1. 소식
  2. arrow_forward_ios

새 소식

태그
검색
전체

바이오 지능 연구실 학생들, 2019 국제 로보컵 준우승

서울대-고려대-부산대-한양대 연합로봇팀 Tidyboy ... 2019 로보컵 준우승 서울대 공대(학장 차국헌)는 서울대-고려대-부산대-한양대 연합로봇팀 Tidyboy가 지난 7일 호주 시드니에서 개최된 2019 로보컵(RoboCup) 실내 서비스 로봇 부문에서 준우승을 차지했다고 밝혔다. 과학기술정보통신부의 AI 로봇 과제 공동연구팀이기도 한 연합 로보컵팀에는 서울대인공지능센터(센터장 장병탁 공대 컴퓨터공학부 교수) 학생들이 소속되어 있다. 국제 로보컵은 1997년 시작됐으며, 세계에서 가장 오래되고 규모가 큰 AI 로봇대회다. 올해에는 세계 40여개 국에서 온 약 3,500명이 참가자들이 로봇 축구, 실내 서비스, 산업 자동화, 재난 구조 등의 다양한 부문에서 경쟁했다. 그 중에서도 Tidyboy팀은 실내 서비스 로봇 부문에 참가하여 로봇이 가정 환경에서 사람과 사물, 환경을 지능적으로 인식하고 인간과 음성으로 대화하며 다양한 서비스 임무를 수행하는 능력을 겨루었다. Tidyboy팀은 우수한 물체인식, 정교한 로봇팔 조작 및 이동 능력을 바탕으로 한 사용자의 음성 명령에 따라 실내를 이동하며 찬장을 여닫고 사용자가 원하는 물건들을 집어 전달하는 등의 실내 서비스 작업 등을 선보였다. Tidyboy 팀은 다른 팀들이 기권하거나 수행에 실패한 고난이도 조작 작업들을 유일하게 성공적으로 수행하여 현장에서 뜨거운 반응을 얻었다. 현장에서 팀을 지휘한 이승준 교수는 “한국 팀이 영국 옥스포드 대학, 미국 텍사스 오스틴 대학, 3년 연속 우승팀인 일본 규슈 공대 등 쟁쟁한 경쟁자들을 큰 점수 차로 제치며 준우승을 하게 돼서 매우 기쁘다”고 전했다. 한편, 팀을 이끌며 준우승 수상에 큰 기여를 한 서울대 인공지능센터 이충연 연구원(서울대 공대 컴퓨터공학부)은 2017 로보컵에서도 우승한 경험이 있다....
포스트 대표 이미지
포스트 대표 이미지
포스트 대표 이미지

