사람의 신체와 움직임을 포착하기 위해서 현재는 CCTV 등 camera-based system이 흔히 사용된다. 그러나 인공지능 기술을 접목해 Wi-Fi 신호로 객체와 동작을 입체적으로 감지하는 유의미한 센싱 시스템을 구현한 사례가 나왔다. 연구자들은 통신을 위해 사용되는 Wi-Fi 신호를 통해 사람의 외형과 동작을 감지하는 Wi-Mesh 시스템을 설계했다. 간단히 말해 원리는 다음과 같다. 1. Wi-Fi 기기에 있는 안테나를 통해 Wi-Fi 신호를 발산한다. 2. 반사되어 들어오는 2차원 신호를 읽는다. 이 신호를 two-dimensional angle of arrival (2D AoA)라 한다. 이 과정을 통해 Wi-Fi 기기는 사람을 포함한 물리적 공간을 감지할 수 있다. 3. 사람과 관련된 2D..

AI가 AI칩을 설계했다. 인공지능은 기존에 엔지니어가 설계한 칩들보다 효율적인 칩을 매우 빠른 시간내에 디자인해냈다. 기계, 전자, 컴퓨터를 비롯한 각 분야의 전문가들이 수 개월에 걸친 노력을 통해 설계되던 칩이 최근 구글의 연구팀에 의해 6시간도 채 지나지 않아 설계되었다. Chip floorplanning은 칩 부품의 물리적 레이아웃을 설계하는 프로세스로, 장치의 궁극적 성능을 위한 핵심 기술이다. Chip floorplanning은 메모리 등 수천 개의 구성 요소와 수 킬로미터에 달하는 와이어들을 마이크로 사이즈의 좁은 공간안에 위치시켜, 컴퓨터 칩이 효율적이고 강력한 퍼포먼스를 내도록 설계하는 기술이다. 구글 연구팀은 chip floorplanning을 reinforcement learning ..

멤리스터(Memristor)란 메모리(Memory)와 저항(Resistor)의 합성어로 저항, 인덕터, 커패시터와 함께 대표적인 수동소자다. 멤리스터는 얼마나 많은 양의 전류가 통과했는지를 기억할 수 있다. 이때 전류의 흐름과 시간의 변화에 따라 저항의 강도가 바뀐다. 이러한 멤리스터는 다양한 값의 디지털 신호를 낼 수 있어서 적은 에너지 소모와 빠른 속도의 비휘발성 메모리 반도체를 제작하는데 사용될 수 있다. 우리 뇌 속에 있는 시냅스가 멤리스터와 유사한 특성을 지닌 것으로 알려져 있다. 본 연구에서는 분자의 산화/환원 반응을 통해 고정된 표준 회로와 달리 전압을 사용하여 다양한 계산 작업을 위해 재구성할 수 있는, 새로운 형태의 분자 멤리스터를 개발했다. 연구진은 ligands라는 유기 분자에 결합된..

사람-로봇 협업은 이제 제조업에 있어서 필수적이다. 제조라인에서 로봇과 사람이 협업하는 풍경은 이제 흔하다. 로봇과의 협업은 빠른 속도와 적은 불량률로 안전하게 대량 생산이 가능하게 한다. 그러나 로봇은 비싸다. 매해 점점 더 로봇의 가격은 떨어지고 있지만, 최신 성능의 로봇들이 항상 비싸다는 사실은 변함이 없다. 때문에 협업을 위해 지출되는 비용과 능률 사이에는 최적화가 필요하다. 본 논문에서 연구진은 metaheuristic algorithm의 일종인 migrating bird optimization algorithm을 활용해 최적화를 진행했다. 이는 철새의 V- flight formation에서 영감을 얻은 알고리즘으로, 연구진은 이를 통해 multi-objective mixed-integer pr..

이전 글(https://share2learn.tistory.com/43)에서도 소개했듯이, 로봇공학에 있어 전자 피부의 중요성은 날로 커지고 있다. 로봇공학을 넘어 가상현실, 즉, 메타버스에 있어서도 인간의 촉감을 구현가능한 전자 피부는 진정한 가상현실을 설계하는데 필수적이다. 하지만 우리의 촉각 시스템은 단순하지 않다. 사람의 피부는 압력이나 진동 등의 신호를 입력받는 다양한 촉각 수용기가 존재한다. 피부에 가해진 압력과 진동 등의 정보는 slow adaptive mechanoreceptors와 fast adaptive mechanoreceptors를 통해 시간차를 두고 선별적으로 수용된다. 우리가 느끼는 촉감은 이러한 다양한 촉각 수용기들이 선별한 정보를 종합적으로 분석한 결과이다. 이러한 복잡성으로..

최근 Harvard Business Review에 기고된 한 조사에 의하면, Fortune 1000 기업들 중 92%가 데이터 기반 의사결정을 위해 투자를 증대하고 있다. 그러나 과연 데이터 분석이 모든 의사결정에 있어 만병통치약으로 작용할까? 상황에 따라서, 데이터 기반 의사결정은 직감적 의사결정에 비해 시간이 더 오래 걸리는 반면 정확성에서 이득을 보기 힘들기 때문에 비효율적이라는 연구 결과가 나왔다. 연구진은 높은 불확실성을 내포한 의사결정 시, 데이터 기반 의사결정은 종종 최상의 선택을 하지 못하게 할 가능성이 있다고 주장한다. 122개의 광고, 디지털, 출판, 소프트웨어 분야 기업들의 의사결정과 이에 대한 성과 사례를 분석한 결과, 휴리스틱과 더불어 직감을 활용한 의사결정은 철저한 데이터 분석을..