년 3분기 AI 및 로봇 연구 동향

1. 서론: 2009년 3분기 AI 및 로봇공학 연구 동향 개관

2009년은 2008년 세계 금융 위기의 여파가 산업계 전반을 강타한 시기였다. 특히 인공지능(AI) 및 로봇공학 분야는 그 최대 수요처 중 하나인 자동차 산업의 극심한 부진으로 인해 직접적인 타격을 받았다. 통계 자료에 따르면, 2009년 상반기 북미 지역 로봇 수주량은 전년 동기 대비 36% 급감했으며 1, 1분기만 해도 31%의 감소율을 기록했다.2 이러한 수치는 당시 산업계가 직면한 위기의 심각성을 명확히 보여준다.

그러나 이러한 산업적 위기는 역설적으로 AI 및 로봇공학 연구개발의 방향성에 중요한 변곡점으로 작용했다. 자동차 산업에 대한 과도한 의존도가 구조적 취약점으로 드러나자, 업계는 생존을 위해 새로운 활로를 모색하기 시작했다. 생명 과학, 제약, 식음료와 같은 비자동차 분야의 ‘블루오션’ 시장이 새로운 대안으로 떠올랐으며, 실제로 이들 분야에서는 로봇 수주량이 각각 34%, 7% 증가하는 등 긍정적인 신호가 나타났다.1 이러한 신규 시장은 기존의 정형화된 공장 환경과는 달리, 예측 불가능하고 동적인 환경에서 작동할 수 있는 고도의 지능을 요구했다. 업계는 단순히 반복 작업을 수행하는 기계를 넘어, 향상된 비전 및 센서 기술을 통해 환경을 인식하고, 스스로 판단하여 적응하며, 인간과 안전하게 상호작용할 수 있는 ’더 똑똑한 로봇(smarter robots)’의 필요성을 절감하게 되었다.4

본 보고서는 이러한 산업계의 구체적인 수요와 2009년 3분기에 개최된 주요 학술대회에서 발표된 선도적 연구들이 어떻게 맞물려 상호작용했는지를 심층적으로 분석하는 것을 목표로 한다. 이 시기의 학술 연구는 단순한 이론적 탐구를 넘어, 산업계가 직면한 실질적인 도전 과제에 대한 근본적인 해결책을 제시하는 중요한 지식의 공급원 역할을 했다. 분석의 초점은 해당 분기에 개최된 세 개의 최상위 학술대회—IJCAI-09, ACL-IJCNLP 2009, RSS 2009—에 맞춰진다. 이 학회들은 각각 인공지능 전반, 자연어 처리, 로봇공학 분야에서 당대 최고의 연구 성과가 집결되는 가장 권위 있는 장이었다.

이 시기를 분석하면 두 가지 중요한 흐름이 관찰된다. 첫째, 경제 위기는 기술 혁신의 장애물이 아니라 오히려 촉매제로 작용했다. 기존 시장의 붕괴는 로봇 산업의 포트폴리오를 다각화하고, 고부가가치 지능형 로봇 기술에 대한 R&D 투자의 정당성을 부여하는 강력한 동인이 되었다. 둘째, ’지능’의 실용적 가치가 본격적으로 부각되기 시작했다. 이전까지 학술적 영역에 머물던 복잡한 환경에서의 계획, 인간 언어 이해, 비정형 데이터 인식과 같은 AI 기술들이 산업 현장의 구체적인 ’요구 사양’과 직접적으로 연결되는 명확한 접점을 형성하기 시작한 것이다. 이는 AI 연구의 상업화 및 실용화가 가속화되는 중요한 전조 현상으로 해석될 수 있다.

2. 제21회 국제인공지지능학회 (IJCAI-09): AI의 학제적 확장과 이론적 심화

2009년 7월 미국 패서디나에서 개최된 IJCAI-09는 “AI의 학제적 범위(The Interdisciplinary Reach of Artificial Intelligence)“라는 대주제 아래, 인공지능 기술이 전통적인 컴퓨터 과학의 경계를 넘어 다양한 학문 및 산업 분야로 확장될 수 있는 가능성을 집중적으로 조명했다.8

2.1 초청 강연으로 본 AI의 새로운 지평

학회의 주제 의식은 두 편의 주요 초청 강연에서 명확하게 드러났다.

