년 3분기 AI 및 로봇 연구 동향

1. 2010년 3분기 AI 및 로보틱스 연구 지형

1.1 시대적 배경: 딥러닝 이전, 응용 AI의 여명기

2010년은 인공지능(AI) 분야가 이전의 침체기를 극복하고 실용적인 응용 분야로의 확장을 본격적으로 모색하던 중요한 전환기였다. 2012년 AlexNet의 등장으로 촉발될 딥러닝 혁명이 아직 본격화되기 이전 시점으로, 당시 학계의 주류는 기계 학습, 지식 표현 및 추론, 제약 만족 문제, 게임 이론 등 고전적 AI 분야의 이론을 심화하고 그 적용 가능성을 탐색하는 데 집중되어 있었다.1 이 시기는 AI 기술이 이론적 탐구를 넘어, 시맨틱 웹, 자율 계획 시스템, 복잡한 의사결정 지원 등 구체적인 문제 해결 도구로서의 가능성을 증명해 나가던 여명기라 할 수 있다.

로보틱스 분야 역시 중요한 변곡점을 맞이하고 있었다. 정형화된 환경에서 반복적인 작업을 수행하던 산업용 로봇의 한계를 넘어, 인간과의 상호작용(Human-Robot Interaction, HRI), 비정형 환경에서의 자율 주행, 그리고 인간과 유사한 동적 움직임을 구현하는 휴머노이드 보행 등 훨씬 더 복잡하고 동적인 문제에 대한 도전이 활발하게 이루어졌다.1 이는 로봇이 단순한 자동화 기계를 넘어, 일상 환경과 사회적 맥락 속에서 인간과 공존하는 지능형 에이전트로서 기능할 수 있는 가능성을 타진하는 과정이었다.4

1.2 2010년 3분기 연구 동향 개관

2010년 3분기(7월-9월)는 이러한 시대적 배경 속에서 AI 및 로보틱스 분야의 핵심 연구 성과가 집중적으로 발표된 시기였다. 특히 인공지능 분야 최고 권위의 학회인 AAAI(Association for the Advancement of Artificial Intelligence Conference)를 필두로, 웹 인텔리전스 분야의 WI-IAT(Web Intelligence and Intelligent Agent Technology), 대화 시스템 분야의 SIGDIAL(Special Interest Group on Discourse and Dialogue) 등 주요 국제 학회가 연이어 개최되어 학문적 논의를 주도했다.5

본 보고서는 이 시기에 발표된 주요 연구들을 심층적으로 분석하여 당시의 기술적 성취와 학문적 흐름을 조망한다. 분석 결과, 세 가지 핵심적인 연구 방향이 두드러지게 나타난다. 첫째, 인간의 비합리적 행동이나 방대한 사회적 데이터를 AI 모델에 통합하려는 ’인간 중심 AI(Human-Centric AI)’로의 움직임이다. 둘째, SAT(Satisfiability) 문제, 온톨로지 추론, 동역학 모델링 등 형식적 방법론(Formal Methods)을 통해 AI 시스템의 성능과 신뢰성을 증진시키려는 연구의 심화이다. 셋째, 정적인 환경을 넘어 복잡한 동적 환경과 상호작용하는 로봇 제어 기술의 고도화이다. 이러한 흐름들은 다가올 데이터 중심 AI 시대를 예고하고, 지능형 시스템이 해결해야 할 근본적인 문제들을 제시했다는 점에서 중요한 의의를 가진다.

아래 표는 본 보고서에서 중점적으로 다룰 2010년 3분기 주요 국제 학회 정보를 요약한 것이다.

