전이학습 기반의 휴머노이드 로봇 HRI- Vision 모델에 관한 연구
A Study on the Transfer Learning-based Humanoid Robot HRI-Vision System
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
인공지능의 발전으로 다양한 분야에서 많은 변화가 일어나고 있으며, 로봇 분야에서도 머신러닝을 탑재한 서비스 로봇과 산업용 협동 로봇들이 등장하고 있고 있고, 로봇이 복잡한 서비스를 독립적으로 수행한다. 그러나 인공지능의 직관성과 공감 지능은 아직 서비스 로봇에 완전히 스며들어 인간을 능가하는 것은 어렵다고 할 수 있으며, 로봇과 인간은 고객들에게 질 좋은 서비스를 제공하기 위하여 서로를 보강해야만 한다. 최근 인간과 로봇이 자연스럽게 의사소통하고, 순조로운 상호작용을 목적으로 하는 융합적인 기술인 HRI가 주목받고 있다. 특히 로봇-비전 기술은 환경과 물체를 인식하며, 인간의 얼굴을 인식하여 대상자를 식별하고 감정 파악이 가능하며, 동작을 기반으로 의도를 추론할 수 있는 인식부의 역할을 수행하고 있다. 현재 로봇은 인간이 그들의 동료나 친구로 여길 정도로 널리 확산되고 있다. 따라서 객체 인식 기술을 접목한 소형 로봇이 필요한 실정이다. 본 논문에서는 휴머노이드 로봇의 소형 PC에서 전이학습 기반 객체 탐지 알고리즘을 적용한 HRI 비전 객체 인식시스템을 제안한다. 제안 시스템은 저사양의 소형 휴머노이드 로봇의 시각적 기능을 대체할 수 있는 로봇 비전 기술을 적용한 것으로, 얼굴인식을 통하여 휴머노이드 로봇이 미리 프로그램된 동작을 수행하도록 하였다.
Abstract
With the development of artificial intelligence many changes are taking place in various fields and service robots equipped with machine learning and industrial cooperative robots are also appearing in the robot field. However the intuitive and empathic intelligence of artificial intelligence has not yet fully permeated service robots and surpassed humans. Therefore it can be said that it is difficult for robots to perform complex services independently and robots and humans must reinforce each other to provide quality services to customers. Recently HRI a convergence technology for natural communication between humans and robots and smooth interaction are attracting attention. HRI research can be divided into user-centered and robot-centered interactions. The robot-vision technology recognizes the environment and objects, recognizes a human face to identify a target, recognizes emotions and plays the role of a recognition unit that can infer intentions based on motion. Robots are now so widespread that humans consider them to be their colleagues and friends. Therefore, there is a need for a small robot incorporating object recognition technology. In this paper, we propose an HRI vision object recognition system using a transfer learning-based object detection algorithm in a small PC of a humanoid robot. The proposed system applies robot vision technology that can replace the visual functions of low-spec small humanoid robots and allows the humanoid robot to perform pre-programmed motions through face recognition.
참고문헌 (19)
- 전해인, "표정 피드백을 이용한 딥강화학습 기반 협력로봇 개발", 로봇학회 논문지, 17(3), pp.264~272 (2022), 한국로봇학회[DOI]
- S. Lechevalier, "Diversity in patterns of industry evolution : How an intrapreneurial regime contributed to the emergence of the service robot industry", Research Policy, 43(5), pp.1716~1729 (2014)
- H. M. Huang, "Artificial intelligence in service", Journal of Service Research, 21(2), pp.155~172 (2018)
- R. Baldwin, "The globotics upheaval:globalization, robotics, and the future of work" (2019), Oxford University Press
- 이종식, "반려동물형 로봇을 이용한 고령자 심리 안정의 향상 방안", 한국지식정보기술학회 논문지, 13(3), pp.327~339 (2018), 한국지식정보기술학회[DOI]
- 전병태, "로봇 학습을 위한 휴먼 행동 데이터베이스 데이터 검증 및 분석", 한국지식정보기술학회 논문지, 16(5), pp.995~1001 (2021), 한국지식정보기술학회[DOI]
- K. Oh, "The HRI experiment framework for designers", Proceeding of International Association of Societies of Design Research (IASDR), pp.1~18 (2007)
- J. H. Lee, "Robot vision technology trends for HRI", The Magazine of the IEIE, 46(2), pp.37~43 (2019)
- D. Y. Kim, "Deep learning system for mobile robots using an edge server with YOLO and ROS", Proceeding of Institute of Control, Robotics and Systems(ICROS2020), pp.93~94 (2020)
- J. S. Lee, "Trends on object detection techniques based on deep learning", ETRI Journal, 33(4), pp.23~32 (2018)
- 이동구, "YOLO 네트워크를 활용한 전이학습 기반 객체 탐지 알고리즘", 한국인터넷방송통신학회 논문지, 20(1), pp.219~233 (2020), 한국인터넷방송통신학회[DOI]
- D. Y. Kim, "Yolo and ROS based pet simulator robot research", Proceeding of Institute of Control, Robotics and Systems(ICROS2020), pp.527~528 (2020)
- I. Leite, "The influence of empathy in human–robot relations", International journal of human-computer studies, 71(3), pp.250~260 (2013)
- C. S. Park, "Cognition expression technology trend for human and robot interaction", ETRI Journal, 28(4), pp.86~96 (2013)
- J. Hernandez-Ortega, "Faceqnet : Quality assessment for face recognition based on deep learning", 2019International Conference on Biometrics (ICB), pp.1~8 (2019)
- Y. LeCun, "Convolutional networks and applications in vision", Proceedings of IEEE international symposium on circuits and systems, pp.253~256 (2010)
- J. Zhang, "Coarse-to-fine auto-encoder networks (cfan)for real-time face alignment", European conference on computer vision, pp.1~16 (2014), Springer
- J. Redmon, "You only look once: Unified, real-time object detection", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.779~788 (2016)
- E. Dong, "An improved convolution neural network for object detection using YOLOv2", 2018IEEE International Conference on Mechatronics and Automation (ICMA), pp.1184~1188 (2018), IEEE