로봇학습 연구실
Robot Learning Laboratory
연구실 소개 및 연구분야
로봇학습은 로봇과 같은 실제 물리시스템에 적용가능한 머신러닝방법들을 일컫는다.
기존 기계학습이 주어진 센싱값으로 상황을 판단하는 방식이라면 로봇학습에서는 로봇의 움직임이 환경에 주는 영향을 고려하고, 변화된 환경에서 인과관계가 있는 센싱값으로 학습해야 하는 어려움이 존재한다.
따라서 로봇학습은 기계학습을 물리시스템에 적용할 때 생기는 어려움을 극복하는 새로운 기계학습 기술이라고 볼 수 있다.
본 연구실에서는 로봇학습을 중심으로 로보틱스, 컴퓨터 비전, 그리고 기계학습 등 다양한 주제에 관해 연구를 진행하고 있으며, 실질적 응용에 관해서도 높은 관심을 두고 있다.
기존 기계학습이 주어진 센싱값으로 상황을 판단하는 방식이라면 로봇학습에서는 로봇의 움직임이 환경에 주는 영향을 고려하고, 변화된 환경에서 인과관계가 있는 센싱값으로 학습해야 하는 어려움이 존재한다.
따라서 로봇학습은 기계학습을 물리시스템에 적용할 때 생기는 어려움을 극복하는 새로운 기계학습 기술이라고 볼 수 있다.
본 연구실에서는 로봇학습을 중심으로 로보틱스, 컴퓨터 비전, 그리고 기계학습 등 다양한 주제에 관해 연구를 진행하고 있으며, 실질적 응용에 관해서도 높은 관심을 두고 있다.
최근 관심분야 및 주요 연구과제
Robotics: Deep reinforcement learning, Robust learning from demonstration, Optimal control
Computer vision: Situation understanding, 3D shape & action reconstruction
Machine learning: Deep learning, Nested sparse newtork, Transfer learning
Computer vision: Situation understanding, 3D shape & action reconstruction
Machine learning: Deep learning, Nested sparse newtork, Transfer learning
주요 논문/특허
[1] Donghoon Lee, Ming-Hsuan Yang, and Songhwai Oh, "Head and Body Orientation Estimation Using Convolutional Random Projection Forests," IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017.
[2] Junghun Suh, Joonsig Gong, and Songhwai Oh, "Fast Sampling-Based Cost-Aware Path Planning with Nonmyopic Extensions Using Cross Entropy," IEEE Transactions on Robotics, vol. 33, no. 6, pp. 1313-1326, Dec. 2017.
[3] Jungchan Cho, Minsik Lee, and Songhwai Oh, "Complex Non-Rigid 3D Shape Recovery Using a Procrustean Normal Distribution Mixture Model," International Journal of Computer Vision, vol. 117, no. 3, pp. 226-246, May 2016.
[4] Eunwoo Kim, Chanho Ahn, and Songhwai Oh, "NestedNet: Learning Nested Sparse Structures in Deep Neural Networks," in Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 2018.
[5] Minsik Lee, Jungchan Cho, and Songhwai Oh, "Consensus of Non-Rigid Reconstructions," in Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 2016. (Oral Presentation, Acceptance Rate: 3.9%)
[6] Sungjoon Choi, Kyungjae Lee, and Songhwai Oh, "Robust Learning from Demonstration Using Leveraged Gaussian Processes and Sparse-Constrained Optimization," in Proc. of the IEEE International Conference on Robotics and Automation (ICRA), May 2016. (Best Conference Paper Award Finalist)
[2] Junghun Suh, Joonsig Gong, and Songhwai Oh, "Fast Sampling-Based Cost-Aware Path Planning with Nonmyopic Extensions Using Cross Entropy," IEEE Transactions on Robotics, vol. 33, no. 6, pp. 1313-1326, Dec. 2017.
[3] Jungchan Cho, Minsik Lee, and Songhwai Oh, "Complex Non-Rigid 3D Shape Recovery Using a Procrustean Normal Distribution Mixture Model," International Journal of Computer Vision, vol. 117, no. 3, pp. 226-246, May 2016.
[4] Eunwoo Kim, Chanho Ahn, and Songhwai Oh, "NestedNet: Learning Nested Sparse Structures in Deep Neural Networks," in Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 2018.
[5] Minsik Lee, Jungchan Cho, and Songhwai Oh, "Consensus of Non-Rigid Reconstructions," in Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Jun. 2016. (Oral Presentation, Acceptance Rate: 3.9%)
[6] Sungjoon Choi, Kyungjae Lee, and Songhwai Oh, "Robust Learning from Demonstration Using Leveraged Gaussian Processes and Sparse-Constrained Optimization," in Proc. of the IEEE International Conference on Robotics and Automation (ICRA), May 2016. (Best Conference Paper Award Finalist)
