T-Robotics

2015년 10월 23일 금요일

[MIT Review] 왜 무인자동차는 사람을 죽이도록 프로그램 되어야할까

(원문) "Why Self-Driving Cars Must be Programmed to Kill" by MIT Technology Review

MIT 리뷰에선 무인자동차의 도덕적 판단에 관한 흥미로운 논문 하나를 소개했습니다. 바로 "Autonomous Vehicles Need Experimental Ethics: Are We ready for Utilitarian Cars?"(Bonnefon et al., 2015)이란 논문이었는데요, ~~(내 논문도 나중에 소개 좀 해주라ㅠ)~~ 무인자동차의 도덕적 판단에 대한 이슈를 제기한 논문이었죠.

이런 상황에서 무인자동차는 보행자를 치어야할까 아니면 운전자 스스로 충돌하도록 해야할까? (출처)

딥러닝이 로봇을 똑똑하게 할 수 있을까

이 글은 한국인터넷진흥원과 테크M에 기고한 글을 백업한 글입니다.

딥러닝에 의해 특정 화가풍의 스타일로 재탄생한 이미지들
(사진출처: A Neural Algorithm of Artistic Style)

Inverse Kinematics(역기구학) 이란

안녕하세요 오랜만입니다. (늘 글이 오랜만인지라 이젠 이런 인사말도 좀 그렇네요ㅎㅎ) 예전에는 세월아 네월아 여러분들께 차근차근 개념 설명해드릴 여유가 있었는데 요즘은 제 코가 석자인지라 말이지요 ㅎㅎ 이러다 T-Robotics의 명맥이 사라지는건 아닐까 싶어 급한 맘에 한시간 정도 들여 후다닭~ 글을 써볼까 합니다. 주제는 바로 Inverse Kinematics (역기구학)이지요.

예전 글에서 다뤘던 칠판에 직선 긋기 과제, 기억나시나요?

Lie Group Formulation For Robot Mechanics

This is a brief summary of Lie group formulation for robot mechanics. For more details, please refer to the articles.

"A first course in robot mechanics", Frank C. Park.
http://robotics.snu.ac.kr/fcp/files/_pdf_files_publications/a_first_coruse_in_robot_mechanics.pdf

"Lie group formulation of articulated body dynamics", Junggon Kim.
http://www.cs.cmu.edu/~junggon/tools/liegroupdynamics.pdf

Lie Group Formulation for Robot Mechanics from Terry Taewoong Um

딥러닝 워크샵 패널토의 @ ICML2015

(원문) "Brief Summary of the Panel Discussion at DL Workshop @ICML2015 by Kyunghyun Cho

(업데이트) ICML 워크샵 영상 및 슬라이드

딥 러닝은 이제는 더이상 거부할 수 없는 큰 흐름이 된 듯 합니다. 세계 최대의 기계학습 학회 중 하나인 ICML2015 (International Conference on Machine Learning)에서는 딥러닝 대가들의 주최로 워크샵이 있었는데요, 보통 워크샵이라 하면 정규 학회 내에서 소규모로 벌어지는 행사로 취급되는데 반해 이번 행사는 또다른 거대 학회를 방불케 했다고 하네요.

이번 모임의 주최자 중 한 분이신 뉴욕대학(NYU)의 조경현 교수님께서 패널토의의 요약을 남겨주셔서 요약을 대충대충(?) 한글로 번역해 남겨봅니다.

딥러닝 패널토의 토론자 리스트

로봇, 인공지능, 그리고 노동의 미래

지난 2015년 6월 29일, 슬로우뉴스에서 주최한 슬로우포럼 "알고리즘 사회와 노동의 미래"에 패널로 참석하게 되었습니다. 이번 행사는 슬로우뉴스에서 주최하고 소셜컴퓨팅 전문가 한상기 박사님이 토론 진행을 맡으셨으며, 미디어/디지털경제 전문가 강정수 박사님, 그리고 제가 패널로 참여하여 삼자 토론을 나누었지요.

기계학습, 딥러닝, 그리고 모션분석

안녕하세요 Terry 입니다. 지난 2015년 6월 22일 국민대학교에서 이기광 교수님의 초청으로 두시간 동안 "기계학습, 딥러닝, 그리고 모션 분석"이란 주제로 강연을 하였습니다. 이번 강연은 기계학습의 개념에 대해 익숙하지 않은 스포츠 공학도를 대상으로 한 강연으로 비교적 기초적인 기계학습의 개념을 다루었습니다.

따라서 기계학습과 딥러닝에 대해 기초 개념을 잡고싶으신 분들껜 도움이 될 수 있지 않을까 싶어 이렇게 자료를 공유합니다. (추후에 시간이 생기면 목소리까지 입혀 강의 동영상을 하나 만들도록 하겠습니다) 그럼 조금이라도 도움 되시길 바랄게요. 감사합니다! ^^

* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.
[facebook] http://facebook.com/trobotics
[rss] http://t-robotics.blogspot.kr/feeds/posts/default

2015년 6월 8일 월요일

딥러닝 공부 가이드 (HW / SW 준비편)

뭐든지 시작이 중요합니다. 시험공부를 시작하기 전에 갑자기 책상 정리하고, 방청소를 하는게 괜한 이유가 있는게 아니죠. 그만큼 정갈하게 시작하고 싶고, 완벽한 시작을 꿈꾸니까요. (물론 그러다가 정작 공부를 못하기는 합니다만...)