송현오교수 연구진 논문2편, ICML19에 Long talk 선정

서울대 컴퓨터공학부 송현오 교수 연구진,머신러닝최우수학회 ICML2019 논문 2편 Long talk (4.6%) 선정 송현오교수 연구진(머신러닝 연구실, http://mllab.snu.ac.kr) 은 오는 6월 머신러닝 분야 최우수 학회인 ICML 2019에 3편의 논문을 그리고 CVPR 2019에도 1편을 게재할 예정이라고 밝혔다. 특히 ICML 논문 중 두 편은 Long talk (156/3424 = 4.6%) 로 선정되는 성과를 거두었다. 1. Parsimonious Black-Box Adversarial Attacks via Efficient Combinatorial Optimization (Seungyong Moon*, Gaon An*, Hyun Oh Song) (Long talk) 딥러닝 모델을 속이는 데에 있어서 모델 내부의 gradient 정보를 이용한 경사 하강법이 아주 효과적인 방법임이 잘 알려져 있지만 black-box attack 환경에서는 공격자가 gradient 정보에 접근할 수 없다고 가정하기 때문에 위와 같은 방법을 사용할 수 없다. 이에 따라 최근의 연구에서는 추가적인 모델 액세스를 통해 gradient를 추정하려는 시도를 하고 있으나, 이 방법은 모델 액세스 비용이 많이 들고 하이퍼파라미터에 민감하다는 단점이 있다. 이러한 문제를 해결하기 위해 송 교수 연구팀은 연속적인 기존의 목적함수를discrete optimization로 바꾸어 푸는 새로운 시도를 하였고 [식 1], submodular function maximization에서 주로 사용되는 기법인 local search algorithm을 응용하는 최적화 알고리즘을 설계하였다. [그림 1]. 연구팀은 이러한 최적화된 black-box adversarial attack 알고리즘을 이용하여 머신러닝 벤치마크 데이터셋인 ImageNet에서 공격에 필요한 쿼리의 수를 2배 이상 감소시킬 수 있었으며 동시에 공격 성공률도 향상시키는 성과를 거두었다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik1.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img1.jpg 논문 preprint 링크: https://arxiv.org/abs/1905.06635 Github source code 링크: https://github.com/snu-mllab/parsimonious-blackbox-attack [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 문승용 서울대학교 자유전공학부 학사과정 / symoon11@snu.ac.kr 안가온 서울대학교 경제학부 학사과정 / white0234@snu.ac.kr 2. EMI: Exploration with Mutual Information (Hyoungseok Kim*, Jaekyeom Kim*, Yeonwoo Jeong, Sergey Levine, Hyun Oh Song) (Long talk) 강화학습이란 어떤 환경을 탐색하는 에이전트가 주어진 상태에서 보상의 총합을 최대화하는 행동을 택하도록 하는 최적의 정책을 학습하는 알고리즘이다. 하지만, 보상이 희소한 환경에서는 에이전트가 아직 가보지 못한 상태들을 탐색할 유인이 사라지게 되어, 최적의 행동 정책을 학습하는 데 큰 어려움이 존재한다. 이를 보완하기 위해 최근 일련의 연구에서 내재적 보상 (intrinsic reward)을 통해 에이전트의 탐색을 돕는 방안을 제시하였지만, 상태를 복원하는 과정을 거치기 때문에 Atari game와 같이 상태의 차원이 높은 경우에 상당히 비효율적이라는 단점이 존재하였다. 이러한 문제를 해결하기 위해 송 교수 연구팀은 고차원의 상태와 행동을 저차원의 공간으로 embedding 하는 딥러닝 네트워크를 설계하였다. 위의 과정에서 정보의 손실을 막기 위해 embedding space위의 trajectory상에서 상태와 행동 간 mutual information의 lower bound을 최대화하도록 네트워크를 학습하였다 [식 2]. 연구진은 이러한 최적화된 강화학습 탐색 기법을 이용하여 보상이 희소한 Atari games 나 robotic locomotion tasks 환경에서, 최적의 행동 정책을 효율적으로 학습하는데 성공하는 성과를 거두었다 [그림2]. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik2.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img2.jpg 논문 preprint 링크: https://arxiv.org/abs/1810.01176 Github source code 링크: https://github.com/snu-mllab/EMI [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 김형석 서울대학교 컴퓨터공학부 석박통합과정 / harry2636@snu.ac.kr 김재겸 서울대학교 컴퓨터공학부 석박통합과정 / jaekyeom@snu.ac.kr 3. Learning Discrete and Continuous Factors of Data via Alternating Disentanglement (Yeonwoo Jeong, Hyun Oh Song) Disentanglement는 비지도 학습에서 데이터를 잘 표현하는 섞이지 않는 정보들로 분리시키는 문제이다. 데이터를 표현하는 정보가 섞이지 않게 하기 위해 정보들의 total correlation을 최소화하는 다양한 연구들이 있었으나, 별도의 추가적인 계산이 필요하다는 단점이 있다. 송 교수 연구팀은 별도의 추가적인 계산없이 total correlation을 최소화하는 알고리즘을 제안했다. 또한, [식 3]에서처럼 데이터의 연속 정보가 주어져 있을 때 연속 정보와 함께 데이터를 가장 잘 표현하는 최적의 이산 정보를 먼저 찾고 여기서 구한 이산 정보를 바탕으로 연속 정보를 최적화 하는 딥러닝 네트워크를 학습시키는 알고리즘을 설계했다. Disentanglement 벤치마크 데이터 셋인 dSprites에서 이전 연구에서 제시한 방법들보다 높은 성능을 냈으며, MNIST, Fashion MNIST, Chair dataset에서 알고리즘의 우수성을 입증했다 [그림 3]. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik3.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img3.jpg 논문 preprint 링크: https://arxiv.org/abs/1905.09432 Github source code 링크: https://github.com/snu-mllab/DisentanglementICML19 [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr 4. End-to-End Efficient Representation Learning via Cascading Combinatorial Optimization (Yeonwoo Jeong, Yoonsung Kim, Hyun Oh Song) 빠르고 정확한 데이터 검색을 위해서 딥러닝 네트워크를 통해 데이터를 binary hash code 변환하여 해시 테이블을 생성한다. 하지만, 데이터 검색의 속도는 sparse 한 binary hash code의 크기와 직접적인 연관이 있으며, binary hash code의 크기가 증가함에 따라 binary hash code를 학습하는 알고리즘의 공간과 시간 복잡도도 함께 증가하여 실용성이 떨어진다. 이를 해결하기 위해 송 교수 연구진은 계층 구조를 가지는 binary hash code을 학습하는 딥러닝 알고리즘을 고안했다. 또한, 유사도 정보가 주어진 데이터의 계층 구조를 가지는 최적의 binary hash code를 찾는 combinatorial optimization 문제는 [그림4] 그래프에서의 minimum-cost flow 문제와 동치관계에 있음을 증명하였고, polynomial time 내에 최적해를 찾을 수 있음을 증명했다. (논문의 정리1 참조). 계층 구조를 통해 binary hash code를 학습하는 알고리즘은 머신러닝 벤치마크 데이터 셋인 Cifar-100 과 ImageNet에서 데이터 검색 속도를 끌어 올림과 동시에 검색 정확도 역시 증가시켰다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img4.jpg [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr...
포스트 대표 이미지

