[학회 후기]

대학원 재학 중 처음으로 참석한 해외 학회였다. 대만, 폴란드 등 다양한 나라에서 온 연구자들의 연구 내용을 듣고 견문을 넓힐 수 있는 기회였다. 기존 산업공학의 대표 분야인 인간공학, 최적화 뿐만 아니라 머신러닝 및 인공지능 관련 연구의 비중이 늘어나 인상 깊었으며, 이러한 발표들을 청취하며 개인 연구에 적용할 다양한 아이디어와 양분을 얻을 수 있었다. 특히 인간의 표정으로부터 피로도를 예측하거나, 색조 변화에 강건한 이미지 이상치 탐지 알고리즘 등 특수하고 구체적인 상황을 해결하기 위한 연구가 인상적이었다. 해당 발표자들의 연구를 청취하고 질문하며 낯설었던 연구 분야에 대해 한층 더 잘 알 수 있었다. 특히 사람의 표정으로부터 피로를 예측하는 연구와 감정을 예측하는 연구에 대한 차이를 알 수 있었는데, 감정 예측 연구는 눈썹, 입술 등 얼굴의 다양한 변수들을 고려하지만, 피로를 예측하는 연구에서는 사람의 눈깜빡임이나 개안의 정도, 고개의 흔들림에 좀 더 비중을 둔다고 할 수 있다.

[발표 후기]

이 외에도 이번 학회에서 PreMiRE: Robust and Feedback-Efficient Preference-based Reinforcement Learning with Noisy Labels라는 주제로 나의 연구를 소개하였다. 해당 연구는 인간 피드백의 오류가 있는 상황에서도 강건한 성능을 보여주는 선호 기반 강화 학습 방법론을 제안한다. 발표 준비부터 발표, 피드백 과정을 통해 내 연구의 향후 계획을 확립할 수 있었을 뿐만 아니라, 나의 연구를 처음으로 소개할 때 어떻게 더 잘 전달할 수 있을까를 고민하게 되었다. 영어로 처음 발표하다보니, 발음, 어조, 속도가 서툴러 내용을 전부 잘 전달하지 못했다는 아쉬움이 들었다. 이러한 반성은 향후 다른 해외 학회에 참여하였을 때 한 단계 더 성장할 수 있는 밑거름이라고 생각한다.

[향후 연구에 대한 적용방안]

나의 주 연구분야가 인간 피드백을 통해 로봇을 학습하는 강화학습 쪽이다보니, 해당 분야의 연구들 이외에 다른 연구들에 대해서는 견문이 얕았다는 것을 깨달았다. 이번 해외 학회 청취를 통해 다른 연구 분야에서 정의하는 문제 상황이 나의 연구 분야에서도 존재할 수 있다는 것을 깨달았다. 특히 입력 이미지의 색조나 빛의 방향에 따라 이미지의 범주나 이상 여부 예측이 달라지는 것은 카메라 입력 기반 강화학습에도 존재하는 문제이다. 예를 들어, LiDAR 이미지 기반으로 움직이는 자율주행자동차 에이전트를 학습할 때, 동일한 도로 조건임에도 아침, 낮, 저녁에 따라 픽셀값이 다르기 때문에 다른 행동을 선택하는 현상이 발생할 수 있다. 따라서 다음 연구에서는 인간 피드백의 오류에 대한 강건성 뿐만 아니라, 입력 이미지의 색조 변화에 따른 강건성을 개선하기 위한 연구로 확장시킬 수있을것 같다.

[청취 후기]

Construction of a Five-Sensory Human-Robot Collaboration and Model for Detecting Human Emotion and Fatigue

인간과 로봇 능력을 원활하게 통합하는 협업 시스템은 완전 자동화된 시스템과 오로지 인간 작업에 의존하는 시스템보다 독특한 이점을 제공한다. 이러한 이점은 각 구성 요소의 독특한 강점에서 나타난다:  인간은 적응력과 의사 결정 능력에서 강점을 드러내고, 로봇은 지치지 않는 효율성과 정밀성에서 두각을 드러낸다. 인간 작업자는 종종 피로를 경험하여  성능과 안전을 저해할 수 있기 때문에 인간이 피로를 느낄 적절한 타이밍에 로봇이 자동으로 대체하는 시스템(인간-로봇 협업)이 필요하다. 이를 위해선 인간-로봇 협업의 맥락에서 로봇이 자신의 감각 능력을 활용하여 인간의 피로 징후를 모니터링하고 감지하는 것이 중요해진다. 시각, 오디오, 심지어 촉각 센서와 같은 다중 감각 인식 메커니즘을 적용함으로써 로봇은 실시간으로 인간 동료의 신체적 및 인지적 상태를 평가할 수 있다. 이는 피로의 효과를 완화하기 위해 작업 부하 분배를 조정하게 한다. 결과적으로 협업 시스템 내에서 인간 피로의 효과적인 관리는 운영 효율과 안전성을 향상 시키는 데에 그치지 않고 더 지속 가능하고 조화로운 인간-로봇 상호 작용 패러다임을 육성한다.

