로봇이 아닙니다.

2023년도 이제 이틀정도 남았습니다. 매년하는건 아니지만 올해 마무리를 하며 간단히 작성합니다. 올 한해는 크게 두 시즌으로 나뉜것 같네요. 상반기는 연구와 공부를 진행했고, 하반기는 밀려드는 과제에 휩쓸려 다녔습니다. 연구는 그동안 진행하던 학습기반 task allocation (mission planning) 연구를 좀 더 복잡한 환경에 대해 심화시켜 적용하는 것과 non holonomic robot들의 학습기반 flocking 알고리즘에 대한 연구를 진행했습니다. flocking은 군집로봇들이 특별한 formation없이 부딪히지 않고 몰려다니는 이동 방식인데, 사실 학위과정을 시작하며 가장 해보고 싶었던 연구라 상당히 만족하면서 진행했습니다. 과제는,, 올해가 첫해인 과제도 있어서 상당히 애를 ..

논문 링크: https://arxiv.org/pdf/1609.02907.pdf 참고 자료: https://tkipf.github.io/graph-convolutional-networks/ code: https://github.com/tkipf/pygcn1. Graph Convolution Network Graph에 convolultion 기법을 적용한 방법으로 local graph structure를 분석하는 방법론이다. 그로 인해 Spectral graph convolution이라는 의미가 붙는다. 기존에 GCN에 대한 정리 글들을 읽어보았는데 자세히 정리되거나 설명하는 블로그 글이 없어서 이번 기회에 GCN 논문을 제대로 뜯어먹고자 한다. 2. Fast Approximated Convolutions ..

1. Graph 란 무엇인가? 1.1. Graph의 정의 $G$라고 표현하며, 구성요소는 일반적으로 $V$(Vertex), $E$(edge)로 구성된다. 이때 vertex를 node라고 하기도 한다. [여기서는 node로 통일한다.] 따라서 $G(V,E)$ 으로 나타낸다. 1.2. Node, Edge, Adjacency matrix, Degree matrix, Laplacian matrix 1.2.1 Node와 Edge Node란 객체의 정보를 나타낸다. 이때 정보를 node features 또는 node attributes라고 한다. Edge란 node 간의 연결을 의미한다. 간단한 예시로 Social Network Serive(SNS)가 있다. 사람들 하나하나를 Node라고 하면, features의 ..

paper Graph Attention Networks We present graph attention networks (GATs), novel neural network architectures that operate on graph-structured data, leveraging masked self-attentional layers to address the shortcomings of prior methods based on graph convolutions or their approximations arxiv.org 연구의 필요성 CNN 은 image classification ,segmentation 및 machine translation 에 좋은 성능을 보여줌. 이러한 data는 grid와..

작성자 : 한양대학원 인공지능융합학과 유승환 박사과정 (CAI LAB) Keywords : Dexterous manipulation, Learning from human demonstrations, Reinforcement Learning 논문 링크 : https://ieeexplore.ieee.org/document/10000161 Accelerating Interactive Human-like Manipulation Learning with GPU-based Simulation and High-quality Demonstrations Dexterous manipulation with anthropomorphic robot hands remains a challenging problem in robot..