첫째, Thomas G. Dietterich의 “생태 정보학 및 지속가능성 분야의 기계 학습(Machine Learning in Ecosystem Informatics and Sustainability)” 강연은 AI 기술의 사회적 책무와 새로운 적용 가능성을 제시했다.13 이 강연은 기계 학습이 생태계 관리, 종 분포 모델링, 기후 변화 대응과 같은 지구적 난제를 해결하는 데 핵심적인 역할을 할 수 있음을 역설했다. 방대한 센서 데이터, 위성 이미지, 시민 과학 데이터로부터 의미 있는 패턴을 추출하고, 이를 기반으로 최적의 환경 정책을 설계하는 접근법은 AI가 데이터 기반 과학의 새로운 패러다임을 이끌 수 있음을 보여주었다.14 이는 AI 연구의 지평을 인간 사회를 넘어 지구 생태계 전체로 확장한 선구적인 시도로 평가된다.

둘째, Qiang Yang의 “활동 인식: 저수준 센서와 고수준 지능의 연결(Activity Recognition: Linking Low-level Sensors to High-level Intelligence)” 강연은 물리적 세계와 추상적 지능 세계를 잇는 구체적인 기술적 청사진을 제시했다.16 이 연구는 스마트폰, 웨어러블 기기, RFID 등에서 쏟아지는 저수준의 원시 센서 신호(예: 와이파이 신호 강도)로부터 ‘회의 참석’, ’차 마시기’와 같은 인간의 고수준 의도와 활동을 추론하는 문제를 다룬다.16 이는 센서 데이터라는 비정형적이고 불확실한 정보를 AI가 이해하고 활용할 수 있는 의미 있는 지식으로 변환하는 핵심적인 다리 역할을 한다. 이러한 기술은 스마트 홈, 개인 맞춤형 헬스케어, 지능형 로봇 등 미래 응용 분야의 근간을 이루는 것으로, 추상적 AI 모델을 현실 세계에 ’접지(grounding)’시키는 중요한 단계임을 명확히 했다.18

2.2 핵심 연구 분야별 동향: 다중에이전트, 계획, 탐색

IJCAI-09의 기술 세션에서는 AI의 전통적인 핵심 분야에서도 이론적 심화가 계속되었다. 프로시딩 분석 결과, 특히 다중에이전트 시스템, 계획 및 탐색 분야에서 활발한 연구가 이루어졌음을 확인할 수 있다.9

다중에이전트 시스템(Agent-based and Multiagent Systems) 분야에서는 게임 이론, 경매, 협상, 사회적 선택 이론 등 경제학 및 사회과학 이론과 AI의 접목이 두드러졌다. “UCT for Tactical Assault Planning in Real-Time Strategy Games“나 “Planning Games“와 같은 논문들은 복수의 에이전트가 경쟁하거나 협력하는 복잡하고 동적인 환경에서 최적의 전략적 의사결정을 내리는 문제에 AI 기술이 깊숙이 적용되고 있음을 보여주었다.9

계획 및 스케줄링(Planning and Scheduling) 분야에서는 현실 세계 문제의 복잡성과 불확실성을 다루기 위한 연구들이 주를 이루었다. 부분적으로만 관찰 가능한 환경에서의 계획 문제(POMDPs), 시간적 제약을 고려하는 계획(Temporal Planning), 그리고 대규모 문제의 해결 가능성을 높이기 위한 자동 분할(Automatic Partitioning) 기법 등은 AI 계획 기술의 현실 적용성을 한 단계 끌어올리려는 노력이었다.

2.3 심층 분석 I: 게임 이론 정리의 자동 발견

IJCAI-09에서 발표된 연구 중 특히 주목할 만한 것은 Pingzhong Tang과 Fangzhen Lin의 “Discovering Theorems in Game Theory: Two-Person Games with Unique Pure Nash Equilibrium Payoffs“이다.13 이 연구는 AI를 이용해 인간 지식의 새로운 경계를 탐색할 수 있다는 가능성을 제시했다는 점에서 큰 의의를 가진다.