질문 1.)컴퓨터 비전 분야에서 가장 유명한 연구 분야 중 하나인 Facial Emotion Detection과 Fatigue Detection은 매우 유사해 보입니다. 이들 간에 주요한 차이점이 있나요? 혹은 피로 감지가 감정 감지에는 없는 주요한 도전 과제가 있나요?

답변1.) (발표자): 사실, 피로 감지는 시각 센서를 사용하여 인간 얼굴 특징 그래프를 활용하는 측면에서 감정 감지와 매우 유사합니다. 그러나 감정 감지는 눈썹이 기울어지거나 입술 등 다양한 얼굴 특징을 사용하여 감정을 포착하는 반면, 피로 감지는 주로 눈 깜빡임이나 머리 끄덕임에 집중합니다.

느낀 점 : 감성 탐지와 피로 탐지가 크게 보면 같은 범주이며 무슨 차이가 있는지 처음엔 잘 파악하지 못했다. 답변을 듣고 나니 공통점은 두 분야 모두 사람 얼굴의 좌표들을 그래프로 받아 분류하는 것은 같다는 것이다. 차이점은 감성 탐지는 얼굴의 전반적인 모든 설명 변수를 활용하는 반면, 피로 탐지는 사람이 피로를 느낄 때 눈을 깜빡이거나 고개의 흔들림 등의 행동이 나타나기에 이러한 센서에 좀 더 집중한다는 것을 알 수 있었다.

Robust Anomaly Detection for Color Cast Images by Efficient Color Augmentation

해당 연구는 색조가 들어간 이미지 내 이상 감지에서 중요한 문제를 다루고 있다. 색조나 조명 조건의 변화는 동일한 데이터 인스턴스에 대해 이질적인 이상 감지 예측을 초래할 수 있다. 본 연구는 MVTec 데이터셋을 활용하며,  이러한 색조 변화를 충분히 고려하지 못하는 데이터 설정 부재에 대해 살펴보았다. 결과적으로 발표자는 이러한 문제를 해결하기 위해 데이터셋을 수동으로 변형하였다.  본 연구의 핵심은 새로운 색조 기반 증강 기술의 개발과 제안에 있다. 제안된 증강 방법은 변동하는 조명 조건이나 색조 변화의 부정적인 영향으로부터 이미지 기반 이상 감지 알고리즘을 개선 시킨다. 이 혁신적인 접근 방식을 이상 감지 프레임워크에 통합함으로써, 연구진은 다양한 환경 설정과 이미지 조건에서의 강건성과 일반화 능력을 향상시키고자 하였다. 제안 방법론은 이상 감지 시스템의 정확성과 신뢰성을 향상시키는 데에 그치지 않고, 실제 세계의 이미지 분석 시나리오에서 중요한 도전 과제를 해결함으로써 컴퓨터 비전 분야 전반의 발전에 기여할 것으로 기대된다.

질문 1.) 색조나 조명 조건이 변할 때 이상치 탐지 알고리즘의 예측 결과가 왜 변하는가요?

답변 1.) 이미지 기반 이상 감지 알고리즘은 대상 객체의 색상 뿐만 아니라 질감과 의미에 기반하여 예측을 수행합니다. 따라서 색상이 변함에 따라 예측된 값이 변할 수 있습니다.

느낀 점 : 이미지 기반 이상치 탐지 알고리즘은 주로 CNN 모델을 쓰기 때문에 픽셀 값에 기반해 예측값을 산출하게 된다. 따라서 예측값은 질감, 물체의 경계, 색깔에 기반하여 예측을 수행하기 때문에 색조에 대한 예측의 값이 일치하기 위해서 이미지 증강 기법이 필요하다는 것을 알 수 있었다.