딥러닝 공부도 마찬가지일 것입니다. 여러분들도 아마 공부를 시작하진 않고 관련 자료만 디립다 저장해 놓으셨겠지만 (ㅋㅋㅋ) 이 모든건 아직 장비빨이 갖춰지지 않았기 때문이죠. 일단 딥러닝을 공부하겠다는데 딥러닝 공부를 위한 완벽한 환경부터 갖추어야 하지 않겠습니까? ㅎㅎ

딥러닝을 위한 새로운 GPU, GTX Titan X를 발표하는 NVIDIA CEO의 모습 (사진출처)

쉽게 풀어쓴 딥러닝(Deep Learning)의 거의 모든 것

요즘 딥 러닝(Deep Learning)이 핫합니다. 몇 년전부터 기계학습(Machine Learning)이 일반인들에게 알려지기 시작하더니, 지금은 기계학습의 한 종류인 딥 러닝이 아예 기계학습이란 단어를 대체할 듯한 기세인 듯 합니다. 특히 구글이 딥 러닝 전문가 기업인 딥 마인드(Deep Mind)를 인수하고, 페이스북이 딥 러닝 대가인 뉴욕대학의 얀 러쿤(Yann LeCun) 교수를 인공지능 센터장으로 모셔갔으며, 중국의 구글이라 불리는 바이두에서도 기계학습 분야의 스타 학자 스탠포드 대학의 앤드류 응(Andrew Ng) 교수를 모셔가는 등, 지금은 바야흐로 딥러닝 인재전쟁에 가까운 모습입니다.

페이스북 인공지능 연구소 수장, 얀 러쿤(Yann LeCun) 교수 (사진출처)

그렇다면 딥 러닝이란 과연 무엇일까요? 오늘은 딥 러닝의 전반적인 개념에 대해 거칠게 한번 훑어보도록 하겠습니다.

(업데이트) 최근 딥러닝의 기초부터 하나씩 이야기로 풀어가는 테리의 딥러닝토크를 연재하고 있습니다. 유투브로 딥러닝을 배워보시죠 ^^

(업데이트) 이 글의 후속편인 Convolutional Neural Network에 대한 이해가 업데이트 되었습니다. 이 글을 읽으신 후 꼭 한번 읽어보세요!

[로봇 강좌 2-5] Euler angle 오일러 각 회전

산업계에서 물체의 자세를 나타낼 때 자주 쓰는 방법 중 하나가 오일러 각인데요, 회전행렬과 오일러 각의 관계에 대해 알아보겠습니다.

* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.

[facebook] http://facebook.com/trobotics

[rss] http://t-robotics.blogspot.kr/feeds/posts/default

[로봇 강좌 2-4] Rotation matrix 회전행렬 (3)

회전행렬 그 세번째 시간! 회전행렬을 정의하는 법을 알아봅시다.

* T-Robotics의 글은 facebook과 rss reader로도 받아보실 수 있습니다.

[facebook] http://facebook.com/trobotics

[rss] http://t-robotics.blogspot.kr/feeds/posts/default

2015년 3월 31일 화요일

Terry Taewoong Um (C.V.)

Terry Taewoong Um

Ph. D. Student, University of Waterloo
Dept. of Electrical and Computer Engineering
Adaptive Systems Laboratory

Email: terry.t.um [at] gmail.com
[Google Scholar] [LinkedIn]

RESEARCH INTERESTS
Machine Learning for Human/Robot Models, Machine Learning for Athletic Activity, Deep Learning for Motion Analysis/Generation, Learning Control

EDUCATION
University of Waterloo, Ph. D. Student 2014 - present
• Major: Electrical and Computer Engineering
• Supervisor: Dana Kulić, Ph.D. [Link]

Seoul National University, M.S. 2010
• Major: Mechanical & Aerospace Engineering
• Dissertation: Tangent space RRT with lazy projection for constrained motion planning [Link]
• Supervisor: Frank Chongwoo Park, Ph.D. [Link]

Seoul National University, B.S. 2008
• Major: Mechanical & Aerospace Engineering
• Minor: Computer Science & Engineering

RESEARCH / TEACHING EXPERIENCE
Research Scientist 2012 - 2014
Robot Learning Laboratory, Medical Robotics Laboratory
Korea Institute Science and Technology (KIST), Seoul, Korea
• Conduct a research on transfer learning method for robot models
• Develop a upper limb power assistant robot

Research Engineer 2010 - 2012
Mechanical R&D Center, LIG Nex1 Co., Ltd., Gyeonggi, Korea
• Design a lower extremity exoskeleton for soldiers power augmentation
• Design a upper extremity exoskeleton for industrial laborer assistance