2. 주요 국제 학회 발표 연구 심층 분석

2.1 제24회 인공지능학회 (AAAI-10): AI 기초 및 응용 연구의 정점

2010년 7월 11일부터 15일까지 미국 애틀랜타에서 개최된 제24회 AAAI 학회(AAAI-10)는 당시 AI 연구의 폭과 깊이를 가늠할 수 있는 가장 중요한 학술 행사였다.5 MIT의 Leslie Pack Kaelbling, 코넬 대학교의 Carla P. Gomes 등 해당 분야를 대표하는 석학들의 기조연설이 이어졌으며, 이는 AI 연구가 이론적 깊이를 더함과 동시에 현실 세계의 복잡한 문제들을 해결하는 데 기여하고 있음을 보여주었다.5 학회의 기술 트랙은 제약 충족 문제(Constraints, Satisfiability, and Search), 지식 표현 및 추론(Knowledge Representation and Reasoning), 기계 학습(Machine Learning), 다중에이전트 시스템(Multiagent Systems) 등 AI의 전통적인 핵심 분야들을 망라하며 최고 수준의 연구 성과들을 공유하는 장이 되었다.9

이 시기 AAAI에서 발표된 연구들은 AI 시스템의 근본적인 능력, 즉 ’계획’하고 ’추론’하는 능력을 어떻게 더 효율적이고 신뢰성 있게 만들 것인가에 대한 깊은 고민을 담고 있다. 특히 최우수 논문으로 선정된 두 편의 연구는 각각 ’계획’과 ’추론’이라는 AI의 핵심 과제를 형식 논리와 수학적 분석이라는 엄밀한 도구를 사용하여 한 단계 발전시켰다는 공통점을 가진다. 이는 AI 기술이 단순히 경험적인 성능 향상에만 머무르지 않고, 그 작동 원리의 정확성과 효율성을 보장하려는 학문적 성숙도를 보여주는 중요한 지표이다. 한 연구는 계획 문제를 더 간결한 논리식으로 변환하여 해결의 효율성을 극대화하는 방안을 제시했고, 다른 하나는 추론 시스템이 필연적으로 갖게 되는 ’불완전성’을 정량적으로 측정하고 관리하는 방법론을 제안했다. 이 두 연구는 AI 시스템의 규모가 커지고 복잡해짐에 따라 필연적으로 발생하는 ’확장성(scalability)’과 ‘정확성(correctness)’ 사이의 상충 관계를 정면으로 다루었다는 점에서 시사하는 바가 크다.

2.1.1 최우수 논문상 ①: 계획 문제의 SAT 인코딩 혁신

연구 개요

AAAI-10 최우수 논문상(Outstanding Paper Award)을 수상한 Ruoyun Huang, Yixin Chen, Weixiong Zhang의 “A Novel Transition Based Encoding Scheme for Planning as Satisfiability“는 인공지능 계획(AI Planning) 분야의 핵심 난제 중 하나인 ‘계획 문제를 SAT 문제로 변환하는(Planning as Satisfiability)’ 과정의 효율성을 획기적으로 개선한 연구다.10 계획 문제는 주어진 초기 상태에서 목표 상태에 도달하기 위한 행동 순서를 찾는 문제로, 이를 충족 가능성 문제(Satisfiability, SAT)로 변환하여 해결하는 것은 매우 강력한 접근법이다. 그러나 기존의 대표적인 방식인 STRIPS(Stanford Research Institute Problem Solver) 형식 기반 인코딩은 문제의 규모가 커질수록 생성되는 SAT 인스턴스(논리식 집합)의 크기가 기하급수적으로 증가하여 계산 효율성이 저하되는 한계를 안고 있었다.11

핵심 문제 및 방법론

연구팀은 이 문제를 해결하기 위해, 다중 값 상태 변수(multi-valued state variables)를 사용하는 SAS+ 형식에 주목했다. SAS+ 형식은 “로봇의 위치는 {방1, 방2, 복도} 중 하나“와 같이 변수가 가질 수 있는 값의 집합을 명시적으로 표현하므로, STRIPS의 이진(binary) 변수보다 문제의 구조를 더 자연스럽고 간결하게 표현할 수 있다.