김건희·송현오 교수 연구진, ICML 2019 논문 5편 게재

서울대 컴퓨터공학부 김건희 교수·송현오 교수 연구진,ICML 2019 논문 5편 게재 김건희 교수 연구진과 송현오 교수 연구진이 기계학습 분야 최고 우수 학회 중 하나인 International Conference on Machine Learning (ICML) 2019에 5편의 논문을 게재하였다고 밝혔다. 올해는 총 3424 유효 제출 논문 중 773편이 채택되어 22.6%의 게재율을 보였다. 특히 이 중 2편은 4.6% 게재율의 Long Talk (20분 발표)로 선택되었다. 학회 논문 페이지: https://icml.cc/Conferences/2019/Schedule 김건희 교수 연구진은 다음 두 편의 연구결과를 발표하였다. ● 추론 신경망과 독립성 가정에 의존하던 Variational Autencoder (VAE)의 부정확하고 제한된 추론 능력을 라플라스 근사를 이용해 개선하는 Variational Laplace Autoencoders라는 새로운 생성 모델 개발 논문: http://proceedings.mlr.press/v97/park19a.html 코드: http://vision.snu.ac.kr/projects/VLAE ● 정보 병목기법을 활용하여 강화학습에서 새로운 정보들 중 목표와 밀접한 정보만을 선별하여 탐험하는 Curiosity-Bottleneck 방법을 제시 논문: http://proceedings.mlr.press/v97/kim19c.html 코드: https://github.com/whyjay/curiosity-bottleneck 송현오 교수 연구진은 다음 세 편의 연구결과를 발표하였다. ● 조합 최적화 기법을 이용하여 보다 효율적이고 하이퍼파라미터에 자유로운 블랙박스 방식 신경망 적대적 공격 기법 고안 (Long Talk, top 4.6%) 논문: https://arxiv.org/abs/1905.06635 코드: https://github.com/snu-mllab/parsimonious-blackbox-attack ● 보상이 희소한 환경에서도 저차원 임베딩을 통해 최적의 행동 정책을 효율적으로 학습하는 강화학습 탐색 알고리즘 개발 (Long Talk, top 4.6%) 논문: https://arxiv.org/abs/1810.01176 코드: https://github.com/snu-mllab/EMI ● 데이터의 연속 정보와 이산 정보를 동시에 효율적으로 분리하는 VAE 기반 비지도 학습 알고리즘 개발 논문: https://arxiv.org/abs/1902.10990 코드: https://github.com/snu-mllab/DisentanglementICML19 ICML 2019는 6월 미국 캘리포니아주 롱비치에서 개최될 예정이다. [문의사항] 김건희 서울대학교 컴퓨터공학부 교수 / gunhee@snu.ac.kr 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 노준혁 서울대학교 컴퓨터공학부 박사과정 / jh.noh@vision.snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr...
포스트 대표 이미지

