Design of Safe Autonomous Navigation System for Deployable Bio-inspired Robot
7
0
0
전체 글
(2) Desig gn of Safe Auton nomous Navigati on System for Deployable D자율주행시스템 Bio-in nspired 전개 개형 생체모방로봇 봇을 위한 안전한 설계 Robot. light는 몸체를 를 접어서 야구공 공 크기(9.2cm)의 의 구형으로 변형 형시 켜 투척이 가능 능한 로봇으로 낙하시의 충격 격을 감소시키기 기위 해서 로봇 외부 부에 껍데기를 감싸고 있다. 특히 특 Foot-wheeel-leg 와 Flexible-shaaft를 적용하여 바퀴크기의 1.2배 1 이상의 수직 수 장애물을 극복 복할 수 있는 장애물 장 극복성능 능을 보유하고 있다. 있 하지만 이에 따른 따 제어의 비선형성 비 증가로 로 정밀한 자율주 주행 제어에 한계를 를 가지고 있고 로봇의 작은 크기로 크 인해 제어 어에 필요한 센서 탑재가 탑 제한되며 며 저용량 배터 터리로 인한 작전 전시 간 부족의 문제 제점을 보유하고 고 있다. 제안하는 로봇 로 시스템은 이런 이 Pillbot-lighht 운용의 제한점 점을 보완하기 위한 한 것이다. 적외선 선센서, 비전센서 등을 장착한 한기 지로봇이 Pillbbot-light를 탑재 재하여 목표지역 역 인근까지 이동 동한 후 Pillbot-lightt를 방출하는 형태로 형 운용하여 여 Pillbot-light의 의 작 전시간 부족 문제와 문 장거리 장애물 극복의 의 제한점을 해결 결할 수 있게 하였다 다. 또한 기지로 로봇의 장착된 비전센서를 비 이용 용하 여 Pillbot-lightt가 운용될 지역 역의 장애물 탐지 지 및 안전한 경로 경 를 계획하고 로봇이 경로주 주행을 하도록 원격제어를 원 실시 시함 통 소형로봇의 의 센서 탑재능 능력의 제한점 극복 극 으로써 이를 통해 과 자율주행의 의 성능향상 그리고 그 저가제작 작이 가능하다는 는 장 점을 가지게 된다. 된 III.. 장애물 탐지 및 경로계획 알고리즘 알 1. 장애물 탐지 지(obstacle deetection) 장애물의 탐지는 탐 기지로봇 봇의 상판으로부 부터 2m 높이에 에 장 착된 비전카메 메라(Microsoft LifeCam L HD-30000)를 이용한 이미 이 지처리 과정을 을 통해 이루어진다. 우선 장애 애물을 배경으로 로부 터 분리해 내기 기 위해서 장애 애물을 그레이 색상으로(gray 색 coolor) 변환시키고 관심영역 관 안에서 서 에지(edge) 성분을 성 추출하였 였다. 에지 성분의 추출은 추 Sobel 연산자[5]를 연 사용 용하였으며 이때 때장 애물의 인식 확률을 높이기 위해 추출된 에지가 끊김 없는 없 폐공간을 만들 들도록 에지의 선을 선 굵게 만들 들어 일정 길이 이하 이 로 절단된 부분 분이 연결되도록 록 하였다. 그리 리고 인식된 장애 애물 주변의 노이즈 즈(noise)를 제거한 후 인식된 장애물 중에서 서 일 정크기 이상의 의 픽셀을 점유한 한 것을 장애물 물로 처리하였다 다. 장 애물 탐지 결과 과는 그림 3과 같으며 빛의 밝기에 밝 따른 영향 향요 소가 커 장애물 물을 인식하지 못하는 경우가 가 있으나 간단한 한과 정으로 정확하 하게 장애물을 탐지할 탐 수 있다 다는 장점이 있다 다. 그리고 경로 로계획에 활용될 될 장애물지도는 는 특징점 추출 출을 통해 획득된 장애물의 장 위치 및 크기 정보를 를 2차원 점유 격자 격 지도(2D occuppancy grid map))에 기록하는 방식으로 방 장애물 물지 도를 작성하였 였다. 이 때 정확한 장애물의 위치를 기록하 하기 위하여 이차원 원 이미지 평면을 을 실제 평면으 으로 옮기는 투영 영변 환(planar homoography)을 사용 용하였으며 투영 영 변환된 좌표계 계를 기준으로 장애 애물의 위치를 장애물 지도에 기록하였다. 또한 또 장애물의 형태 태는 비전카메라 라로부터 정확한 한 장애물의 형태 태를 구분하기는 어려우므로 어 장애 애물의 크기정보 보를 원형 장애물 물의 넓이로 가정하 하여 반지름만큼 큼 원형화된 장애물 장 형태로 기록 기 하였으며 원형 형화된 장애물은 은 로봇 크기만 만큼 확장하여 장애 장 물 충돌과의 안전성을 추가 가로 확보하였다 다. 