본 연구의 핵심 기여는 이 SAS+ 형식의 구조적 정보를 적극적으로 활용하여, 상태 변화의 기본 단위인 ’전이(transition)’를 중심으로 한 새로운 SAT 인코딩 스킴(SASE, SAS+ based Encoding)을 제안한 것이다.12 예를 들어, 로봇이 ’방1’에서 ’복도’로 이동하는 행동은 ‘위치’ 변수의 값이 ’방1’에서 ’복도’로 바뀌는 하나의 ’전이’로 표현된다. 연구팀은 이러한 전이들을 기본 단위로 삼고, 각 시간 단계(time step)에서 어떤 전이가 발생하는지를 나타내는 바이너리 변수 U_{\delta,t}와 어떤 행동이 실행되는지를 나타내는 바이너리 변수 V_{a,t}를 정의했다. 그리고 이 변수들 간의 논리적 관계(예: 특정 행동이 실행되면 그에 해당하는 전이들이 반드시 발생해야 한다)를 SAT 절(clause)로 인코딩했다.12

주요 기여 및 영향

이러한 전이 기반 접근법은 놀라운 결과를 가져왔다. SAS+의 구조적 정보를 활용함으로써, 상태 변수 간의 상호 의존성을 더 명시적으로 포착하고 불필요한 논리적 제약을 제거할 수 있었다. 그 결과, 기존 STRIPS 기반 인코딩 방식에 비해 생성되는 SAT 인스턴스의 절(clause) 수를 최대 50배까지 줄이는 획기적인 압축률을 달성했다.11 이는 동일한 계획 문제라도 훨씬 더 작고 풀기 쉬운 SAT 문제로 변환할 수 있게 되었음을 의미한다. 실험 결과, 제안된 인코딩 방식은 시간 및 메모리 효율성 측면에서 기존 방식을 크게 능가함을 입증했다.11

이 연구의 의의는 단순히 계획 문제 해결 속도를 높인 것을 넘어선다. 이는 AI의 핵심 과제인 ‘탐색’ 문제를 더 효율적인 ‘논리 추론’ 문제로 변환하는 패러다임의 실용성을 한 단계 끌어올린 성과다. 형식적 방법론이 어떻게 실제 AI 문제 해결의 효율성을 극적으로 향상시킬 수 있는지를 보여준 대표적인 사례로, 이후 SAT 기반 계획 연구의 발전에 중요한 이론적 및 실용적 토대를 제공했다.

2.1.2 최우수 논문상 ②: 시맨틱 웹 추론기의 불완전성 분석

연구 개요

AAAI-10의 또 다른 최우수 논문상(AI and the Web Track 부문)은 옥스퍼드 대학의 Giorgos Stoilos, Bernardo Cuenca Grau, Ian Horrocks가 발표한 “How Incomplete is your Semantic Web Reasoner?“에 돌아갔다.10 이 연구는 시맨틱 웹 기술의 핵심 요소인 온톨로지 추론기(ontology reasoner)의 성능, 특히 ’완전성(completeness)’을 체계적으로 평가하는 새로운 방법론을 제시했다. 시맨틱 웹 환경에서 추론기는 온톨로지에 정의된 지식을 바탕으로 명시되지 않은 새로운 사실을 추론하고, 사용자의 질의에 대한 모든 정답을 찾아내는 역할을 한다. 그러나 데이터의 규모가 방대해지면서, 많은 상용 추론 시스템들은 계산 효율성, 즉 ’확장성(scalability)’을 확보하기 위해 의도적으로 완전성을 희생한다. 즉, 일부 정답을 누락하더라도 빠른 시간 안에 답변을 제공하는 전략을 택한다.14

핵심 문제 및 방법론

이러한 불완전한 추론 시스템의 가장 큰 문제는 사용자가 ‘무엇을 놓치고 있는지’ 알 수 없다는 점이다. 특정 질의에 대해 시스템이 10개의 답변을 반환했을 때, 이것이 모든 정답인지 아니면 100개의 정답 중 일부에 불과한지, 만약 일부라면 어떤 종류의 추론을 놓친 것인지 파악하기가 매우 어렵다.

