외부 동력원 없는 보행 보조 메커니즘

본 기술은 사용자의 보행에 따라 발생하는 장치와의 거리 변화를 탄성체를 통해 보상력으로 변환하는 무동력 보행보조 메커니즘에 관한 것입니다.

외부 동력원을 사용하는 기존 로봇 보행 보조기의 시간적/공간적 제약및 수동적인 관절 움직임으로 인한 재활 훈련 효과가 저하되는 문제점이 있었습니다.

이에 본 기술은 체중 지지부에 구비된 탄성체와 링크부, 작용점 변환부를 통해 사용자의 체간 이동력을 보행 보조력으로 전환하여 보행 주기에 맞게 하지로 전달하는 방법을 제안합니다.

‍

Key Features:

• 대상자의 체중을 지지하는 체중 지지부, 체중 지지부와 연결되고 대상자의 보행을 보조하기 위한 동력을 제공하기 위한 동력 생성부
• 동력생성부로부터 전달되는 동력을 대상자의 족부로 전달하는 동력 전달부
• 동력생성부에 대한 지지점의 위치가 대상자의 보행 주기에 부합하도록 이동 가능하도록 구비
• 보행보조기 대상자가 전기 액추에이터 등 별도의 동력 발생 장치 없이 대상자의 체간이 이동하는 힘을 활용하여 보행 보조력을 지원받을 수 있음

‍

본 기술은 범부처전주기의료기기연구개발사업단의 체중지지와 하지근력 보조가 가능한 실내이동형 보행 재활기기 개발 및 사용성 평가 연구과제 지원을 통해 개발되었습니다.

‍

로봇의 조작 궤적 제어 인공지능 모델

본 기술은 시각적 그라운딩(Visual Grounding) 기술을기반으로 이미지에서 객체의 범주, 위치, 속성 정보를 추출하고, 이를 자연어 인스트럭션으로 변환하여 로봇의 조작 궤적을 계획하고 제어하는 인공지능 모델 생성 메커니즘에 관한것입니다.

기존 로봇 제어 방식은 작업자가 물체의 좌표와 작업 내용을 수동으로 입력해야 하므로, 물체 위치가 고정되어야 하고 다수의 객체에 대한 명령어 생성 시 작업 효율이 낮은 문제점이 있었습니다.

이에 본 기술은 이미지로부터 객체를 인식 및 특징을 추출하는 시각적 특징 추출 모듈, 상황에 맞는 자연어 인스트럭션을 생성하는 모듈, 시각적 그라운딩모델을 통해 대상과 위치를 추론하는 모델, 및 로봇 팔의 궤적을 계획하는 조작 모듈로 구성된 제1프레임워크(GVCCI)를 사용하여 학습 데이터 세트를 생성하고 이를 기반으로 인공지능 모델을 훈련하는 방법을 제안합니다.

‍

Key Features:

• 시각인식 기반의 자연어 인스트럭션 생성 방법을 제공
• 이미지로부터 이미지 내의 적어도 하나 이상의 오브젝트를 인식
• 오브젝트들의 특징을 추출하는 단계 및 특징을 기초로 기 설정된 기준 및 요건에 따라 오브젝트에 대한 자연어 인스트럭션을 생성
• 이미지 데이터가 적은 상황에서도 빠른 적응이 가능하고, 학습 데이터가 축적됨에 따라 인스트럭션 생성 능력을 향상

‍

본 기술은 정보통신기획평가원의 새로운 문제를 해결하는 자기주도 인공지능 연구과제 지원을 통해 개발되었습니다.

‍

로봇의 실시간 모션 플래닝

본 기술은 로봇 및 장애물을 구성하는 각 요소를 추출하고, 이들의 쌍별(pairwise) 배치 연산을 통해 충돌 거리를 병렬 예측하는 것으로 기하학적 특징 벡터와 상대 변환 행렬을 기반으로 충돌 거리 예측 모델을 학습하며, 예측된 쌍별 거리 중 최솟값을 전역 충돌 거리로 산출하여 실시간 모션 플래닝에 활용할 수 있습니다.

기존은 고자유도 로봇 시스템에서 기존 모션 플래닝 알고리즘에 필수적인 최소 거리 계산 시 높은 계산 복잡도로 인해 성능 저하가 발생하고, 데이터 기반 학습 방법 적용 시에도 환경 변화에 따른 유연성이 낮고 재학습 요구가 잦아 범용성이 떨어지는 문제점이 있었습니다.

본 기술은 로봇 구성요소와 장애물 간의 상대변환 값 및 포인트 클라우드 기반 형상 특징 벡터를 추출하여 학습하는 모델을 제안하며, 이를 배치(batch) 단위로 입력받아 병렬 계산함으로써 연산 효율을 높이고, 특정 형상 요소에 대한 재학습없이 환경 변화에 대응하는 유연성을 확보할 수 있습니다.