장애물의 원형 형화 애물의 중심과 크기를 정보를 를 이용하여 비교 교적 는 탐지된 장애 장애물 지도를 를 간단하게 작성 성 할 수 있고 장애물의 크기 기조 정이 용이하다 다는 장점을 지닌 닌다. 그 결과는 는 그림 4와 같다 다.. 457 7. - Perception: Obstacle O map bu uilding V Vision. - Localization of the Pillbot-lig ght. C Camera - Autonomouss Navigation. Station. Pillb bot-light. Robot. - Path Planning. - Actio on (Wireless). wer - Control Tow - Sttation robot + Pillbot-light Cooperation for the success of the mission ong distance/ co ontrol tower - Station : lo - Pillbot-ligh ht : short distancce/ rough & narrrow area Highly moun nted vision came era : perception, localization. 그림 림 2. 제안된 로봇 로 시스템. Fig g. 2. Proposed roobot system.. 그림 림 3. 장애물 탐지 탐 과정/결과. Fig g. 3. Obstacle deetection process/rresults.. 그림 림 4. 장애물 지도 작성 절차. Fig g. 4. Obstacle map m building process. 경 path planning g) 알고리즘 2. 안전성 기반 경로계획(local 본 연구에서 적용된 적 경로계획 획 알고리즘은 탑재로봇이 주 행가 가능 영역에서 안전한 경로를 를 결정하는 안전 전성 기반의 경 로계 계획 알고리즘을 을 적용하였다. Pillbot-light와 같은 같 소형 생체 체 모방 방로봇의 경우 장애물 극복성 성능의 한계 때문 문에 어려운 경.
(3) 최 근 하, 한 상 권, 이 진 이, 이 진 우, 안 정 도, 김 경 수, 수 김수현. 458. 로를 빠르게 주행하는 것보 보다 안전한 경로 로로 주행[10] 하여 하 목표에 도달하 하는 것이 임무 무성공의 확률을 을 높이는 측면에 에서 유리하다고 볼 수 있다. 이러 러한 의미에서 기존에 제안된 된 지 역경로계획 알고리즘인 알 A*, VFH, Potential Field의 경우 장애 장 물 회피를 기본으로 기 목적지 지까지의 최단거 거리를 경로생성 성의 목적함수로 정의하고 정 있어 주행의 안전성 성 보다는 효율성 성에 더 중점이 맞추 추어져 있다고 볼 수 있다[6,99]. 따라서 본 연구 연 에서는 로봇이 이 안전한 경로로 로 주행할 수 있도록 있 하는 알고 고리 즘을 적용하고 고자 하였다. 안전한 경로 로의 생성은 IIII 장 1절에서 제시된 제 격자지도 도기 반의 2차원 장애물 장 지도를 이용하여 이 생성되 되며 일정영역내 내에 서 각 격자셀((Grid Cell)의 위험도 위 비용 값을 값 계산하여 비용 비 값이 최소가 되는 되 지점에 경로점을 경 생성하 하고 이렇게 생성 성된 경로점을 중심 심으로 다시 비용 용 값을 계산하 하여 다음 경로점 점을 생성하는 방식 식으로 경로 점을 을 확장해 나간 간다. 이렇게 확장 장된 경로점들을 목표까지 목 연결하 하여 경로를 생성하게 생 되며 로봇 로 은 생성된 경로 로점까지 점추종 종(moving to a waypoint)하는 w 방 방법 으로 주행하게 게 된다. 이 때 안전한 한 경로 생성을 을 위한 로봇주행 행의 위험성을 수치 수 화하기 위해 식 (1)의 위험도 도 비용함수(haza zard cost functionn)를 이용한다[7]. 경로점은 경 그림 5와 같이 전체 체지도 중 탐색영 영역 내에서 계산된 된 각 격자셀의 위험도 비용함 함수가 최소가 되는 되 격자셀을 경로 로점( 으로 결정한다. 결 , · ௩ . , · ௩ , . (1). ௩ ,
(4)
(5)
(6).