연구팀은 이 문제를 해결하기 위해 기존의 벤치마크가 가진 한계를 지적하고, 특정 종류의 추론 패턴에 대한 추론기의 완전성을 정밀하게 측정할 수 있는 테스트 데이터를 자동으로 생성하는 방법론을 제안했다.14 이 방법론은 온톨로지 언어(OWL 2)의 다양한 공리(axiom) 조합을 기반으로, 특정 추론 규칙이 적용되어야만 찾을 수 있는 질의와 데이터를 체계적으로 생성한다. 예를 들어, ’A는 B의 부분집합’이고 ’B는 C의 부분집합’일 때 ’A는 C의 부분집합’이라는 추이적(transitive) 관계 추론 능력을 테스트하는 데이터를 생성하는 식이다. 생성된 테스트 데이터를 불완전한 추론기에 입력하고, 추론기가 정답을 얼마나 찾아내는지를 측정함으로써 해당 추론 규칙에 대한 완전성 수준을 정량적으로 평가할 수 있다.

주요 기여 및 영향

이 연구의 가장 큰 기여는 AI 시스템의 개발을 넘어, 시스템의 ’성능과 한계를 체계적으로 평가’하는 메타 수준의 프레임워크를 제공했다는 점에 있다. 이는 AI 시스템을 ’블랙박스’로 취급하는 대신, 그 내부의 추론 능력을 세분화하여 분석하고 신뢰도를 측정할 수 있는 길을 열었다. 사용자나 개발자는 이 방법론을 통해 특정 애플리케이션에서 요구되는 추론 수준을 시스템이 만족시키는지 확인할 수 있으며, 부족한 부분이 있다면 어떤 종류의 지식을 보강해야 하는지 파악할 수 있다.

이 연구는 단순히 평가에 그치지 않고, 불완전한 추론기를 위해 온톨로지를 ’수리(repairing)’하여 특정 질의에 대한 완전성을 보장하는 후속 연구로 직접 이어졌다.15 즉, 추론기가 놓치는 추론 규칙을 미리 파악하고, 그 규칙에 해당하는 결론들을 미리 온톨로지에 추가함으로써, 불완전한 추론기를 사용하더라도 완전한 답변을 얻을 수 있게 하는 것이다. 이는 확장성과 정확성이라는 두 마리 토끼를 잡기 위한 실용적인 접근법으로, AI 시스템의 신뢰성과 예측 가능성을 높이는 데 중요한 방향을 제시한 선구적인 연구로 평가받는다.

2.2 웹 인텔리전스 및 지능형 에이전트 기술 학회 (WI-IAT 2010): 소셜 미디어 분석의 부상

2010년 8월 31일부터 9월 3일까지 캐나다 토론토에서 개최된 WI-IAT 2010 학회는 웹의 방대한 데이터를 지능적으로 활용하는 ’웹 인텔리전스(Web Intelligence)’와 자율적 행위자를 연구하는 ’지능형 에이전트 기술(Intelligent Agent Technology)’의 융합을 다루는 핵심적인 국제 포럼이었다.6 이 시기는 페이스북, 트위터와 같은 소셜 미디어가 폭발적으로 성장하며 막대한 양의 사용자 생성 콘텐츠를 쏟아내기 시작한 때였다. 학계는 이 비정형적이고 역동적인 데이터를 어떻게 분석하고 가치 있는 정보로 변환할 것인지에 대한 탐구를 막 시작하고 있었다.