핵심 방법론은 게임 이론의 특정 속성을 1차 논리(first-order logic)로 엄밀하게 형식화하고, 컴퓨터 프로그램을 이용해 가능한 모든 조건 조합을 체계적으로 탐색하여 새로운 ’정리(theorem)’를 발견하는 것이다.20 연구팀은 ’두 명의 경기자가 참여하는 유한 게임에서 순수 내쉬 균형(Pure Nash Equilibrium, PNE) 페이오프가 유일하게 존재할 조건’이라는 구체적인 문제를 설정했다. 그들의 프로그램은 이 조건을 만족하는 게임 클래스들을 자동으로 탐색한 결과, 기존에 인간 수학자들이 발견했던 Kats와 Thisse의 ‘약한 일방적 경쟁 게임(weakly unilaterally competitive games)’ 클래스를 성공적으로 재발견했다. 더 나아가, 이전에 알려지지 않았던 여러 새로운 게임 클래스들을 추가로 발견하는 데 성공했다.20 이는 AI가 단순히 주어진 문제를 해결하는 수동적인 도구를 넘어, 새로운 과학적 가설을 생성하고 검증하며 인간 연구자와 협력하는 창의적 파트너가 될 수 있음을 보여준 선구적인 사례였다.

2.4 심층 분석 II: 로봇-인간 상호작용을 위한 공간 언어 생성

자연어 처리와 로봇공학의 융합을 보여준 Hendrik Zender 연구팀의 “Situated Resolution and Generation of Spatial Referring Expressions for Robotic Assistants” 역시 중요한 성과였다.9 이 연구는 로봇이 인간과 효과적으로 소통하기 위해 “저기 부엌에 있는 테이블 위의 컵“과 같은 공간 지시 표현(spatial referring expressions)을 이해하고 생성하는 근본적인 문제를 다루었다.

이들의 핵심 방법론은 로봇의 관점(robot-centric)과 인간의 관점(human-centric)을 모두 포함하는 통합된 공간 지식 베이스를 구축하는 것이었다. 이를 바탕으로, 주어진 대화의 ’상황(situation)’에 가장 적합한 방식으로 참조 대상을 식별(resolution)하거나 설명(generation)하는 통일된 프레임워크를 제안했다.21 이 연구는 로봇에게 언어 능력이란 단순히 텍스트를 기호적으로 처리하는 것을 넘어, 물리적 공간, 자신의 상태, 그리고 소통 상대방인 인간의 관점을 모두 고려하여 ‘상황에 맞는(situated)’ 언어를 구사하는 능력임을 명확히 했다. 이는 서론에서 언급된 산업계의 ’인간과 협력하는 지능형 로봇’이라는 목표를 달성하기 위한 핵심 기술에 대한 구체적인 연구 방향을 제시한 것으로 평가할 수 있다.

IJCAI-09에서 나타난 연구 동향은 두 가지 상호 보완적인 흐름으로 요약될 수 있다. Dietterich와 Yang의 연구는 AI 기술을 사회 및 과학의 거대 문제에 적용하려는 ’외연 확장’의 흐름을 대표한다. 반면, Tang과 Lin의 연구는 AI의 논리적 추론 능력을 이용해 형식 과학의 근본적인 질문에 답하려는 ’내적 심화’의 흐름을 보여준다. 이 두 흐름은 AI 연구가 응용과 이론이 함께 발전하는 건강한 생태계를 갖추고 있었음을 시사한다. 동시에 Yang의 활동 인식 연구와 Zender의 로봇 언어 연구는 공통적으로 추상적인 AI 모델을 센서 데이터와 물리적 공간이라는 현실 세계에 ’접지’시키려는 노력을 보여준다. 이는 ’지능의 구체화(Embodiment of Intelligence)’가 AI 분야의 핵심 화두로 부상했음을 의미하며, 향후 자율주행차, 스마트 어시스턴트 등 ’구체화된 AI’의 폭발적인 성장을 예고하는 중요한 학문적 전환점이었다.

3. ACL-IJCNLP 2009: 자연어 처리 기술의 도약

2009년 8월 싱가포르에서 공동 개최된 ACL-IJCNLP 2009는 자연어 처리(NLP) 및 계산 언어학 분야의 최신 기술 동향을 가늠할 수 있는 가장 중요한 학술 행사였다.10 이 학회에서는 기계 번역, 정보 추출, 감성 분석 등 핵심 분야에서 기술적 정교함과 효율성을 한 단계 끌어올린 연구들이 다수 발표되었다.

