본문 바로가기
기계지능 및 로봇공학 다기관 지원 연구단

Machine Intelligence and Robotics Multi-Sponsored Research and Education Platform;
the leader of Industries 4.0, who develops Artificial Intelligence.

연구실소개

제어, 기계학습, 드론, 로봇, 자율주행 글보기
제어, 기계학습, 드론, 로봇, 자율주행
작성자 KAIST교수 장동의 게시일 2017.06.05 14:51 조회수 1,209

■ 연구책임자: KAIST 전기및전자공학과 교수 장동의

■ 이메일: dechang@kaist.ac.kr

■ 연구분야: 제어, 기계학습, 드론, 로봇, 자율주행

■ 연구목표:

본 연구실에서는 제어와 기계학습의 이론 및 응용을 연구하여 두 분야의 시너지를 이끌어내는 것을 목표로 하고 있다.

본 과제에서는 적응적 학습을 실현시키기 위한 강화학습 알고리즘의 개발과 적용을 목표로 한다. 이를 위해 계층적 모듈 네트워크 구조와 이를 효과적으로 학습 시킬 수 있는 알고리즘을 개발하고 있다.

 

■ 연구내용:

제어 연구실에서는 선형, 비선형제어부터 최적제어, 적응제어에 이르는 제어 전반과 강화학습을 중심으로 한 기계학습의 이론과 그 응용을 연구한다. 수학적으로 엄밀하고 구체적인 제어 이론을 기계학습에 적용하여 뉴럴 네트워크의 구조와 학습 알고리즘, 연산 등을 명확하게 해석하고, 이를 바탕으로 발전된 기계학습 알고리즘을 개발, 적용하는 연구를 진행 중이다.

최근에는 MLP(multi layer perceptron), DAE(deep auto encoder), CNN(convolutional neural network)과 RNN(recurrent neural network)의 구조와 해당 뉴럴 네트워크들을 학습시키기 위한 연산들을 수학적으로 엄밀하게 정의하고 표현하는 프레임워크를 개발하였다. 또한 DQN(deep Q-network)의 학습을 위한 최적의 배치(batch) 크기를 찾는 연구를 수행하여 Q-learning시에 배치 크기의 변화에 따른 학습 성능의 차이를 실험적으로 밝혀내었다.

적응형 인공지능을 위한 강화학습 알고리즘을 개발하는 연구 또한 진행 중이다. 복잡한 과제나 새롭게 주어지는 과제에 대해 효과적으로 학습할 수 있도록 계층적 모듈 네트워크 구조를 도입하여 같은 환경 내에서 주어진 각기 다른 과제에 대해 독립적으로 학습된 뉴럴 네트워크들을 조합하여 과제를 수행할 수 있도록 하는 알고리즘을 개발하고자 한다. 이를 통해 복잡한 과제는 여러 소과제 네트워크의 조합을 통해, 새로운 과제는 새롭게 학습된 네트워크와 기존 네트워크의 조합을 통해 보다 효과적인 학습 및 과제 수행을 가능하게 한다.

 

  a

 

 

poster

■ 연구실 : 제어연구실
■ 연구실 홈페이지주소: http://control.kaist.ac.kr