이러한 시대적 흐름을 가장 상징적으로 보여준 연구가 바로 Sitaram Asur와 Bernardo A. Huberman의 “Predicting the Future with Social Media“이다. 이 논문은 단순히 소셜 미디어의 여론 동향을 파악하는 수준을 넘어, 이를 통해 실제 세계의 미래 결과를 ’정량적으로 예측’할 수 있다는 가능성을 실증적으로 보여주며 학계와 산업계에 엄청난 파장을 일으켰다. 이 연구의 중요성은 훗날 ’WI-IAT 20년 가장 영향력 있는 논문상(Twenty-Year Most Influential Paper Award)’을 수상함으로써 공식적으로 인정되었다.16

핵심 발표: 소셜 미디어를 활용한 미래 예측

연구 개요

Asur와 Huberman의 연구는 “소셜 미디어에 나타난 집단적 관심의 크기가 현실 세계의 경제적 성공을 예측할 수 있는가?“라는 대담한 질문에서 출발했다.17 연구팀은 당시 가장 빠르게 성장하던 마이크로블로깅 서비스인 트위터(Twitter)를 분석 대상으로 삼고, 특정 영화에 대한 트윗(tweet)의 생성률, 즉 온라인상의 ‘버즈(buzz)’ 또는 ’채터(chatter)’가 해당 영화의 개봉 첫 주 박스오피스 수익과 어떤 관계가 있는지를 분석했다.17

핵심 문제 및 방법론

당시 미래 예측을 위해 활용되던 대표적인 ‘집단 지성’ 모델은 할리우드 주식 시장(HSX)과 같은 예측 시장(prediction market)이었다. 예측 시장은 참여자들이 미래 사건의 결과에 대해 가상 화폐로 베팅하게 함으로써 시장 가격을 통해 집단적 예측을 형성하는 구조화된 시스템이다. 연구의 핵심 질문은, 이러한 인위적이고 명시적인 예측 메커니즘 없이, 사람들이 일상적으로 자신의 생각과 경험을 공유하는 비구조적인 소셜 미디어 데이터만으로도 예측 시장에 버금가거나 혹은 그 이상의 예측력을 확보할 수 있는지 검증하는 것이었다.17

연구팀의 방법론은 놀라울 정도로 단순했다. 그들은 특정 영화 제목을 포함한 트윗이 얼마나 자주 생성되는지를 측정하여 ‘관심도(attention)’ 변수를 만들고, 이를 기반으로 영화의 박스오피스 수익을 예측하는 단순 선형 회귀 모델을 구축했다. 추가적으로, 트윗 내용에 포함된 긍정적 또는 부정적 감성을 분석하여 모델의 예측력을 향상시킬 수 있는지도 탐구했다.18

주요 기여 및 영향

실험 결과는 충격적이었다. 트윗 생성률만을 변수로 사용한 단순한 모델이 정교하게 설계된 예측 시장인 HSX의 예측 정확도를 능가하는 것으로 나타났다.18 이는 소셜 미디어의 자발적인 대화 흐름 속에 미래의 사회적, 경제적 결과를 예측할 수 있는 강력한 신호가 내재되어 있음을 최초로 실증적으로 증명한 것이다.

이 연구가 갖는 더 깊은 의미는 예측 데이터의 경제학과 접근성을 근본적으로 바꾸었다는 점에 있다. 예측 시장과 같은 시스템은 구축하고 참여를 유도하는 데 상당한 비용과 노력이 필요하다. 반면, 트위터 데이터는 공개된 API를 통해 누구나 비교적 쉽게 접근할 수 있는, 사실상 무료로 제공되는 방대한 자원이었다. 이 논문은 값비싼 전문가 시스템이나 인위적인 시장 없이도, 인터넷의 ’주변 소음’을 경청하는 것만으로도 가치 있는 예측 모델을 만들 수 있음을 보여주었다. 이는 예측 분석의 민주화를 이끈 신호탄과도 같았다.

