Robots are used in various industrial sites, but traditional methods of operating a robot are limited at some kind of tasks. In order for a robot to accomplish a task, it is needed to find and solve accurate formula between a robot and environment and that is complicated work. Accordingly, reinforcement learning of robots is actively studied to overcome this difficulties. This study describes the process and results of learning and solving which applied reinforcement learning. The mission that the robot is going to learn is bottle flipping. Bottle flipping is an activity that involves throwing a plastic bottle in an attempt to land it upright on its bottom. Complexity of movement of liquid in the bottle when it thrown in the air, makes this task difficult to solve in traditional ways. Reinforcement learning process makes it easier. After 3-DOF robotic arm being instructed how to throwing the bottle, the robot find the better motion that make successful with the task. Two reward functions are designed and compared the result of learning. Finite difference method is used to obtain policy gradient. This paper focuses on the process of designing an efficient reward function to improve bottle flipping motion.

For effective human-robot interaction, robots need to understand the current situation context well, but also the robots need to transfer its understanding to the human participant in efficient way. The most convenient way to deliver robot’s understanding to the human participant is that the robot expresses its understanding using voice and natural language. Recently, the artificial intelligence for video understanding and natural language process has been developed very rapidly especially based on deep learning. Thus, this paper proposes robot vision to audio description method using deep learning. The applied deep learning model is a pipeline of two deep learning models for generating natural language sentence from robot vision and generating voice from the generated natural language sentence. Also, we conduct the real robot experiment to show the effectiveness of our method in human-robot interaction.

본 연구는 학습장애 학생의 학교생활 적응을 위하여 로봇 프로그래밍 교육을 실시함으로써 학 습장애학생의 학습된 무기력과 자발적 언어 사용에 미치는 영향을 살펴보고자 하였다. 연구에 참 여한 학생은 실제 특수교육 지원을 받는 초등학교 4학년 학습장애학생이다. 연구 결과 로봇 프로 그래밍 교육은 학습장애학생의 학습된 무기력을 감소시키며 통합학급에서 자발적 발화량을 증가 시켰다. 본 연구 결과를 기반으로 학습장애학생을 위한 강점 기반 교육이나 게이미피케이션을 적 용한 중재가 실제 교육 현장에서 효과적으로 활용될 수 있는 방안을 제안하였다

This study aims to look into students' and teachers' recognition about learning with a humanoid robot and seek for a policy implication for the direction of education using humanoid robot. To achieve this goal, a survey with elementary school students and teachers was used as the method of analysis. The main results are as follows: There was a difference in the recognition of the teachers and the students regarding the most effective subject through the use of humanoid robot. While the students consider Physical Education as the major subject, the teachers consider Science as the one. The students recognize that the use of humanoid is most effective in helping their learning while the teachers recognize that it is most effective in helping their teaching. As an expected positive effect, both of them choose an increase in interest in learning as the main effect of the use of humanoid robot, but the students, unlike the teachers, consider the improvement of their academic achievement as its main effect as well. These results show differences in the recognition of the use of humanoid between the teachers and the students, and in addition, confirm the difference between them depending on their background.

본 연구의 목적은 STEAM 기반의 로봇 학습이 초등 정보영재의 창의성 신장에 미치는 영향을 알아보기 위한 것이다. 이를 위하여 초등 정보영재의 창의성을 향상시키기 위한 방법으로 STEAM 기반의 학습을 설계하였고, 설계된 수업을 현장에 적용하였다. 연구를 위해 경기도에 소재한 초등학교 부설 정보영재 학급 6학년 20명을 실험집단(10명)과 비교집단(10명)으로 선정하였고, 개발된 STEAM 기반의 로봇 수업을 5주 동안 15차시에 걸쳐 실험집단에 적용하였으며, 비교집단에는 전통적인 로봇 프로그래밍 수업을 실시하였다. 실험에 앞서 두 집단의 동질성을 알아보기 위한 사전 검사를 실시하였다. 수업 진행 후 창의성 신장에 관한 효과를 측정하기 위하여 사후검사를 실시하였다. 적용 결과 실험집단 학생의 창의적 특성이 통계적으로 유의한 수준에서 향상되었다. 본 연구 결과 STEAM 기반의 로봇 학습이 초등 정보영재의 창의적 특성 향상에 효과적임이 입증되었다.

본 논문에서는 인간 운동 제어 이론과 기계학습을 기반으로 하여 로봇의 접촉 작업 수행을 위한 새로운 운동 학습 전략을 제시하였다. 성공적인 접촉 작업 수행을 위한 본 연구의 전략은 강화학습 기법을 통하여 최적의 작업 수행을 위한 임피던스 매개 변수를 찾는 것이다. 본 연구에서는 최적의 임피던스 매개 변수를 결정하기 위하여 Recursive Least-Square (RLS) 필터 기반 episodic Natural Actor-Critic 알고리즘이 적용되