부산대학교 도서관

Recently, Machine learning1,2, a subset of artificial intelligence, utilizes sophisticated algorithms to empower computers with the ability to learn from and make sense of data. This field has played an essential role in advancing the design and functionality of multi-modal sensors3,4. Merging machine learning with multi-modal sensor technology has become imperative, not just advantageous, to meet the intricate demands of replicating the Artificially Intelligent sensory system. Particularly, the ambition to create artificial sensory systems that closely resemble biological perception has been a focal point in developing cutting-edge neuromorphic electronics5,6 and humanoid robotics7. In this paper, we developed a platform that can monitor tactile and environmental stimuli in real-time by combining a neural-network based classification model8–12 and a regression model13–18 with multi-modal sensors. Through the classification model, the direction and strength of the strain can be detected simultaneously. Temperature and pressure were detected through a regression model. We also used sampling techniques to prove data efficiency through the data pre-processing process. As a result, we were able to obtain an accuracy of over 95% and a mean-absolute-percentage error of less than 3% in the clssification and regression models, proving the feasibility of an artificially intelligent sensory system.
최근 다중 자극을 감지할 수 있는 센서로부터 데이터를 받아 지도학습기반 머신러닝으로 미지의 자극을 분석하는 것이 집중적으로 연구되고 있다. 이번 연구에서는 다중 모달 센서를 지도 학습 기반의 머신러닝과 결합하여 인공 감각 시스템을 개발했다. 전방향 스트레인 센서어레이로부터 얻은 저항 변화 데이터를 뉴럴 네트워크 기반 분류 모델에 사용되어 가해진 변형의 방향과 강도를 98%의 높은 정확도로 예측했다. 또한, 온도와 압력을 동시에 감지할 수 있는 센서로부터 얻은 저항과 정전 용량 데이터에 대해 dual stream 데이터 처리방식을 통해 회귀 분석을 수행했다. 두 연구를 진행하며 사용된 데이터의 차원을 최적화하여 시스템을 미세 조정함으로써 데이터 효율성을 높였다. 그 결과, 다중 모달 센서와 인공 지능 기술을 결합하는 것의 실행 가능성을 확인하였다.