논문의 키워드를 분석하여 취합하고 한 논문에 같이 나열된 키워드들을 서로 연결하여 그림으로 나타낸 것으로, 전체 키워드의 상관관계를 좀 더 보기 쉽게 빈도수 1 이하인 값을 삭제한(Link Reduction 1) 그림이다.

ICRA에서는 2021년까지는 IEEE Keywords, INSPEC: Controlled Indexing, INSPEC: Non-Controlled Indexing의 3가지로 나누어 논문 키워드 표시해 왔으며, 우리는 이중 INSPEC: Controlled Indexing을 사용하여 분석을 해 왔다. 하지만 2022년에는 어떤 이유인지 오직 IEEE Keywords만을 게재하고 있어 이를 기준으로 분석하였다.

2021년까지는 주로 Mobile Robots를 중심으로 Robot Vision, Path Planning, Motion Control의 3가지 키워드의 빈도수가 높게 나타났는데, IEEE Keywords만을 추출한 이번 2022년에는 위의 Figure 4와 같이 Automation이라는 키워드가 가장 비중이 높은 키워드로 나타났다. 이외에도 Training, Three-Dimensional Displays, Robot Sensing Systems, Navigation, Planning, Trajectory가 빈도수 100이상의 주요 키워드로 나타났다.

다른 키워드의 연결관계를 좀 더 잘 보기 위해서 가장 비중이 높은 “Automation”을 제외하고 네트워크를 구성하면 위의 Figure5와 같다.“Training”과 “Three-Dimensional Displays” 가 좀 더 부각되고, “Robot Sensing Systems, Navigation, Planning, Trajectory, Visualization” 등이 고르게 분포되어 있음을 볼 수 있다.

Figure 6은 키워드의 연결 관계와 상관없이 빈도수의 비중을 계산하여 태그 클라우드(Tag cloud)로 표현한 그림이다. ICRA 2022의 논문의 총 키워드 수는 912개이며, 가장 많이 사용된 빈도수 20 이상의 키워드를 Table 3과 같이 정리하였다. 이를 살펴보면 Automation, Training, Three-Dimensional Displays, Robot Sensing Systems, Navigation, Planning, Trajectory이 빈도수 100회 이상 나왔으며 Visualization, Reinforcement Learning, Task Analysis, Real-Time Systems, Predictive Models, Uncertainty, Robustness, Legged Locomotion, Behavioral Sciences, Shape, Semantics, Grasping, Manipulators, Robots, Point Cloud Compression, Robot Vision Systems, Benchmark Testing, Cameras, Force, Computational Modeling, Pipelines, Estimation, Adaptation Models, Heuristic Algorithms이 빈도수 50회 이상으로 나타났다.

Degree Centrality는 연결 정도 중심성으로 한 키워드가 전체 네트워크에서 얼마만큼 중심에 가까이 자리 잡고 있는지를 나타내는 지표다. 네트워크 분석에서 한 키워드가 다른 키워드와 갖는 연관성을 분석하는 데 가장 많이 쓰인다. 다른 키워드와의 연결 관계가 많을수록 네트워크 가운데 쪽으로 위치하게 된다. ICRA 2022의 키워드들의 Degree Centrality의 결과는 Figure 7과 같다.

위의 결과들과 마찬가지로 Automation을 중심으로 Training, Navigation, Planning, Robot Sensing Systems, Three-Dimensional Displays 등의 키워드가 중심에 가까이 나타났다.

키워드 분석과 마찬가지로 ICRA 2022의 논문 공저자들의 상관관계를 NetMiner를 사용하여 시각화하였다. Figure 7과 같이 많은 연구자 그룹이 형성되어 있는 것을 확인할 수 있으며, 이중 오른쪽 아래는 개인이나 실험실 단위의 소규모 연구 그룹을 나타내고 있으며, 왼쪽 위로 갈수록 여러 기관 소속의 연구자들이 모인 그룹이다.

이 중 몇 개의 큰 그룹을 확대하여 살펴보기로 하자.

가장 큰 연구자 그룹은 위의 Figure 9와 같이 MIT와 Univ. of California at Berkeley의 연구자들이 연결된 그룹으로 나타났다. 이 그룹에서는 Daniela Rus(MIT)가 중심연구자로 뚜렷하게 구별되며, 이외에 Ken Goldberg(Univ. of California at Berkeley), Jeffrey Ichnowski(Univ. of California at Berkeley), Sertac Karaman(MIT), Guy Rosman(Toyota Research Institute), Joshua B. Tenenbaum(MIT) 등이 주요 연구자로 나타났다.

또한 이 그룹의 중앙에는 커다란 두개의 그룹을 연결하는 3명의 연구자가 있다. Lin yen-Chen(MIT), Alberto rodrguez(MIT),Peter Florence(google)는 NeRF(Neural Radiance Fields)에 관한 공저논문(NeRF-Supervision: Learning Dense Object Descriptors from Neural Radiance Fields)으로 2개의 큰 그룹을 연결시키고 있다."