(7)
(8)
(9)
(10) ݈ܽ ௩ , ௩ , , ௩ , : Nom malized value
(11) , : $ $ %, $ % 1 n( min. (2). .. 위험도 비용 용함수는 2가지 수치계산 값의 의 합으로 구성되 되며 이 중 장애물의 의 밀도를 나타 타내는 )௩ 는 그림 그 6과 같이 격자 격 셀 (, 주변의 주 장애물들 들 사이의 거리 리 제곱에 반비례 례하 고 장애물들의 의 크기( ' 에 비례하도록 유도하여 유 장애물 물의. 기가 크고 장애 애물 수가 많은 곳에 있는 격자 자셀 일수록 계 크기 산 값이 높게 계산 산되도록 하였다 다. 이것은 안전 전한 지점에 있 는 격자셀이 경로 로점으로 선택 되 되도록 하는 안전 전성 수치 역할 할 을 한다. 그리고 목표까지의 목 거리 리를 나타내는 ௩ 는 격자셀이 이 최종 종목표와 멀수록 록 높은 수치가 가 나오므로 로봇이 로 목표방향 향 으로 로 향하도록 하는 하 지향성 수 수치(goal-oriented))가 된다. 따라 라 서 비용함수가 최소가 되는 격자 자셀은 장애물 밀도가 밀 낮은 곳 중 목표까지의 거리가 거 최소가 되 되는 지점이 되고 되 이를 통해 해 점진 진적으로 안전한 한 경로점을 생 생성하게 되는 것이다. 것 그리고 고 δ , 는 ௩ 와 ௩ 간의 적정 수치 치 값을 보정하기 기 위한 가중치 치 계수 수이다. Ov ( x, y ) = δ ⋅. ∑Q ∑r n. n 2. , n = nu umber of obstaccles. · ଶ. (4). ௩ ,
(12) ଶ ଶ. (5). 이 때 i번째 경로 로점 결정 후 i 1번째 경로점 점 결정시 로봇 봇 의 조향각(Steeringg angle)을 벗어나지 않는 범위 위에서 경로점이 이 선정 정되도록 각도 제한조건을 부 부여하였다. 또한 한 장애물을 사 이에 에 두고 경로점 점이 생성되지 않도록 탐색영역내의 장애물 물 전방 방에 경로점이 생성되도록 거리 제한조건을 설정하였다.. ⎧⎪W ⎨ ⎪⎩W. i. +1. < θ steering angle. i. +1. < Shortest distaance from obstaacles. (6)). 그리고 그 위험도 비용함수에서 , 는 비용값 계산을 조정하 하 는 가중치 계수로 로 값 조정을 을 통해 안전한 경로와 최단거 거 리 경로를 선택할 할 수 있다. 이것 것은 경로를 상황 황에 따라 조정 정 할 수 있다는 장점 점을 지닌다. 이 이점을 이용하여 여 탐색영역내에 에 장애 애물이 1~2개일 일 경우 경로점이 장애물과 먼 쪽으로 결정 정 되어 어 경로가 비효 효율적으로 계획 획될 수 있는데 이것을 방지하 하. ܳ : , : ܴ : ݎ : ! ". ,
(13)
(14) . 그림 5. 제안된 된 경로계획 알고 고리즘 개념. Fig. 5. Conceppt of the Proposedd Path Planning.. (3). 그림 림 6. 제안된 경로계획 알고리즘 개념. Fig g. 6. Concept off the Proposed Pat ath Planning..
(15) 전개 개형 생체모방로봇 봇을 위한 안전한 자율주행시스템 설계. 459 9. 기 위해 탐색영역내의 장애물 물의 개수가 2개 2 이하일 경우 우ߙ 값을 작게 설정 정하여 경로가 지나치게 한쪽 쪽으로 치우치지 지않 도록 하였다.. (d) Complex obstacles. 그림 림 7. 경로계획 시뮬레이션 결과. Fig g. 7. Simulationn Results of Path P Planning. (a) VTV V algorithm.. 3. 모의실험(simuulation) 결과 제안된 제 알고리즘 즘의 검증을 위 위해 MATLAB을 을 이용한 시뮬 뮬 레이 이션을 수행하였 였다. 시뮬레이션은 임의의 장애물 장 격자 지 도를 를 만드는 Map Simulator와 비 비용함수를 계산 산하고 경로점을 을 생성 성하는 Main Allgorithm으로 구 구성하였다. 그림 림 7(a), (b)의 시 뮬레 레이션 결과와 같이 최단거리 리 경로계획 중 하나인 VTV V (Virrtual Tangential Vector) 알고리즘 즘[8]의 경우 최단경로인 최 대각 각 선 방향으로 주행하다 실패하는 것을 볼 수 있는 있 반면 제안. (b) Propoosed algorithm.. (c) Local minimum.. 림 8. 장애물 탐지와 탐 경로계획 시뮬레이션 결과. 결 그림 Fig g. 8. Path Planniing Simulation R Results with Obstaacle Detection..
