You cannot see this page without javascript.

WP 1. PSN 및 다중 인식 자원 융합


1-1. PSN 구축

다중 인식 자원 (카메라, 마이크, KINECT, Laser sensor 등) 과 로봇의 자원 융합

- 3W 인식 및 Perception에 필요한 Sensor 자원의 실시간 응답 시스템, 모니터링 tool, 데이터 베이스 등 base block 제공

Open M/W 를 통한 topic 기반 인식자원 서비스 제공

-Sensor자원 Component의 표준화된 방식의 topic화 및 publish / subscribe 시멘틱을 이용한 이종 자원의 융합



WP1-1.jpgWP1-2.jpg

                ROS topic 기반 인식 자원 서비스 융합                        다중 인식 자원의 데이터 구성   

 

 

 

 

1-1-1. Sound 센서 네트워크 기반 로봇 서비스 제어

 

이기종 Sound 센서노드에서 감지된 대용량 센싱 데이터를 취합하거나, 데이터를 네트워크 외부로 연계하고 관련 센서 네트워크를 관리하는 시스템 구축

- 센서노드의 한정된 자원을 효율적으로 사용하고 인식 정확도 향상을 위하여 센서노드들 간의 정밀 시간 동기화





WP 2. PSN 협업 기반3W 인식 기술


WP2-1.jpgWP2.jpg











인식 센서와 HRI engine 간의 데이터 전송 흐름도                     3W 정보 인식을 이용한 UnR Class 구성 예제



2-1-1. Who: 다중뷰/멀티센서 융합기반 신원인식 모듈 개발

 

 

실환경하에서 임의의 사용자 30에 대한 최고 수준의 사용자 신원 정보 인식 기술개발

- APM(Associate-Predict Model)CSML (Cosine Similarity Metric Learning)을 결합


who-environment.jpg



2-1-2. What: 다중뷰/멀티센서 융합기반 행동인식 모듈 개발


실환경하에서 임의의 사용자 30에 대한 최고 수준의 사용자 행동 정보 인식 기술개발

- 비디오 영상에서의 모션 정보를 효율적으로 표현하기 위한 LMP (Local Motion Pattern)와 복잡도가 높은 상호 행동을 부-상호 행동 단위의 조합으로 모델링 하기 위한 NDPM (Network of Dynamic Probabilistic Model)을 이용한 인지 센서 네트워크 및 이동 로봇 환경에서 다수 사용자의 제스처 및 행동 인식 기술 개발


what-environment.jpg



2-1-3. Where: 다중뷰/멀티센서 융합기반 위치 인식 모듈 개발


실환경하에서 임의의 사용자 30에 대한 최고 수준의 사용자 위치 정보 인식 기술개발

- Multi-sensor, Multi-modal 위치추적

Ÿ Barge-in able / In-motion 위치추적 기술 개발

Ÿ TDOA map / PDOA map 기반 멀티 음원 위치추적 기술

Ÿ HOG feature SVM classifier기반 RGB depth 이미지 정보를 이용한 Face/body 검출 기술

Ÿ Flexible fusion framework(multi-sensor, multi-modal)

Ÿ Multi-target particle 필터, 또는 PHD (probability hypothesis density) 필터

Ÿ Probabilistic fusion:각 센서의 신뢰도에 기반한 weighting 값을 이용한 feature concatenation 방법


where-environment.jpg



2-1-4. Perception: 3W 융합


3W융합HRI Perception Engine 개발

- Multi-Sensor Calibration 기술 개발

Ÿ Mono-Camera + 3D Camera + 마이크로폰 통합 Calibration : 30cm이내 정확도

- Symbol Grounding(Anchoring ) Dynamic Object 관리 모듈 개발

Ÿ 3W의 결과값을Anchoring을 통해 Symbols로 변환하여 표현 및 관리

- Task Interface 모듈 개발

Ÿ RoIS 표준을 준용하여, 인식된 3WSymbols Data를 서비스 모델과 통신하는 모듈 개발



 

2-2. 클라우드 기반 실시간 분산처리 제어 기술


클라우드 로보틱스 (Cloud Robotics)

- IaaS (Infrastructure): Physical PCs management

Ÿ OpenStack 오픈소스 (on Ubuntu Server)

- RoS/OPRoS

Ÿ RoS/OPRoS master node, 기타 node는 가상 OS상에서 실행

- PaaS (Platform): IaaS + RoS/OPRoS


Cloud.jpg

Cloud 기반 분산처리 시스템 구성



WP 3.인간 친화적 로봇 서비스


Ubiquitous and Robotic-Class(UnR-Class) 중심의 로봇 서비스 모델 개발

- 서비스 적용 분야 : 교사보조로봇

- 서비스 기능

Ÿ 출석 체크/자리 안내, 자율 학습 지도, 학습 태도 분석, 돌발 상황 감지

Ÿ 복습 및 예습보조, 수업진도 체크, 공지사항 전달, 백과사전 및 지식검색, 수업내용 동영상 저장,

Ÿ 학생 모니터링 및 상담

- 서비스에 따른 3W의 필요기능 도출

- 서비스 모델 적용 방안 :

Ÿ 1, 2단계 : 모형 실험공간 적용

Ÿ 3단계 : 시범 학교에 UnR-Class 구축 후 적용


 WP3.jpg

UnR-Class 기반의 교사 보조 로봇 서비스 예시



WP 4. 국내외 표준화 연계


표준화 목표: 국내 표준화 및 국제 표준화 단체와 연구 결과 표준화 연계

- ROS 접속 기준 초안: 컴포넌트화 접속기준 마련

- HRI 관련 설문조사 및 표준화 로드맵 작성

- 관련 용어, 환경 요소 정의 및 표준화

- HRI 기본 기능 및 시험평가 방법 정의 및 체계화

- 인간-로봇 참조 모듈 인터페이스 표준 설계


 

WP4-2.jpg WP4-1.jpg

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Top