이재욱·전병곤 교수 연구진, ATC 2019 논문 3편 게재

서울대 컴퓨터공학부 이재욱 교수·전병곤 교수 연구진,ATC 2019 논문 3편 게재 ● SSD기반 빅데이터 어플리케이션의 응답시간을 크게 단축시킬 수 있는 NAND 플래시 블록 지우기 선점/지연 기술 및 비동기식 OS 커널 I/O 스택 개발 ● 빅데이터 애플리케이션의 분산 수행 방식을 다양한 자원환경 및 데이터셋에 맞추어 최적화하는 시스템 Apache Nemo 개발 ● 시스템 분야 최우수 학회 중 하나인 ATC 2019에 논문 3편 게재 출판 전 논문페이지: https://www.usenix.org/conference/atc19/technical-sessions (최종 출판본은 2019년 7월 공개 예정) 이재욱 교수 연구진과 전병곤 교수 연구진이 시스템 분야 최고 우수 학회 중 하나인 USENIX Annual Technical Conference (ATC) 2019에 3편의 논문을 게재하였다고 밝혔다. 이재욱 교수 연구진은 데이터센터 등에서 구동되는 SSD기반 빅데이터 어플리케이션의 응답시간을 크게 단축시킬 수 있는 두 편의 연구결과를 발표하였다. 먼저 NAND 플래시 메모리 기반 SSD의 꼬리 응답 시간(tail latency)을 획기적으로 낮추는, 저비용/고신뢰성의 NAND 블록 지우기 선점/재개 기술을 개발하였다([그림 1](a)). 본 기술을 적용하면 SSD의 최대 읽기 응답 시간을 기존 약 10ms 수준에서 수백 us 이내로 오십배 이상 단축할 수 있다. 또한, 성균관대 연구팀과 공동으로 초저지연 SSD의 I/O 지연시간을 최대 1/3가량 단축할 수 있는 비동기식 OS 커널 I/O 스택을 발표하였다([그림 1](b)). 본 연구결과를 적용하면 데이터센터 사용자 서비스 품질을 좌우하는 저장장치의 읽기 지연 시간이 극적으로 감소되어, 많은 사용자들의 이용경험 개선에 크게 기여할 것으로 기대된다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190523_img1.jpg 전병곤 교수 연구팀에서 제안한 Apache Nemo는 빅데이터 애플리케이션의 분산 수행 방식을 다양한 자원환경 및 데이터 특성에 맞추어 최적화하는 시스템이다. Apache Nemo는 분산 수행 최적화 정책을 애플리케이션의 중간 표현을 변형하는 함수로서 개발할 수 있는 프로그래밍 인터페이스를 제공한다. Apache Nemo를 사용하여 쉽고 간결하게 개발한 최적화 정책들은 특정 환경에 특화된 복잡한 기존 시스템들과 같은 수준의 성능 개선을 달성한다. 더불어, 여러 정책들을 조합하여 여러 자원환경 및 데이터셋 특성이 동시에 발생하는 환경에서 보다 더 높은 성능 개선을 달성한다. 이런 쉬운 최적화 표현 및 수행으로 Nemo는 현재 가장 많이 사용되는 Apache Spark 보다 월등하게 높은 성능을 보인다. 아파치 Apache Nemo는 현재 아파치 소프트웨어 재단(Apache Software Foundation, ASF) 공식 오픈소스 인큐베이션 프로젝트이다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190523_img2.jpg ATC 2019는 7월 미국 워싱턴주 렌턴시에서 개최될 예정이다. [문의사항] 이재욱 서울대학교 컴퓨터공학부 교수 / jaewlee@snu.ac.kr 전병곤 서울대학교 컴퓨터공학부 교수 / bgchun@snu.ac.kr 김신 서울대학교 컴퓨터공학부 박사과정 / postshine@snu.ac.kr 양영석 서울대학교 컴퓨터공학부 박사과정 / yyang@snu.ac.kr...
포스트 대표 이미지
포스트 대표 이미지