3.1 기계 번역의 패러다임: 피봇 언어와 구문 기반 접근법

기계 번역(MT) 분야에서는 특히 학습 데이터가 부족한 언어쌍(low-resource language pair) 문제를 해결하기 위한 창의적인 접근법들이 주목받았다.22 그중에서도 Hua Wu와 Haifeng Wang의 “Revisiting Pivot Language Approach for Machine Translation“은 데이터 부족이라는 현실적 제약을 극복하기 위한 실용적인 해법을 제시했다는 점에서 큰 주목을 받았다.23

피봇 언어(pivot language) 접근법은 소스 언어(S)와 타겟 언어(T) 간의 직접적인 병렬 코퍼스가 부족할 때, 두 언어 모두와 병렬 코퍼스를 가진 중간 언어(P)를 매개로 S→P→T 순으로 번역하는 방식이다. 이 연구는 S-P 코퍼스와 P-T 코퍼스가 서로 다른 문장들로 구성된 ’독립적(independent)’인 경우, 두 코퍼스 간의 언어적 현상 불일치로 인해 발생하는 ‘데이터 갭(data gap)’ 문제를 핵심적인 도전 과제로 지적했다.25 이를 해결하기 위해 두 가지 구체적인 방법론을 제안했다. 첫째, 규칙 기반 기계 번역(RBMT) 시스템을 활용하여 기존 코퍼스의 문장들을 번역함으로써 부족한 부분을 채우는 가상의 3개 언어 병렬 코퍼스를 생성하는 하이브리드 방법론이다. 둘째, 이렇게 생성된 데이터를 포함하여 여러 번역 시스템이 내놓은 결과물 중 회귀 학습 모델을 통해 최적의 번역문을 선택하는 시스템 조합(system combination) 기법이다.25 이는 고품질의 학습 데이터가 부족한 현실을 창의적인 데이터 공학(data engineering)으로 극복하려는 시도로, 오늘날 데이터 증강(data augmentation) 기법의 초기 형태로 볼 수 있다.

3.2 최우수 논문 심층 분석: K-Best A* 파싱 알고리즘

ACL-IJCNLP 2009 최우수 논문상은 Adam Pauls와 Dan Klein의 “K-Best A* Parsing“에 수여되었다.26 이 연구는 NLP의 가장 근본적인 기술 중 하나인 구문 분석(parsing)의 효율성을 획기적으로 개선했다는 점에서 높은 평가를 받았다.

기존의 k-best 파싱 알고리즘은 문장에서 가능한 k개의 최적 구문 분석 트리를 찾기 위해, 먼저 전체 문장에 대한 1-best 분석을 완료해야만 했다. 이 초기 과정이 전체 계산 시간의 대부분을 차지하는 심각한 병목 현상을 유발했다.27 제안된 알고리즘은 이 문제를 해결하기 위해, 휴리스틱을 이용해 탐색 공간을 효율적으로 줄이는 A* 탐색 알고리즘과 k-best 추출 과정을 하나의 통일된 프레임워크로 완벽하게 통합했다.27

알고리즘의 핵심 원리는 가중 연역(weighted deduction) 시스템을 기반으로 한다. 각 구문 분석 후보(edge) e에 대해, Viterbi inside score β(e)와 앞으로 필요한 비용의 추정치인 휴리스틱 함수 h(e)를 결합하여 우선순위 큐의 가중치로 사용한다. 즉, 우선순위는 β(e) + h(e)에 의해 결정된다. 여기서 A* 알고리즘의 최적성이 보장되기 위한 핵심 조건은 휴리스틱의 ’일관성(consistency)’이다. 즉, 휴리스틱 추정치 h(e)가 실제 Viterbi outside score α(e)를 절대 과대평가하지 않는다는 조건(h(e) ≤ α(e))이 만족되면, 제안된 k-best 알고리즘 역시 최적의 k개 구문 분석 결과를 보장한다.27

이 연구는 NLP 분야의 발전이 새로운 언어학적 모델 제시에만 국한되지 않으며, 기존의 강력한 모델을 현실적인 시간 내에 실행 가능하게 만드는 핵심 알고리즘의 개선이 얼마나 중요한지를 상징적으로 보여준다. 계산 효율성의 혁신은 더 복잡하고 정교한 언어 모델을 활용하는 후속 연구, 예를 들어 기계 번역 결과의 재순위화(re-ranking)나 복잡한 통계 모델 학습 등을 더욱 활발하게 만드는 중요한 기반 시설(infrastructure) 역할을 했다.