또한 이를 잘 나타내기 위해 윗부분과 아래 부분을 각각 확대하여 표시한 그림은 위의 Figure 10과 Figure 11과 같다.

두 번째로 큰 그룹은 Figure 12와 같이 Waymo의 연구자로만 구성된 그룹으로 Dragomir Anguelov(Waymo)가 가장 중심이 되는 연구자로 나타났다. 이 그룹의 특이한 점은 단지 두 명을 제외하면 모든 연구자가 Waymo 소속인 것이다.

Alphabet Inc.( Google의 모회사)의 자회사인 Waymo LLC는 캘리포니아주 마운틴뷰에 본사를 둔 미국의 자율주행 기술 회사이다. Waymo는 2020년 10월 애리조나주 피닉스에서 일반 대중에게 안전 백업 운전자 없이 운영되는 유일한 자율주행 상용 서비스를 하고 있으며, 배송 및 물류용 딜리버리 밴 및 클래스 8 트랙터-트레일러를 비롯한 다른 차량에 사용하기 위한 주행 기술을 개발하고 있다.

Figure 13은 Univ. of California at Berkeley와 Mitsubishi Electric Research Laboratories의 연구자들이 연결된 그룹으로 Masayoshi Tomizuka(Univ. of California at Berkeley)와 Sergey Levine(Univ. of California at Berkeley)이 중요한 역할을 하고 있는 것으로 보인다.

Masayoshi Tomizuka는 Univ. of California at Berkeley기계공학과 Cheryl and John Neerhout, Jr. 석좌교수이고 제어 분야에 많은 학문적 기여를 하였다. Sergey Levine은 2014년 Stanford University에서 컴퓨터 공학 박사를 취득하고 2016년 가을 UC Berkeley에서 전기 공학 및 컴퓨터 과학과 교수가 되었다. 딥 러닝 및 강화 학습에 중점을 둔 의사 결정 및 제어를 위한 기계 학습을 주로 연구하고 있으며, 자율 로봇과 차량뿐만 아니라 다른 의사 결정 영역의 응용 프로그램을 연구하고 있다.

Figure 14에 보인 연구 그룹은 ETH Zurich연구자들을 주축으로 Microsoft와 NTNU: Norwegian University of Science and Technology, 그리고 Univ. of Nevada at Reno의 연구자들이 연결된 그룹이다. 이 그룹에는 Roland Siegwart(ETH Zurich)와 Marco Hutter(ETH Zurich)가 비중이 높은 연구자들이다.

Roland Siegwart는 스위스의 Autonomous Systems Lab, ETH Zurich의 로봇 공학 및 지능형 시스템 연구소 소장이자 로봇 공학 전문가로 알려져 있다. Marco Hutter는 2015년부터 스위스 취리히 ETH의 로봇 시스템 교수이며 2014년부터 Branco Weiss 펠로우다. 그는 ETH Zurich에서 로봇 공학 박사 학위를 받았으며 동적 다리 로봇 시스템(Dynamic Legged Robotic Systems)의 설계, 작동 및 제어에 중점을 두고 연구하고 있다.

Figure 15에서 보이는 연구 그룹은 Carnegie Mellon Univ.를 주축으로 Nanyang Technological Univ.와 Georgia Institute of Technology 그리고, Univ. of Pittsburgh, Australian National Univ.
등의 연구자들이 연결된 그룹이다. 이 그룹에는 Howie Choset(Carnegie Mellon Univ.)와 Sebastian Scherer(Carnegie Mellon Univ.) 그리고, Aaron M. Johnson(Carnegie Mellon Univ.)이 비중이 높은 연구자로 연결되어 있다.

Howie Choset(Carnegie Mellon Univ.)은 Carnegie Mellon Univ.의 Kavcic-Moura 컴퓨터 공학 교수로 다양한 뱀 로봇을 설계하고 구현하였다. 많은 자유도를 활용하여 빽빽하게 밀집된 지역을 통과하여 사람과 기존 기계가 접근할 수 없는 위치에 도달할 수 있는 메커니즘을 설계하고 구성하였다.

Degree Centrality는 공저 논문의 수뿐 아니라 연결된 공저자 수에 따라서도 위치를 달리하게 된다. ICRA 2022의 가장 중심에 있는 연구자는 Figure 16과 같이 Daniela Rus(MIT) 로 나타났으며, 두번째로 Ken Goldberg(Univ. of California at Berkeley)와 Roland Siegwart(ETH Zurich), Masayoshi Tomizuka(Univ. of California at Berkeley)로 나타난다.

위의 Table 2는 주요 연구자들의 공저 논문 수를 보여주고 있다. Masayoshi Tomizuka(Univ. of California at Berkeley)는 공저 논문은 가장 많지만, 공저자수에서는 Daniela Rus(MIT)가 더 많기 때문에 가장 중심에 나타나지는 않았다.