신영길교수, 2019년 서울대 훌륭한 공대 교수상 수상

서울대는 2019 훌륭한 공대 교수상 수상자로 조선해양공학과 신종계 교수(교육상), 전기공학부 이경무 교수(학술상), 컴퓨터공학부 신영길 교수(산학협력상)를 선정했다고 15일 밝혔다. ‘훌륭한 공대 교수상’은 서울대 공대 교수들의 연구 활동을 진작하고 산업기술의 선진화에 기여하기 위해 1992년 7월, 공대 15회 동문들이 출연한 기금으로 제정됐다. 교육상은 창의적이고 진취적으로 교육에 헌신한 공대 교수에게, 학술상은 학술 업적이 탁월한 공대 교수에게, 산학협력상은 산학협력 성과가 탁월해 산업기술 발전에 지대한 공헌을 한 공대 교수에게 수여하고 있다. 교육상을 수상하는 신종계 교수는 1993년 서울대 조선해양공학과에 조교수로 부임한 이래, 조선해양 생산공학 분야의 연구와 교육을 수행해 왔다. ‘조선해양 생산공학’ 교과목을 개발해 조선소 생산에 적용되는 공학 이론과 기술에 대한 이해도를 높였으며, ‘시뮬레이션 기반 생산시스템’ 교과목에서는 조선소 생산시스템을 공정 중심의 전산 모델로 변환하고 시뮬레이션을 통해 검증하고 최적화하는 이론을 체계화했다. 신 교수는 조선해양 생산시스템 분야에서 지금까지 26년 동안 박사 25명과 석사 62명의 우수한 인재를 배출하며 후학 양성에 힘썼다. 또한 해외 소프트웨어 회사와 협업관계를 구축해 학생들의 국제화를 위한 글로벌 연구 환경을 지원해 왔다. 학술상을 수상한 이경무 교수는 2003년 서울대 전기공학부에 부교수로 부임해, 컴퓨터비전 및 머신러닝 분야의 인재육성과 학술 발전에 큰 공헌을 했다. 국제 저명학술지와 학술회의에 140여 편의 학술논문을 발표했으며, 구글 학술검색(Google Scholar) 기준 최근 5년 간 총 10,000회 이상 피인용되며 컴퓨터비전 및 인공지능 분야의 선도적인 연구를 이끌고 있다. 2018년 과학기술정보통신부가 선정하는 이달의 과학기술인상 외 다수의 상을 수상했다. 이 교수는 대외 활동도 활발히 벌이며 2016년 한국컴퓨터비전학회를 창립해 회장을 역임하고 있다. 해외에서는 아시아인 최초로 세계적인 인공지능 학술지인 IEEE TPAMI(Transactions on Pattern Analysis and Machine Intelligence)의 부편집장에 임명됐으며, 아카데믹 프레스(Academic Press)와 엘제비어(Elsevier)의 출판 자문역을 맡았다. 또 국제 학술회의인 ICCV2019의 한국 유치위원장 및 조직위원장으로 활동 중이다. 산학협력상을 수상한 신영길 교수는 1992년부터 서울대 컴퓨터공학부에서 컴퓨터 그래픽스와 영상처리 연구와 교육을 수행해 왔다. 특히 의료IT영상 분야 전문가로서 디지털헬스케어산업을 이끌고 있다. 학내 기술창업인 ㈜3D산업영상과 3D Mad(現 ㈜인피니트헬스케어)의 설립을 주도적으로 추진했으며, ㈜인피니트헬스케어의 메디칼이미징 기술개발을 통해 지식경제부 장관상인 으뜸기술상 최우수상을 수상했다. 신 교수는 현재까지 82건의 산업체 연구 과제를 수행하며 핵심기술 개발에 크게 기여했다. 이와 함께 국가성장동력 프로젝트인 가상증강 과제를 주도하고 있으며, ㈜오스템 임프란트와 삼성전기를 비롯한 국내 산업체의 기술 자문 및 산학 협력 연구를 활발히 진행하고 있다. 이번 수상에 대해 서울대학교 공과대학 차국헌 학장은 “국내외적으로 어려운 환경 아래서 사명감을 갖고 훌륭한 연구와 업적을 이루어낸 세 분의 교수님께 큰 박수를 보낸다”며 “수상자 세 분은 우리나라 산업발전에 큰 기여를 하신 훌륭한 본보기이고 이 수상은 우리 사회에 도전과 열정의 메시지를 전하는 매우 의미 깊은 일”이라고 밝혔다....
포스트 대표 이미지
포스트 대표 이미지