3.3 정보 추출과 감성 분석의 정교화

정보 추출(IE) 및 감성 분석(Sentiment Analysis) 분야에서도 기술의 정교화가 뚜렷하게 나타났다.

정보 추출 분야에서는 위키피디아나 전체 웹과 같은 대규모 비정형 텍스트로부터 개체명, 관계, 분류체계(taxonomy) 등을 자동으로 구축하려는 연구가 주를 이루었다. “Compiling a Massive, Multilingual Dictionary via Probabilistic Inference“나 “Automatic Set Instance Extraction using the Web“과 같은 논문들은 대규모 데이터를 활용한 비지도(unsupervised) 또는 약지도(weakly-supervised) 학습 방식이 IE의 핵심 패러다임으로 자리 잡고 있음을 보여주었다.22

감성 분석 분야에서는 단순한 긍정/부정 이진 분류를 넘어, 온라인 토론에서의 특정 주제에 대한 ’입장(stance)’을 인식하거나, 여러 언어에 걸쳐 감성을 분석하는(cross-lingual) 등 더 미묘하고 복잡한 사회적 맥락을 다루려는 시도들이 나타났다.22 이는 텍스트에 담긴 감정을 더 깊이 이해하려는 연구의 흐름을 반영한다.

4. 로보틱스: 과학 및 시스템 V (RSS 2009): 지능형 로봇을 향한 핵심 과제

2009년 6월 말부터 7월 초까지 시애틀 워싱턴 대학교에서 개최된 RSS 2009는 로봇공학 분야에서 가장 권위 있는 단일 트랙(single-track) 학회 중 하나로, 당시 최첨단 로봇 연구의 현주소를 집약적으로 보여주는 중요한 지표였다.5 154편의 제출 논문 중 단 40편만이 채택될 정도로(채택률 26%) 엄격한 심사 과정을 거쳤으며, 이는 발표된 연구들의 높은 수준을 방증한다.6

학회의 논문 모집 분야(Call for Papers)를 분석하면 당시 로봇공학계가 직면한 핵심 연구 과제들을 명확히 파악할 수 있다.7 주요 연구 주제는 다음과 같이 분류된다.

• 기구학 및 제어 (Mechanisms, Kinematics, Dynamics, and Control): 인간형 로봇, 다리 보행 로봇, 로봇 손 등 새로운 형태의 로봇 하드웨어 설계와, 접촉 모델링, 정교한 물체 조작(dexterous manipulation), 파지(grasping) 등을 위한 근본적인 제어 이론 연구가 포함된다.
• 인간-로봇 상호작용 (Human-Robot Interaction, HRI): 햅틱, 원격 조작(telerobotics), 보조 로봇, 소셜 로봇 등 인간과 로봇이 물리적, 사회적으로 안전하고 효율적으로 협력하기 위한 인터페이스 및 상호작용 기술을 다룬다.
• 이동 로봇 및 자율성 (Mobile Systems and Mobility): 지도 작성(Mapping), 위치 추정(Localization), 동시적 위치 추정 및 지도 작성(SLAM), 충돌 회피, 미지 환경 탐사 등 자율 이동 로봇이 스스로 환경을 탐색하고 이동하기 위한 핵심 기술들이 포함된다.
• 로봇 인식 (Robot Perception): 컴퓨터 비전, 거리 센싱, 촉각 인지 등 다양한 센서로부터 입력되는 데이터를 처리하여 로봇이 주변 환경의 구조와 상태를 이해하도록 하는 기술을 연구한다.
• 계획 및 학습 (Planning and Algorithms; Estimation and Learning): 동작 계획(Motion Planning), 임무 계획(Mission Planning)과 같은 전통적인 계획 문제와 더불어, 강화 학습, 모방 학습, 시연을 통한 프로그래밍 등 로봇이 경험을 통해 스스로 행동을 학습하고 개선하는 능력을 연구한다.