결과적으로 “Predicting the Future with Social Media“는 하나의 연구를 넘어 새로운 분야를 개척했다. 이 연구 이후, 소셜 미디어 데이터를 활용하여 주가 변동, 선거 결과, 질병 확산, 소비자 행동 등 다양한 사회 현상을 예측하려는 연구가 폭발적으로 증가했다.20 오늘날 소셜 미디어 분석이 마케팅, 금융, 공공 정책 등 거의 모든 분야에서 핵심적인 도구로 자리 잡게 된 데에는 이 선구적인 연구의 영향이 절대적이었다고 평가할 수 있다.

2.3 담화 및 대화에 관한 특별 연구 그룹 학회 (SIGDIAL 2010): 대화형 AI의 진화

2010년 9월 24일부터 25일까지 일본 도쿄에서 개최된 SIGDIAL 2010은 대화 시스템 및 담화 분석 분야의 최고 권위의 학회로서, 인간과 컴퓨터 간의 자연스러운 상호작용을 구현하기 위한 핵심 기술들을 논의하는 장이었다.7 이 시기 대화형 AI 연구의 화두는 통계 기반 대화 관리자(Statistical Dialog Manager), 사용자 의도 및 신념 추적(Belief Tracking), 그리고 보다 인간과 유사한 상호작용 생성에 집중되고 있었다.22 특히, 시스템이 사용자의 발화가 완전히 끝날 때까지 기다렸다가 순차적으로 처리하는 전통적인 파이프라인 방식의 한계를 극복하려는 시도가 두드러졌다.

이러한 흐름 속에서 Gabriel Skantze와 Anna Hjalmarsson의 “Towards Incremental Speech Generation in Dialogue Systems“는 대화 시스템의 응답 방식을 근본적으로 개선할 수 있는 ’점진적 처리(incremental processing)’라는 개념을 실증적으로 탐구하여 큰 주목을 받았다. 이 논문은 Google Scholar 등에서 높은 피인용 횟수를 기록하며, 이후 대화형 AI의 상호작용 모델 연구에 중요한 방향을 제시했다.22

주요 연구: 대화 시스템의 점진적 음성 생성

연구 개요

인간의 대화는 청자와 화자가 서로의 말을 실시간으로 해석하고 예측하며, 발화가 진행되는 도중에도 다음 말을 계획하는 매우 동적인 과정이다. 반면, 당시 대부분의 대화 시스템은 ’사용자 발화 종료 → 인식 → 이해 → 대화 관리 → 응답 생성 → 음성 합성’이라는 엄격한 순차적 모듈 구조를 따랐다. 이로 인해 각 단계의 처리 시간이 누적되어 사용자가 말을 마친 후 시스템이 응답하기까지 부자연스러운 지연(response delay)이 발생하는 것이 고질적인 문제였다.26 Skantze와 Hjalmarsson의 연구는 이러한 문제를 해결하기 위해, 시스템이 사용자의 입력을 점진적으로 해석하면서 동시에 응답을 계획하고 생성할 수 있는 새로운 모델을 제안했다.

핵심 문제 및 방법론

이 연구의 핵심 아이디어는 대화 시스템의 출력, 즉 음성 생성을 점진적으로 수행하는 것이다. 시스템은 사용자의 발화가 진행되는 동안에도 입력의 일부를 바탕으로 가능한 응답 계획을 미리 세우기 시작한다. 그리고 사용자의 발화가 끝났다고 판단되는 즉시, 완전한 계획이 수립되지 않았더라도 계획의 첫 부분부터 음성으로 출력하기 시작한다. 동시에 나머지 발화에 대한 처리를 계속 진행하며, 만약 초기 계획에 수정이 필요하면 이미 진행 중인 발화를 수정하거나 새로운 내용을 덧붙인다.27

