딥러닝을 활용한 TUI 모듈러 로봇의 효율적 동작 생성 기법 연구

국문 초록 (Abstract)

로봇의 발전은 빠른 속도로 진행되고 있으며 스마트 기기와 함께 인간의
생활에서 필수적인 존재가 될 것으로 예견되어 왔으나, 아직까지는
서비스 로봇이 인간의 삶 속에서 크게 보편화 되지는 못하고 있다.
기존의 서비스 로봇은 영상 및 정보 안내 등의 콘텐츠를 중심으로
운영되며 대부분 바퀴 타입의 구동 형태를 가지고 있어 기구적 기능은
단순히 이동을 목적으로 한정된 경우가 대부분이다. 그러나 서비스로봇이
대중에게 보급되기 위해선 생활에 필요한 다양한 물리적 기능을 수행할
수 있어야 하며, 이를 위해선 인간의 팔과 다리의 역할을 할 수 있는
다관절 로봇이 유용하게 적용될 수 있다. 이 중에서도 모듈러 로봇은
용도에 따라 단위 모듈들을 재조립하여 다양한 기능으로 활용할 수 있기
때문에, 서비스 로봇으로서 가정마다 보급하는 데 이점이 매우 클 것으로
판단된다. 그러나 이러한 장점에도 불구하고 사용자가 새로 조립한
로봇의 동작을 구현하고자 할 때마다 전문가의 도움이 필요하다면 서비스
로봇이 대중화되기 힘든 한계로 작용할 것이다.
본 연구는 상기에서 기술한 한계를 극복하고 비전문가도 용이하게
모듈러 로봇의 동작을 설정할 수 있는 TUI(Tangible User Interface) 기술의
적용을 제안한다. TUI 기술은 무형의 제어방식을 만질 수 있는 물리적
개념의 사용자 인터페이스로 변환시켜 주는 것으로서, PC등을 활용한
별도의 프로그래밍 과정 없이도 손으로 직접 로봇을 움직이며 동작을
티칭하면 바로 컴퓨터 언어로 변환되는 매우 직관적인 방식의 코딩
기법이라 할 수 있다. 이를 검증하기 위해 조립 및 형태 구성이 용이한
모듈 단위 블록을 디자인하고, TUI 방식의 구동모듈, 센서모듈 및
표시장치 모듈을 제작하여 TUI 모듈러 로봇 플랫폼인 팀보로봇(Timbo
Robot)을 구현하였으며, 대표적 비전문가인 유아 및 어린이를 대상으로
검증하기 위해 완구 형태의 로봇블록으로 제작하여 실험을 진행하였다.
그러나, 이러한 TUI 방식은 일반인도 용이하게 자유로운 동작을 구현할
수 있는 장점이 있는 반면, 손으로 입력을 수행함으로 인하여 정밀도 및
정확도에 있어서 불완전한 성능의 문제가 있으며, 특히 사용자의
숙련도에 따른 로봇 동작의 차이가 존재하는 단점이 있다. 예를 들어
어린이가 블록을 조립하여 가이드북과 동일한 형태의 4족 보행 로봇을
만들었다고 하더라도 이를 걷게 하기 위해선 앞다리와 뒷다리의 시간에
따른 움직임을 연동하여 궤적 패턴을 구성해야만 가능하므로
초보자에게는 매우 어려운 작업이다. 따라서 본 연구에서는 이러한
부분에 대하여 TUI의 장점은 유지하면서 사용자의 숙련도에 의존적이지
않은 고품질의 동작을 생성하는 새로운 방법을 제안하고자 한다.
새로운 동작 생성 기법은 인공지능을 활용한 것으로서, 사용자들의
다양한 동작 입력 데이터를 수집하여 학습시키고 딥러닝 알고리즘을
활용하여 해당 로봇 별로 동작을 분류함으로서 정확한 사용자의 동작
의도를 알아낼 수 있으며 로봇에 적합한 표준화된 동작 데이터를 로봇에
제공한다. 즉, 사용자가 사슴로봇의 어설픈 동작을 입력하더라도
인공지능이 사용자의 의도를 정확히 파악하여 사슴로봇의 표준화된
레퍼런스 보행패턴으로 로봇을 제어함으로서 숙련자가 코딩한 것과
동일하게 정확한 보행 동작을 수행할 수 있도록 하는 것이다.
이와 같은 방식으로 TUI의 단점인 불안정성과 낮은 정밀도를 보완하기
위한 딥러닝 기술을 적용하였으며, 숙련도에 상관없이 비전문가도 다양한
형태의 로봇을 만들고 우수한 동작을 생성하는 것이 가능하다. 본
연구에서는 TUI 모듈러 로봇 플랫폼을 제작하고 딥러닝을 활용한 모듈러
로봇의 동작 생성 기법의 타당성을 검증하였다.