이러한 RSS의 핵심 연구 주제들은 서론에서 언급된 산업계의 ’더 똑똑한 로봇’에 대한 수요와 직접적으로 연결된다. 예를 들어, ’로봇 인식’과 ‘계획 및 학습’ 연구는 비정형 환경에 ’적응’하고 스스로 의사결정을 내리는 능력의 기반이 된다. ‘인간-로봇 상호작용’ 연구는 서비스, 의료, 물류 등 새로운 ‘블루오션’ 시장으로 진출하기 위한 필수적인 기술이다. 또한, SLAM과 같은 ‘이동 로봇’ 기술은 공장을 벗어나 병원, 창고, 가정 등 더 넓은 공간에서 자율적으로 임무를 수행하는 로봇의 핵심 역량이다.

결론적으로 RSS 2009는 로봇공학이 단순히 개별 기술의 최적화를 넘어, 하드웨어(기구학), 소프트웨어(계획, 학습), 센서(인식), 인터페이스(HRI) 등 매우 이질적인 분야들을 하나의 통합된 ’시스템’으로 완결성 있게 구현하는 ’시스템 통합의 학문’으로서의 정체성을 명확히 보여주었다. 이는 산업계가 직면한 복합적인 도전 과제를 해결하기 위한 과학적, 기술적 기반을 심도 있게 다지는 학문적 노력이 집약된 장이었음을 의미한다.

5. 결론: 2009년 3분기 연구의 의의와 미래 조망

2009년 3분기는 경제적 위기라는 외부 압력 속에서 AI와 로봇공학 연구가 새로운 실용적 방향성을 모색하던 중요한 전환기였다. 본 보고서에서 분석한 세 개의 주요 학술대회는 이러한 시대적 배경 속에서 각자의 방식으로 미래 기술의 청사진을 제시했다. IJCAI-09는 AI의 적용 범위를 생태계와 같은 사회적, 과학적 문제로 확장하고 그 이론적 깊이를 더하려는 시도를 보여주었다. ACL-IJCNLP 2009는 언어 처리 기술의 알고리즘적 효율성과 데이터 활용의 정교함을 한 단계 끌어올리는 구체적인 성과를 내놓았다. 그리고 RSS 2009는 물리적 세계와 상호작용하는 지능형 로봇을 구현하기 위한 핵심 기반 기술들을 체계적으로 탐구했다.

이 시기의 연구들은 표면적으로는 각기 다른 분야에 속해 있는 것처럼 보이지만, 실제로는 ’지능의 구체화(embodiment of intelligence)’와 ’실세계 문제 해결(real-world problem solving)’이라는 공통된 목표를 향해 수렴하고 있었다. 센서로부터 인간의 활동을 인식하고(IJCAI), 물리적 공간에 대한 언어를 이해하며(IJCAI), 방대한 텍스트를 효율적으로 분석하고(ACL), 실제 환경에서 이동하고 물체를 조작하는(RSS) 기술들은 모두 향후 10년간 AI 로봇 시대를 여는 데 필수적인 구성 요소들이었다.

2009년 3분기에 발표된 이러한 기초 연구들은 이후 딥러닝 혁명과 맞물리면서 폭발적인 발전을 이루는 중요한 토대가 되었다. 당시의 활동 인식 및 로봇 인식 연구는 이후 합성곱 신경망(CNN)과 순환 신경망(RNN) 같은 딥러닝 모델을 통해 비약적으로 발전했다. 또한, 대규모 비정형 데이터를 창의적으로 활용하려던 자연어 처리 분야의 시도는 Transformer 기반의 거대 언어 모델(LLM)의 등장으로 이어지는 초석이 되었다. 결론적으로, 2009년 3분기는 AI와 로봇공학이 실험실 수준의 이론적 탐구를 넘어, 산업계의 실질적 요구에 부응하고 사회 전반에 영향을 미치는 강력한 기술로 도약하기 위한 중요한 내적 역량을 축적하던 시기였음이 분명하다.

