기계·로봇 연구정보센터에서 매달 온라인 세미나를 개최하고 있습니다.
화상세미나는 참여신청후 누구나 부담없이 해당일에 참여 가능합니다 .
관심있는 모든 분들의 참여를 부탁드립니다. ^^

*참여하셔서 질문해주시면 커피쿠폰을 보내드립니다.
(웹캠이나 마이크 없어도 가능, 모바일 가능, 채팅으로 질의 응답가능)

전체 웨비나 일정 보기: http://www.materic.or.kr/community/webinar/webinar_vod.asp

1. 로봇공학과 AI, 윤리학의 만남 - 김종욱 교수(동아대학교 전자공학과)
일시: 2020-12-08 화요일 오후 3시(발표 40분 / 토론, 질의응답 15분)

최근 인공지능이 소스코드 공개 및 이를 통한 글로벌 공동 연구를 통해 급속한 속도로 발전되고 있으며, 로봇공학에 접목됨으로써 다양한 기능과 서비스가 가능한 상용 로봇이 속속 출시되고 있으나, 그 부작용에 대한 우려도 점점 커져가고 있다. 본 연구자는 이러한 시대적 상황과 요구에 대응하기 위해 오픈소스 인지 아키텍처(Soar), 챗봇 엔진(ChatScript)과 모바일 로봇(Turtlebot3)을 이용하여 사용자의 서비스 요구에 대해 5가지 윤리원칙에 의거한 수행 여부 판단, 얼굴인식(FaceNet, OpenFace), 보행패턴/모션 인식(OpenPose), AI 스피커를 통한 교육(Google Assistant, Naver Papago NMT) 등을 연구 및 구현하고 있으며, 그 내용을 소개한다

웨비나 참여 신청: 로봇공학과 AI, 윤리학의 만남 웨비나 신청하러 가기

2. 발사형 정찰로봇과 보호체의 개발 - 강봉수 교수(한남대학교 기계공학과)
일시: 2020-12-09 수요일 오후 3시(발표 40분 / 토론, 질의응답 15분)

정찰이나 탐사를 위한 로봇은 목표한 지점으로 이동하여 그 주변의 정보를 수집하는 임무를 수행해야 한다. 이번에 소개할 소형 정찰로봇은 두 바퀴 주행기구를 가지고 있지만 상대방에게 노출을 최소화하기 위해 100 m 이상의 거리를 빠른시간에 이동하기 위하여 인공위성이 로켓에 탑재되어 지구궤도에 도달하는 방식처럼 보호체에 탑재된 후 발사되어 목표지점에 도달하게 된다. 목표지점 도착시 정찰로봇의 충격을 완화하고 외부로 배출하기 위한 보호체의 설계 및 해석 그리고 실험과정을 연속된 개발버전을 가지고 소개한다.

웨비나 참여 신청: 발사형 정찰로봇과 보호체의 개발 웨비나 신청하러 가기

3. 머신러닝을 이용한 복합재 분석 및 설계 연구 - 유승화 교수(KAIST 기계공학과)
일시: 2020-12-22 화요일 오후 3시(발표 40분 / 토론, 질의응답 15분)

최근 인공지능이 다양한 과학, 공학 분야에서 널리 응용되고 있으며, 특히 설계공간이 매우 큰 복합재 연구분야에도 점차 널리 사용되고 있다. 머신러닝을 활용하여 기존에 설계하기 어렵거나 오랜 시간이 걸리던 시행착오적인 설계 과정을 획기적으로 줄여주는 것이 그 예이다. 머신러닝의 몇 가지 기법들 및 유용한 적용 분야(데이터 수 및 신뢰도)에 대해 간단하게 소개하고, 복합재 연구에 응용사례를 소개한다.

웨비나 참여 신청: 머신러닝을 이용한 복합재 분석 및 설계 연구 웨비나 신청하러 가기

4. 기계학습(머신러닝) 모델의 압축 기술 - 정태희 박사(Xilinx, machine learning acceleration)
일시: 2020-12-23 수요일 오전 10시(발표 40분 / 토론, 질의응답 15분)

최근 10년 가까이 딥러닝(deep learning) 분야에서 수많은 모델들이 개발되어 왔다. 이 모델들은 대부분 모델 예측의 정확성만을 높이는 데 노력해 왔기 때문에, 모델의 크기가 무척이나 크다. 이 모델들을 데이터 센터의 서버에서 실행시키는 데에는 아무런 문제가 없지만, 이것을 에엣지 디바이스(edge device)에서 실행시키는 데에는 문제가 있다. 이를 해결하기 위해서 기존에 개발된 모델을 작게 만드는 모델 압축(model compression)기술이 최근에 크게 주목받고 있다. 딥러닝 모델을 압축하게 되면 두 가지 혜택을 얻을 수 있다. 하나는 에지 기기에서 작동할 수 있도록 모델 크기를 줄이는 것이입니다. 다른 하나는 모델의 실행 속도를 높이는 것이입니다. 모델 압축에는 신경망 아키텍처 검색(neural network search), 신경망 가지치기(neural network pruning) 및 낮은 정밀도의 양자화(quantization) 등 3 가지 주요 연구 흐름들이 있습니다. 본 세미나에게 이 3가지 기술들에 대해서 그 동향과 핵심 원리, 예들을 살펴보고자 합니다.

웨비나 참여 신청: 기계학습(머신러닝) 모델의 압축 기술 웨비나 신청하러 가기