(16) Keun Ha Choi, Sang H한 상 Jinyi Jiin이, Woo Do도, Ahn, d Soohyun Kim 최Kwon 근 하,Han, 권,Lee, 이진 이 Lee, 진 우,Jun 안g 정 김 Kyung 경 수, 수g-Soo 김 수Kim, 현 and. 460. 된 알고리즘의 의 경우 장애물 분포가 높은 곳을 곳 회피하게 되어 되 안전한 경로로 로 주행에 성공하 하는 모습을 확인할 확 수 있었다 다. 또한 그림 7(c)와 같이 로컬미니멈(local 로 minimum) 지형 형도 잘 극복하는 것을 것 볼 수 있다 다. 이는 로컬미 미니멈 내부의 경우 경 장애물로 둘러 러싸인 영역으로 로 위험도 비용 용함수를 이용하 하여 비용값 계산시 시 값이 크게 산출되어 산 경로점 점이 로컬미니멈 멈외 부에 결정되기 기 때문이다. 그림 그 7(d)는 복잡 잡한 장애물 지형 형에 서도 경로를 생성하는 생 결과를 를 보여준다. 그림 8은 비전카메라를 비 이 이용하여 장애물 물을 탐지하고 2차 원 장애물 지도 도를 생성한 후 경로계획을 모의실험 모 한 결과 과로 이미지상의 장애물 장 누락 없이 없 장애물을 탐지하였으며 탐 경 경로 는 장애물이 밀집되어 밀 있는 중앙 부분을 피하여 피 안전한 방향 방 으로 경로가 계획된 계 것을 볼 수 있다. IV. 로봇 위치 치추정(Localizatiion) 본 논문에서 서는 로봇의 위치를 추정하기 기 위해 기지로봇 봇에 장착된 비전카 카메라의 이미지 지를 이용한 Coolor Histogram 기반 기 의 파티클 필터 터(Paticle filter) [10,11]를 사용 용하였다. 파티클 클필 터 방식의 물체 체 추적 알고리즘 즘을 통해 소형 형 로봇의 실제 평면 평 좌표를 식 (7)과 과 같이 추정하도 도록 하였다. 이를 이 통해 로봇의 의위 치를 실시간으 으로 파악하고 위치의 차분 값 계산을 통해 해 식 (8)을 통해 로봇 봇의 방향각과 속도를 실시간 간으로 계산하였다. n. robot. x-pixel. =. ∑= robot i. 1. n. n. x-pixel,i. , robot. y-pixel. =. ∑= robot i. 그림 림 10. 로봇 시스 스템 구성. Fig g. 10. Robot Sysstem Compositioon. 또한 또 파티클 필터의 필 특성상 위 위치추정의 확률 률이 가장 높은 은 pixeel의 위치는 로봇의 로 중심에서 계속적으로 바뀌게 바 된다. 이 는 로봇의 방향각 각과 속도를 추 추정하는데 오차 차를 발생시키게 게 되는 는데 이점을 개선하기 개 위해 입 입자 필터가 구해내는 구 로봇의 의 위치 치를 계속적으로 로 더해서 평균 균값을 로봇의 위치추정 값으 으 로 사용하였다. 이를 이 통해 실제 제 로봇의 위치 및 속도 추정 정 오차 차를 줄일 수 있었다. 있 그림 9는 는 모의실험 결과로 결 위치추정 정 오차 차는 ± 2cm, 평균 균 계산시간은 0.13초 정도로 비교적 정확하 하 게 로봇의 위치를 를 추정하였으며 며 계산시간 역시 실시간으로 로 로봇 봇을 운용하는데 데 적합함을 확인하였다. V. 실험결과 실험을 실 위한 로봇시스템은 로 그 그림 10과 같이 구성하였다. 기 지로 로봇 역할을 하는 하 NT-TriWheeel은 Webcam을 이용하여 획득 득 한 이미지를 통해 해 장애물탐지 및 위치추정을 하고 제어컴퓨 퓨. y-pixel,i. 1. n. (7). (robot x-pixel,i+1robot y-pixeel,i+1 ) − (robot x-piixel,i robot y-pixel,i ) V= (robot x-pixel,i+1robot y-pixeel,i+1 ) − (robot x-piixel,i robot y-pixel,i ) (8) θ = atan2(Vy ,Vx ) 파티클 필터 터를 이용하여 탑재로봇의 탑 위치 치를 추적할 때 파 티클 필터가 RGB R Histogram m 기반이기 때문 문에 탑재로봇 주변 주 색의 영향을 많이 많 받게 되어 위치추정에 실패할 실 확률이 높아 높 진다. 이러한 영향을 최소화 하기 위해서 입자들을 생성하 하기 위한 영역을 획득된 획 이미지를 를 로봇을 중심으로 200×200 pixel p 의 정사각형으 으로 설정하고 이외의 pixel은 은 모두 검은색으 으로 처리함으로써 퍼져나가는 입자들이 입 주위 배경색에 배 교란되 되는 것을 최소화하 하여 로봇이 순간적으로 순 움직 직이더라도 빠르 르게 로봇의 위치를 를 추정할 수 있도록 있 하였다.. Start (a). (b). Goal. ( (c). (d). Distance e (cm) (e). (a). (b). (c). 