http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
로봇의 용접 경로 검출 정확도 향상을 위한 딥러닝 모델 성능 비교 연구
김태준(KimTaeJun),전재훈(JeonJaeHoon),윤종완(Jongwan Yoon),고병진(Byungjin Ko),서광원(Kwangwon Seo),박태준(Taejoon Park) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
용접은 제조 산업에 있어 필수적인 공정이나 용접 전문공의 숫자는 점차 줄어들고 있다. 이를 극복할 수 있는 것이 용접 자동화 로봇이다. 본문에서는 용접 자동화 로봇에서 용접 경로 검출의 정확도 향상을 위해 Segmentation 기반 딥러닝 모델인 Unet과 Unet3+의 성능을 비교 분석 한다. 그 결과 Unet3+가 Unet에 비해 더 높은 정확도를 보여주는 것을 근거로 Unet3+가 용접 자동화 로봇에 더 적합한 모델임을 보인다. Welding is an essential process in the manufacturing industry, but the number of welding professionals is gradually decreasing. Welding automation robots can overcome this. In the paper, the performance of Unet and Unet3+, a segmentation-based deep learning model, is compared and analyzed to improve the accuracy of welding path detection in welding automation robots. The results show that Unet3+ is a more suitable model for welding automation robots based on the fact that Unet3+ shows higher accuracy than Unet.
비지도 학습 기반 지식 증류 모델과 지식 역증류 모델 간의 이상치 탐지 및 불량 검출 성능 비교
이다현(Lee Dahyeon),이승재(Lee Seung-jae),윤종완(Yoon Jong-wan),고병진(Ko Byungjin),박태준(Park Tae-joon) 한국정보기술학회 2022 Proceedings of KIIT Conference Vol.2022 No.12
초기 이상치 탐지 및 불량 검출에 있어서 인공지능기술의 적용은 이제 흔히 쓰이는 기술이 되었다. 하지만 일반적으로 사용되는 표현학습모델들의 경우 정상 데이터와 불량 데이터를 모두 많이 사용하는 단점이 있었다. 하지만 정밀 공정과 신규 설비 및 다품종 소로트산업에서는 불량 데이터를 얻기 쉽지 않기에 인공지능기술의 적용에 한계가 있었다. 이에 비지도 학습 기반의 모델들이 나타나게 되었고 그 중 높은 성능을 보이는 지식 증류 모델과 지식 역증류 모델의 비교 및 실험을 본 논문에서 제시한다. The application of artificial intelligence technology in early anomaly detection and defect inspection has now become a commonly used technology. However, in the case of commonly used representation learning models, there was a disadvantage in that both normal and defective data were used a lot. However, there was a limit to the application of artificial intelligence technology because it was not easy to obtain anomal data in precision processes, new facilities, and multi-species small lot industries. As a result, unsupervised learning-based models have emerged, and among them, a comparison and experiment between knowledge distillation models and reverse distillation models with high performance is presented in this paper.
유승환(Seunghwan Yu),홍윤기(Yoonki Hong),정범수(Bumsoo Jeong),임준희(Joonhee Lim),윤종완(Jongwan Yoon),고병진(Byungjin Ko),박태준(Taejoon Park) 한국정보기술학회 2021 Proceedings of KIIT Conference Vol.2021 No.11
본문에서는 강화학습을 활용한 로봇 머니퓰레이터의 분말 그립 자세의 학습을 제안한다. 그리드 좌표로 분말을 그립하는 방법과 비교했을 때, 본문의 방법은 분말소분의 작업을 강력하게 해결할 수 있고, 이는 분말 그립의 성공률을 9.61%향상시킨다. 이 결과는 본문의 방법이 로봇과 강화학습을 사용한 분말소분 공정의 자동화에 유망한 후보임을 보여준다. We present the method of robot manipulator’s powder gripping using reinforcement learning. Compared to a method of gripping the powder with grid coordinates, our method robustly solves the task of powder subdividing, and it improves the success rate of the powder grip by 9.61%. These results show that our method is promising candidate for the automation of the powder subdividing using robot and reinforcement learning.