장혁 석사과정생, ㈜폴라리언트 창업 후 ㈜쏘카에 인수

서울대 컴퓨터공학부 시각 및 학습 연구실(김건희 교수) 소속 장 혁 석사과정 학생이 2015년 5월 창업한 기술 스타트업 ㈜폴라리언트가 2019년 4월 ㈜쏘카에 인수되었다. ㈜폴라리언트는 3명의 공동창업자(장혁, 전현기, 최영재)가 설립한 스타트업으로, 빛의 편광을 이용한 실내 정밀 위치 측정 솔루션인 PLS(Polarized Light Sensing) 솔루션을 개발하고 상용화해왔다. 실내 측위 기술은 지하주차장 및 대형쇼핑몰, 공항 등 위치기반서비스(GPS)가 연결되지 않은 실내에서도 위치와 이동경로를 파악할 수 있는 기술이다. 설립 이후 네이버, 블루포인트파트너스, 배우 배용준, 엔피에쿼티파트너스 등으로부터 투자를 유치하며 성장했다. ㈜쏘카는 국내 모빌리티 시장의 1등 사업자로 폴라리언트와 함께 모빌리티플랫폼 기술 개발 및 고도화에 집중할 계획이라고 밝혔다. 그간 축적한 실내 정밀 위치 기술에서 한발 나아가 모빌리티 산업의 대규모 성장을 고려한 기술 고도화와 더불어 중장기적으로는 공간지능 솔루션 개발까지 목표로 한다. 장혁 군은 ㈜폴라리언트의 공동창업자 및 대표이사를 맡아왔고 지난 2016년 한국공학한림원의 차세대 공학리더상에 최초로 선정된 데 이어 2017년 대한민국 인재상 수상자에도 이름을 올렸다. [문의] 서울대학교 컴퓨터공학부 석사과정 / 장 혁 / hyouk@vision.snu.ac.kr...
포스트 대표 이미지