클 필터 기반 로봇 로 위치추정 시뮬레이션 시 결과 과. 그림 9. 파티클 Fig. 9. Localizzation Simulationn Results based onn Particle Filter.. 림 11. 실험 결과 과. (a)~(d)주행 실험결과, (e)경 경로계획과 주행 행 그림 결과 비교 교. Fig g. 11. Experimeents Results. (a)~ ~(d) Driving Exp periments Resultss (e) Compaarison of Path Plaanning and Drivin ng..
(17) Design of Safe Autonomous Navigation System for Deployable Bio-inspired 전개형 생체모방로봇을 위한 안전한 자율주행시스템 설계 Robot. 터를 통해 경로계획을 실시한다. 그리고 Bluetooth 통신을 통 해 탑재로봇인 Pillbot-light를 계획된 경로로 주행하도록 원격 제어하게 된다. 제안된 자율주행 시스템의 검증을 위해 장애물을 임의로 바닥에 배치하여 실험 환경(2m 2m을 조성하였다. 목표지 점을 지정하였을 때 기지로봇인 NT-TriWheel 로봇에 탑재된 컴퓨터를 통해 생성된 최적경로를 탑재로봇인 Pillbot-light가 어느 정확도로 경로추종 하는지 여부에 대한 실험을 수행하 였다. 그림 9의 실험 결과에서 알 수 있듯이 Pillbot-light가 생 성된 경로를 ± 10cm의 정확도로 성공적으로 추종하는 것을 확인할 수 있었고 이 오차에는 로봇의 위치추정 오차에 추가 하여 로봇제어의 비선형 오차가 포함된 것으로 판단된다. 또한 컬러기반의 장애물 인식 및 로봇 위치추정의 사용에 따라 조명변화에 민감하여 인식률에 영향이 있을 것으로 생 각되며 차후 연구를 통해 보완이 필요할 것으로 보인다. VI. 결론 본 논문에서는 재난구조, 군사용 정찰 등에 유용한 전개형 생체모방로봇의 자율주행 시스템에 대한 연구를 수행하였다. 센서 탑재가 제한되는 소형 생체모방로봇의 자율주행을 위 해 안전성 기반의 경로계획 및 장애물 탐지 알고리즘과 파티 클 필터를 이용한 위치추정에 대한 방법론을 제시하였으며 모의실험과 실험을 통해 이를 검증하였다. 향후에는 다수의 탑재로봇을 동시에 운용하기 위한 다중 경로계획 알고리즘, 위치추종 방법론 및 제안된 시스템의 운용범위 확장에 관한 연구가 필요할 것으로 보이며 또한 외부 외란 등에 강인한 비전센서기반 장애물 인식기법 등에 대한 연구가 요구 될 것 으로 생각된다.. [1]. [2]. [3] [4]. [5] [6] [7]. [8]. [9]. REFERENCES S. A. Stoeter, I. T. Burt, and N. Papanikolopouslos, “Scout robot motion model,” Proceedings. ICRA '03. IEEE International Conference on, pp. 90-95, 2003. J. W. Park, H.-J. Kim, Y. Kook, S. H. Kim, “Design of the locomotive mechanism by analysis on behavior of pill bugs for a small robot,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 18, no. 2, pp. 81-86, 2012. J. Y. Lee, “Small reconnaissance robot for fast locomotion on rough terrain,” Master's thesis, KAIST 2013. K. H. Choi, H. K. Jeong, K. H. Hyun, and Y. K. Kwak, “Obstacle negotiation for the rescue robot with variable singletracked mechanism,” Journal of Control, Automation, and Systems Engineering (in Korean), vol. 13, no. 12, Dec. 