6. 참고 자료

1. Robot Orders Down Sharply in First Half of 2009 | Robotic Industries Association, https://www.automate.org/robotics/news/robot-orders-down-sharply-in-first-half-of-2009
2. North American robot orders dropped 31 per cent in first quarter of 2009, but rose 16 per cent from fourth quarter of 2008 | Industrial Robot - Emerald Insight, https://www.emerald.com/ir/article/doi/10.1108/ir.2009.04936eab.002/179561/North-American-robot-orders-dropped-31-per-cent-in
3. North American Robot Orders Fall 25% in 2009 But Positive Signs Emerge in Fourth Quarter, https://www.wileyindustrynews.com/en/news/north-american-robot-orders-fall-25-in-2009-but-positive-signs-emerge-in-fourth-quarter
4. 2009 Robotics Forecast: Productivity, Expansion Counter Recession Pressures, https://www.automate.org/robotics/industry-insights/2009-robotics-forecast-productivity-expansion-counter-recession-pressures
5. Robotics: Science and Systems - Online Proceedings, https://www.roboticsproceedings.org/
6. Conferences - RSS Foundation, https://roboticsfoundation.org/conferences/
7. RSS 2009 : Robotics Science and Systems - WikiCFP, http://wikicfp.com/cfp/servlet/event.showcfp?eventid=3806©ownerid=2048
8. Twenty-First International Joint Conference on Artificial Intelligence - IJCAI, https://www.ijcai.org/past/ijcai-09/fcfp.html
9. Proceedings of the Twenty-First International Joint Conference on …, https://www.ijcai.org/proceedings/2009/
10. aclweb.org, https://aclweb.org/mirror/acl2009/
11. ACL-IJCNLP 2009 Conference - Singapore Hotels, https://singaporehotelsbook.com/aclijcnlp2009/
12. Proceedings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Processing of the AFNLP - ACL Anthology, https://aclanthology.org/P09-1000/
13. Proceedings of the Twenty-First International Joint Conference on Artificial Intelligence | IJCAI, https://www.ijcai.org/proceedings/2009
14. Thomas G. Dietterich - Wikipedia, https://en.wikipedia.org/wiki/Thomas_G._Dietterich
15. Machine Learning in Ecosystem Informatics and Sustainability. | Request PDF, https://www.researchgate.net/publication/220814473_Machine_Learning_in_Ecosystem_Informatics_and_Sustainability
16. Activity Recognition: Linking Low-level Sensors to High-level Intelligence, https://www.cse.ust.hk/~qyang/Docs/2009/QY_IJCAI09_invited.pdf
17. Using Convolutional Layer Features for Indoor Human Activity, https://www.researchgate.net/publication/322376361_Using_Convolutional_Layer_Features_for_Indoor_Human_Activity_Recognition_based_on_Spatial_Location_Information
18. Activity Recognition: Linking Low-level Sensors to High-level Intelligence - IJCAI, https://www.ijcai.org/Proceedings/09/Papers/015.pdf
19. Best Paper Award - Department of Computer Science and Engineering - HKUST, https://cse.hkust.edu.hk/~flin/papers.html
20. Discovering Theorems in Game Theory: Two-Person Games … - IJCAI, https://www.ijcai.org/Proceedings/09/Papers/060.pdf
21. Situated Resolution and Generation of Spatial Referring Expressions for Robotic Assistants - IJCAI, https://www.ijcai.org/Proceedings/09/Papers/268.pdf
22. Proceedings of the Joint Conference of the 47th Annual Meeting of …, https://aclanthology.org/volumes/P09-1/
23. Revisiting Pivot Language Approach for Machine Translation - ACL Anthology, https://aclanthology.org/P09-1018/
24. Machine Translation Archive, https://mt-archive.net/srch/systems-05.htm
25. Revisiting Pivot Language Approach for Machine … - ACL Anthology, https://aclanthology.org/P09-1018.pdf
26. Dan Klein’s Home Page - People @EECS, https://people.eecs.berkeley.edu/~klein/
27. K-Best A* Parsing - ACL Anthology, https://aclanthology.org/P09-1108.pdf
28. Robotics: Science and Systems (RSS) - ResearchGate, https://www.researchgate.net/profile/Jc-jeff-Trinkle/publication/220604419_Robotics_Science_and_Systems/links/55451e700cf23ff716869993/Robotics-Science-and-Systems.pdf