Key Features:

• 충돌 거리 예측 모델의 학습 장치가 로봇 및 장애물의 구동 가능한 모든 구성요소를 추출
• 장애물에서 추출된 각각의 상기 구성요소를 쌍(pair)별로 묶어서 구성한 구성요소 쌍들을 입력
• 구성요소 쌍들 각각에 대하여 구성요소 쌍 사이의 최소 거리를 나타내는 쌍별 충돌 거리(pairwise collision distance)를 각각 예측
• 예측된 전역 충돌 거리 및 실제 충돌 거리를 비교하는 손실함수를 통하여 충돌 거리 예측 모델을 학습

‍

본 기술은 정보통신기획평가원의 목적지향 인공지능 생성 및 추론 연구과제 지원을 통해 개발되었습니다.

‍

구조적 안정성이 향상된 P2/O3 복합상 나트륨 이온 전지용 양극활물질

본 기술은 Na-Ni-Mn-Fe 기반의 층상 구조 양극 활물질에 Mg, Ti, Zr을 도핑하여 P2 상과 O3 상이 공존하는 복합 결정 구조를 구현함으로써, 충·방전 시 발생하는 격자 변형을 완화하고 이온 이동도를 개선한 기술입니다.

기존 전이금속 기반 층상 구조 양극재(Na-Ni-Mn-Fe계)는 높은 방전 용량을 가지나, 충·방전사이클 반복 시 구조적 불안정성으로 인해 용량 유지율이 급격히 저하되는 문제점이 있습니다.

이에 본 기술은 Na a Ni b Mn c Fe d Mg e Ti f Zr gO h (0.70≤a≤0.80 등) 조성을 갖는 양극 활물질을 설계를 제시하며, 특히 Mg, Ti, Zr 도핑을 통해 결정 구조 내 c축 격자를 확장시켜 나트륨 이온의 확산 성능을 향상시키고, 비가역적인상전이를 억제하여 전기화학적 사이클 수명과 가역성을 획기적으로 확보하는데 기여합니다.

‍

‍

Key Features:

• NaaNibMncFedM1eM2fM3gOh화학식의 조성으로 이루어진, 나트륨 이온 전지용 양극 활물질을 제공
• M1은 Mg, Co, Al 및 Y 중에서 선택된 1종이고, M2는 Zn, Ti,Al, Cu, Co 중에서 선택된 1종
• M3는 Ti와 Zr 중에서 선택된 1종이며, M1, M2, M3는 서로 다른 원소로 이루어짐
• 양극과 음극 사이에 배치되는 전해질을 포함하며, 양극은 [화학식 1]의 조성으로 이루어진 양극 활물질을 포함하는 나트륨 이온 전지

‍

본 기술은 한국연구재단의 AI 기반 신규 리튬염 발굴을 통한 수계기반 4 V 급 리튬이온전지 개발 연구과제 지원을 통해 개발되었습니다.

‍

로봇 촬영 공간 지도 데이터 생성

본 기술은 이동 로봇이 촬영한 이미지의 RGB 및 깊이 정보를 인코더 모듈을 통해 임베딩 데이터로 변환하고, 이를 로봇의 위치 정보와 매핑하여 그리드 기반의 공간 지도 데이터로 구축하는 것이며, 이후 디코더 모듈이 해당 지도에서 랜더링 이미지를 생성하고, 손실 함수를 통해 원본 촬영 이미지와의 차이를 학습함으로써 신경망 기반 지도 생성 모델을 최적화하는 것입니다.

기존 격자 기반 지도 작성 방식은 로봇 위치 오차 누적에 따른 지도 정확도 저하 문제가 발생하며, 시각적 정보의 저장 시 메모리 점유가 크고 데이터 처리 속도가 느려 실제 로봇 운영 환경에 적용하기 어려운 문제점이 있었습니다.

본 기술은 심층신경망 인코더-디코더 구조를 도입하여 촬영 이미지의 특징을 그리드에 임베딩하고, 위치 정보 기반의 효율적인 데이터 기록 및 렌더링 과정을 통해 실시간 환경 인지와 위치 정확도를 개선할 수 있는 탁월한 기술입니다.

‍

‍

‍

Key Features:

• 학습 공간을 이동하는 이동 장치에 의해 촬영된 촬영 이미지를 인코더 모듈에 적용하여 임베딩 데이터를 생성
• 위치정보를 기초로 임베딩 데이터를 지도 베이스 데이터에 기록하여 공간 지도 데이터를 생성
• 지도 베이스 데이터는, 임베딩데이터가 기록되는 복수의 그리드를 포함하고, 임베딩 데이터는, 상기촬영 이미지의 각 픽셀에 대한 RGB 정보 및 깊이 정보를 포함
• 손실함수를 통해 랜더링 이미지와 촬영 이미지를 비교하여 인코더 모듈 및 디코더 모듈을 업데이트해 지도 생성 모델을 학습

‍

본 기술은 정보통신기획평가원의 (SW 스타랩) 로봇학습: 효율적이고 안전한, 사회친화적기계학습 연구과제 지원을 통해 개발되었습니다.

‍