Research Assistant 2008 - 2010
Robotics Laboratory, Seoul National University
• Design planning and control frame work for a mobile manipulator, CIROS
• Conduct a research on novel planning algorithm for constrained motions

Teaching Assistant 2008
Seoul National University
• Assisted “Introduction to Robotics” course

PUBLICATIONS
International Journals
B. Kim, T. T. Um, C. Suh, and F. C. Park, Tangent bundle-RRT: A randomized algorithm for constrained motion planning, Robotica, May 2014. [Link]

International Conferences
T. T. Um, M. Park, and J. Park, “Independent Joint Learning: A novel task-to-task transfer learning scheme for robot models”, 2014 IEEE International Conference on Robotics and Automation (ICRA2014), June 2014. [Link]

C. Suh, T. T. Um, B. Kim, H. Noh, M. Kim, and F. C. Park, Tangent space RRT: A randomized planning algorithm on constraint manifolds, 2011 IEEE International Conference on Robotics and Automation (ICRA2011), Shanghai China, May 2011. [Link]

T. T. Um, C. Suh, B. Kim, and F. C. Park, Tangent space RRT with lazy projection: An efficient planning algorithm for constrained motions, 12th International Symposium on Advances in Robot Kinematics (ARK2010), Portorož Slovenia, June 2010. [Link]

Domestic Conferences
T. T. Um, J. Ryu, and J. Baek, Development of a lower extremity exoskeleton for soldiers power augmentation, 2012 Autumn Conference of the Korean Society of Precision Engineering, Gwangju Korea, Oct 2012.

T. T. Um, J. Ryu, and J. Baek, Kinematic compatibility evaluation of end-effector constrained exoskeleton by using manipulability ellipsoid, 2012 Korean Robotics Society Annual Conference, Gangreung Korea, June 2012.

TECHNICAL SKILLS
Programming Languages: C/C++ (MFC), Java, Python, Matlab, LabView
Design Tools: Solidworks, CATIA, AutoCAD, ANSYS, RecurDyn, ADAMS
Electronics: DAQ card, Real-Time Controller, Motors, Sensors (F/T Sensor, Encoder, IMU, and etc.), EMG sensors, Oscilloscope, Stereo Vision, etc.

PARTICIPATION IN GRANT-FUNDED RESEARCH
Human-centered Interaction for Coexistence, 2013 – 2014
• Developed learning scheme for human motion recognition
• Funded by Ministry of Education, Science and Technology, Korea

Activities of Daily Living (ADL) Support System for the Elderly and Disabled, 2012 – 2013
• Designed mechanical system of the upper-extremity exoskeleton
• Funded by Ministry of Education, Science and Technology, Korea

Development of Control Framework for Fast-Responding Locomotion of Exoskeletons, 2011 – 2012
• Designed mechanical and electrical system of the lower-extremity exoskeleton
• Funded by Agency for Defence Development, Korea

Development of Wearable Robot for Industrial Laborer Assistance, 2010 – 2012
• Designed control framework of upper-extremity exoskeleton for industrial laborers by using various HRI sensors
• Designed mechanical system of the upper-extremity exoskeleton
• Funded by Ministry of Knowledge Economy, Korea

Motion Planning and Control for Mobile Manipulator and Humanoid, 2008 – 2010
• Designing planning and control framework of a mobile manipulator, CIROS, which has a 3D vision and compliant grasping system
• Funded by Ministry of Knowledge Economy, Korea

2015년 3월 24일 화요일

LSTM(딥러닝)의 창시자 Schmidhuber의 인터뷰 (상)

(원문) "Juergen Schmidhuber's answers from the Reddit AMA" by FastML

딥러닝의 큰 축 중 하나는 바로 Time series data (또는 Sequence data)에 적합한 Deep Nerual Network인 Recurrent Neural Network (RNN)과 이것의 부흥을 일으킨 Long-term Short-term Memory (LSTM) 입니다. 세상에는 정적인 데이터도 많지만 사실 시간에 따라 변하는 동적인 데이터도 많습니다. 예를 들어 음성인식의 경우 "안녕하( )요"라는 말을 들으면 우린 ( ) 안의 말이 "세"일 것이란 예측을 할 수 있는데, 이는 앞뒤 "문맥"을 통해 추론에 가능하기 때문이지요. 이렇듯 동적 데이터는 단지 그 순간만 볼 것이 아니라 연속된 데이터 속의 관계를 보아야 하는데요, 이를 추론하는 구조의 네트워크가 바로 RNN 입니다.

매 순간의 데이터를 길게 늘어놓은 RNN은 vanishing gradient 문제 등으로 그동안 외면받아왔지만 10여년 전부터 LSTM이라는 관문 유닛(gate unit)을 도입하면서 부터 큰 부흥이 일기 시작했는데요, 이 LSTM의 창시자가 바로 오늘 소개해드릴 Schmidhuber 교수님입니다. 딥러닝에 대해 학자 다섯 명을 꼽으면 꼭 들어갈 분이지요.