이번 ICRA 2022에서 한국의 10개의 대학과 기관이 총 31편의 논문을 발표하였다. Table 3과 같이 KAIST가 8편, Seoul Nat. Univ.가 6편, GIST, Korea Univ., NAVER가 각각 4편의 논문을 발표하였다. 이외에도 KIST, Kookmin Univ., POSTECH, DGIST, UNIST에서 각각 1편의 논문을 발표하였다.

한국 기관의 논문만 별도로 추출하여 연결한 연구 그룹들은 Figure 17과 같다.

대부분 한국의 연구 그룹은 큰 연결관계가 없이 논문에 따라서 분리된 것을 볼 수 있다. 다만 첫번째 그룹은 Naver외에도 KAIST와 Univ. of Maryland의 연구자가 포함된 것으로 나타났다.

한국기관 소속의 연구자 외에도 외국기관 소속의 한국인 연구자들의 논문도 많이 발표된 것으로 나타났다. Table 4는 한국인으로 추정되는 외국 기관 소속의 연구자 명단이다.

기관과 키워드의 연관성 분석은 어느 기관에서 어떤 분야를 연구하는지에 대한 객관적인 자료가 될 수 있다. 논문 제1 저자의 기관과 그 논문에 대한 키워드를 정리하여 기관과 키워드 간의 관계를 분석한 결과를 Figure 18에 나타내었다.

Figure 18을 살펴보면, 주요 기관으로는 MIT, Carnegie Mellon Univ., Univ. of California at Berkeley, Tsinghua Univ., Georgia Tech등이 있으며, 키워드로는 Automation, Planning, Training, Cameras, Predictive models, Three-dimensional displays, Trajectory, Navigation, Task analysis, Visualization, Heuristic algorithms, Grasping, Adaptation models등이 있다. 이를 좀 더 자세히 보기 위해 빈도 4이하를 삭제한 것은 Figure 19와 같다.

이를 통해 보면 MIT와 Carnegie Mellon Univ.이 공통으로 다루는 키워드는 Automation, Planning, Training, Three-dimensional displays임을 알 수 있다. 또한 MIT와 Univ. of California at Berkeley는 Automation, Training, Predictive models를 공통적으로 연구하고 있음을 알 수 있다. 기관별로 주요하게 나타나는 키워드를 Table 4와 같이 정리하였다.

기관별 분석을 살펴보면 논문 수 4위까지는 미국의 기관들이나 중국의 칭화대학(Tsinghua Univ.)가 17편의 논문을 내면서 Univ. of Pennsylvania와 Stanford Univ.를 제치고 5위를 차지하고 있다. 한국기관으로는 KAIST가 8편의 논문을 내고 서울대가 6편의 논문을 발표하였다.

IEEE Keywords를 기준으로 하여 분석한 결과는 다음과 같다. Automation, Training, Three-Dimensional Displays, Robot Sensing Systems, Navigation, Planning, Trajectory이 빈도수 100회 이상으로 많이 나타났다. 네트워크 중심도 분석에서도 빈도수 결과와 비슷하게 Automation을 중심으로 Training, Navigation, Planning, Robot Sensing Systems, Three-Dimensional Displays 등의 키워드가 중심에 가까이 나타났다.

공저자 네트워크 분석에서는 가장 큰 연구 그룹에서 Ken Goldberg(Univ. of California at Berkeley), Jeffrey Ichnowski(Univ. of California at Berkeley) , Sertac Karaman(MIT), Guy Rosman(Toyota Research Institute), Joshua B. Tenenbaum(MIT) 등의 연구자가 중심적 역할을 수행하는 것으로 나타났다.

Degree Centrality 시각화를 통해 Daniela Rus(MIT)가 가장 중심에 있으며, 두 번째로 중심에 가까운 연구자에는 Ken Goldberg(Univ. of California at Berkeley)와 Roland Siegwart(ETH Zurich), Masayoshi Tomizuka(Univ. of California at Berkeley)가 포함되어 있음을 확인할 수 있다.

한국은 KAIST와 서울대를 중심으로 GIST, Korea Univ., NAVER, KIST, Kookmin Univ., POSTECH, DGIST, UNIST등의 10개 기관에서 31편의 논문을 발표하여 논문 수에서는 미국, 중국, 독일, 일본, 영국에 이어 세계 6위를 기록하였다. 또한 해외 소속기관의 한국인 연구자들(제1저자와 공저자를 포함) 41명을 확인하였다.

마지막으로 기관과 키워드분석을 통해 각 연구기관이 어떤 키워드의 연구를 주로 하는지도 확인해 보았다. MIT와 Carnegie Mellon Univ.이 공통으로 다루는 키워드는 Automation, Planning, Training, Three-dimensional displays임을 알 수 있다. 또한 MIT와 Univ. of California at Berkeley는 Automation, Training, Predictive models를 공통적으로 연구하고 있음을 확인할 수 있다.

전체댓글 0

[로그인]

댓글 입력란

0/500자