인공지능연구실(Artificial Intelligence Lab.)에서는 로봇을 비롯한 현장에 적용할 수 있는 실용적인 인공 지능을 연구합니다. 인공 지능이 다른 IT 기술과 가장 차별화되는 점은 인간과 같이 환경과 연속적인 실시간 상호작용을 한다는 것입니다. 인공 지능은 인간의 오감과 같이 카메라, 마이크, 전자파 센서 등의 정보를 처리하여 환경을 이해하고 필요한 작업을 수행할 수 있습니다. Deep Learning은 2010년대에 들어 급속도로 발전하여 인간의 인지 능력에 필적하는 인지 성능을 보이며 시각, 음성 처리에 널리 사용되고 있습니다.
Deep Learning은 비전을 활용한 이미지 분류, 객체 인식 분야에서 가장 뛰어난 성능을 보여며 새로운 음성, 이미지, 동영상을 만드는 생성 모델까지 다양한 분야에서 두각을 보여줍니다. 딥러닝은 정적인 데이터에 특화된 VGG, GoogleNet, Residual Network부터 연속적인 데이터 처리에 월등한 성능을 보이는 GRU, LSTM, Attention Mechanism 까지 다양한 방법이 연구되었습니다. 또한 강화학습과 결합하여 환경과 로봇의 연속적인 상호작용이 가능한 인공지능을 구축하는데 도움이 되는 기술입니다.
본 연구실에서는 데이터셋 구축부터 미가공 데이터 처리, 인공 지능 딥러닝 모델 생성 그리고 실제 산업 현장에서의 적용까지 전 프로세스에 해당하는 연구를 진행합니다. 현재 본 연구실은 다양한 모달리티의 데이터를 인식하고 분석할 수 있는 인공지능 개발 연구를 진행하고 있습니다. 사진, 영상, 설명서, 3D CAD도면의 비전 데이터, 전자신호, 음성신호, 생체신호에 해당하는 시그널 데이터 등을 수집하고 분석하는 인공지능을 개발하고 있습니다. 가상환경과 실제환경의 로봇 제어를 강화학습으로 학습할 수 있는 딥러닝 모델을 구축하고 있습니다.
또한 본 연구실은 광주과학기술원 융합기술학제학부 소속으로 광주과학기술원 내 타 연구실, 국내 대학 및 연구기관, 산업기관과 함께 융합 공동 연구를 진행하고 있습니다. 융합연구 분야로는 의료, 생명, 기계공학, 에너지, 반도체, 철강 등이 있습니다.
장래 연구 분야로는 라벨이 없는 데이터를 바탕으로 학습하는 비지도 학습과, 인간과 자연스러운 상호작용을 위한 필수요소인 자연어처리에 대해 연구합니다. 또한 장기 연구 테마로서 기존의 프레임 기반 인공신경망의 한계를 넘을 수 있는 생물학적 기반의 Spiking Neural Network를 연구합니다. Spiking Neuron은 실제 뇌의 뉴런에 가까운 모델로서 동적 특성을 가지고 있으므로 로봇과 같이 동적 환경에서 적응해야 하는 에이전트에 적용할 때 우수한 성능을 보일 수 있는 잠재력이 있습니다.