목차 (Table of Contents)

• 제 1 장 서론 19
• 1.1 연구 배경 19
• 1.2 연구 주제 선정 및 목표 23
• 제 2 장 TUI 모듈러 로봇 플랫폼 제작 26
• 2.1 TUI 모듈러 로봇 플랫폼 구성 26
• 2.2 수동블록 디자인 30
• 2.3 모션블록 제작 37
• 2.3.1 모션블록 디자인 및 감속기 설계 39
• 2.3.2 모션블록 제어기 설계 45
• 2.4 물리센서 제작 48
• 2.5 표시블록 제작 50
• 2.6 논리블록 제작 58
• 2.7 원격제어 및 스마트기기 연동 제어기 제작 60
• 2.7.1 무선모듈 제작 및 연계동작 활용 61
• 2.7.2 IoT 가이드북 환경 구축 63
• 2.7.3 TIMBO-BLOCKLY 제작 68
• 제 3 장 동작의 저장 및 생성 80
• 3.1 운동기억을 통한 동작 생성 80
• 3.2 TUI 동작 생성 방식의 문제점과 개선 방안 85
• 제 4 장 CNN 동작 보정 기법 87
• 4.1 인공지능 및 CNN의 활용 87
• 4.2 TUI에 대한 머신러닝의 유효성 93
• 4.3 딥러닝을 이용한 동작 입력 데이터 학습 97
• 4.3.1 로봇형태의 분류 및 학습계획 97
• 4.3.2 인공지능 신경망 디자인 및 CNN 알고리즘 개선 103
• 제 5 장 실험 및 결과 112
• 5.1 CNN을 이용한 학습 및 분류 결과 112
• 5.2 로봇에 대한 학습 적용 실험 결과 116
• 제 6 장 결론 119
• 참고문헌 123
• 부 록 128

참고문헌 (Reference)

1. “블록커플링”, (주)토포보코리아, 김종태,, 특허10-1916180, 2016.12.28, 2018.11.01,

2. (주)토포보코리아, “블록커플링”, 김종태, 특허10-1916181, 2017.03.20, 2018.11.01,

3. “범용 인공지능의 개념과 연구 현황”, 추형석, 소프트웨어정책연구소, 제2018-002호,, , 2018

4. “The Next Big Thing, 서비스 로봇 동향과 시사점”, 김용균, ICT SPOT SSUE, 정보통신기술진흥센터, , 2017

5. “모듈형 교육용 완구의 지능 형 통신 방식 연구”, 이진규, 이보희, 안기삼, 박지엽, 김종태, Proceedings of KIIS Spring Conference, Vol.25, No.2, , 2017

6. “자율 주행 로봇의 실시간 제어 소프 트웨어의 개발”,, 정현아, 이종혁, 김형신, 조으뜸, Journal of Institute of Control, Robotics and Systems 17(4):336-345, , 2011

7. “창의적 교육을 위한 모듈형 완구의 기능 블 록 구현”, 김종태, 이보희, 박지엽, 융합정보논문지 제7권 제5호, , 2017

8. “레고 마인드스톰을 활용한 임베디드 SW 학습프로 그램 개발”, 김명중, 이태욱, 한국컴퓨터정보학회 하계학술대회논문집, 22권 2호, , 2014

9. “스크래치 프로그래밍 중심의 STEAM 교육프로그램 개발 및 적용, 김태훈, 김종훈, 컴퓨터교육학회논문지 17권 6호, P45-57, , 2014

10. (주)토포보코리아, “클러치 기능을 갖는 모션블록의 동력 전 달 구조”, 김종태, 특허10-1983797, 2018.03.29, 2019.05.23.,

11. “초등과학 수업에서 오조봇 코딩을 활용한 SW 융합 교육프로그램의 개발과 적용”, 김혜란, 최선영, 초등과학교육 제38권 제2호, PP234~243, , 2019

12. “물리값 입력을 통해 동작 기준을 설정할 수 있는 센서모듈 및 그 센서모듈의 제어 방법”, 김종태, 특허10-1464374, 2017.06.25, 2014.08.27,

13. 『스마트로봇 알버트BT를 활용한 코딩교육이 만 5세 유아의 의 사소통능력 및 창의성에 미치는 효과』, 이우리, 총신대학교 교육대학원, 석 사학위논문, , 2017