2007. E. Sobel, “Camera models and machine perception,” Ph.D. thesis, Stanford Univ., 1970. R. Siegwart and R. Nourbakhsh, “Autonomous mobile robots,” The MIT, Press, pp. 257-290, 2004. K. H. Choi, K. W. Kwak, and S. H. Kim, “Waypoint generation based on safety for autonomous navigation of mobile robot,” KIMST 2013, pp. 1845-1846, Jul. 2013. K. W. Kwak, K.-S. Kim, S. H. Kim, “Weighted virtual tangential vector algorithm for local path planning of mobile robots,” Electronics Letters, vol. 49, no. 4, Feb. 2013. J. Borenstein and Y. Koren, “The vector field histogram - fast. 461. obstacle avoidance for mobile robots,” IEEE Journal Robot. Automation, vol. 7, no. 3, pp. 278-288, 1991. [10] K. Nummiaro, E. Koller-Meier, and L. V. Goola, “An adaptive color-based particle filter,” Image and Vision Computing, vol. 21, pp. 99-110, 2003. [11] M.-K. Jung, J.-T. Park, and J.-B. Song, “Path planning using an information grid map for safe navigation,” The Korean Society of Mechanical Engineers, vol. 36, no. 6, pp. 623-628, 2012. [12] D.-H. Lee, H. W. Kim, and J. -M. Lee, “Obstacle recognition and avoidance of the bio-mimetic underwater robot using IR and compass sensors,” Journal of Institute of Control, Robotics and Systems (in Korean), vol. 18, no. 10, pp. 928-933, 2012.. 최근하 2002년 육군사관학교 무기공학과(공학 사). 2007년 한국과학기술원 기계공학과 (공학석사). 2012년~현재 동 대학원 기 계공학과 박사과정 재학중. 관심분야는 주행로봇의 자율주행시스템.. 한상권 2013년 한양대학교 기계공학부(공학사). 2013년~현재 한국과학기술원 로봇공학 학제전공 석사과정 재학중. 관심분야는 생체모방로봇, 로봇제어.. 이진이 2011년 충남대학교 메카트로닉스공학과 (공학사). 2013년 한국과학기술원 로봇 공학학제전공(공학석사). 2013~현재 동 대학원 기계공학과 박사과정 재학중. 관심분야는 생체모방로봇.. 이진우 2013년 성균관대학교 기계공학부(공학 사). 2013년~현재 한국과학기술원 기계 공학과 석사과정 재학중. 관심분야는 로봇제어, 로봇 매커니즘.. 안정도 2012년 한국기술교육대학교 메카트로닉 스공학부(공학사). 2012년~현재 한국과 학기술원 기계공학과 석사과정 재학중. 관심분야는 생체모방로봇, 로봇 매커니 즘..
(18) 최 근 하, 한 상 권, 이 진 이, 이 진 우, 안 정 도, 김 경 수, 김 수 현. 462. 김경수. 김수현. 1993년 한국과학기술원 기계공학과(공 학사). 1995년 동 대학원 기계공학과(공 학석사). 1999년 동 대학원 기계공학과 (공학박사). 2007년~현재 한국과학기술 원 기계공학과 교수. 관심분야는 제어 이론, 강인제어, 액추에이터.. 1978년 서울대학교 기계공학과(공학사). 1980년 한국과학기술원 기계공학과(공 학석사). 1991년 Imperial College, University of London(공학박사). 1991년~ 현재 한국과학기술원 기계공학과 교수. 관심분야는 생체모방로봇, 응용광학..
(19)
관련 문서