연구팀은 이 모델을 범용 대화 시스템 프레임워크에 구현하고, 그 효과를 검증하기 위해 ‘오즈의 마법사(Wizard-of-Oz)’ 실험을 설계했다.28 이 실험에서는 불완전한 음성 인식 기술의 영향을 배제하기 위해, 사람이 ‘마법사’ 역할을 하여 사용자의 음성을 실시간으로 텍스트로 변환해 시스템에 입력했다. 실험 참가자들은 동일한 과제(대화형 게임)를 점진적 버전의 시스템과 비점진적 버전의 시스템으로 각각 수행했다.29

실험 결과 및 영향

실험 결과는 매우 흥미로웠다. 점진적 시스템은 때때로 계획을 수정하거나 머뭇거리는 표현(hesitation)을 생성했기 때문에, 전체 시스템 발화의 길이는 비점진적 시스템보다 오히려 더 길어졌다. 하지만 가장 중요한 지표인 ‘응답 시간(response time)’, 즉 사용자의 발화가 끝난 후 시스템의 응답이 시작되기까지의 시간은 현저하게 단축되었다. 더욱 중요한 것은 사용자들의 주관적인 평가였다. 사용자들은 점진적 시스템이 더 효율적이고 자연스럽다고 인식했다.26

이 연구는 대화 시스템의 성능 평가가 단순히 작업 성공률이나 발화의 간결함만으로 이루어져서는 안 되며, 상호작용의 ’시간적 역학(temporal dynamics)’이 사용자 경험에 얼마나 중요한 영향을 미치는지 실증적으로 보여주었다. 이는 대화 시스템 설계의 패러다임을 ’무엇을 말할 것인가’에서 ’언제, 어떻게 말할 것인가’로 확장하는 계기가 되었다. 이후 점진적 처리 기술은 끼어들기(barge-in) 허용, 적절한 타이밍의 피드백 생성, 턴테이킹(turn-taking) 관리 등 보다 정교한 대화 상호작용 모델을 구현하는 핵심 기반 기술로 발전하게 되었다.31

2.4 제어, 자동화, 로보틱스 정보학 국제 학회 (ICINCO 2010): 휴머노이드 제어의 발전

2010년 7월 15일부터 18일까지 포르투갈 마데이라에서 개최된 ICINCO 2010은 지능형 제어, 로보틱스, 자동화 분야의 이론과 응용을 다루는 학회였다.7 이 시기 로보틱스 연구, 특히 휴머노이드 로봇 분야의 핵심 과제는 인간과 유사한 동적 안정성을 갖춘 보행을 구현하는 것이었다. 단순히 두 발로 걷는 것을 넘어, 실제 환경에서 유용하게 사용되기 위해서는 원하는 시점에 부드럽게 걷기 시작하고, 목표 지점에서 안정적으로 멈추는 동작이 필수적이었다.

이러한 배경 하에, A. Kalouguine 연구팀이 발표한 “Definition of a Walking with Starting and Stopping Motions for the Humanoid Romeo“는 최우수 논문상(Best Paper Award)을 수상하며 당시 휴머노이드 보행 제어 연구의 최전선을 보여주었다.33

최우수 논문 연구: 휴머노이드 로봇 ’로미오’의 보행 생성

연구 개요

이 연구의 목표는 n개의 관절을 가진 3차원 휴머노이드 로봇 ’로미오(Romeo)’를 위해, 보행의 전 과정, 즉 ‘시작(starting)’, ‘주기적 보행(periodic)’, 그리고 ’정지(stopping)’를 모두 포함하는 ‘완전한(complete)’ 보행 궤적을 생성하는 체계적인 방법론을 제시하는 것이었다.36 기존의 많은 연구들이 무한히 반복되는 주기적 보행 패턴 생성에 집중했던 반면, 이 연구는 보행의 시작과 끝을 동적으로 안정하게 제어하는 문제를 정면으로 다루었다.

핵심 문제 및 방법론

휴머노이드 보행 제어의 핵심은 로봇이 넘어지지 않도록 동적 균형을 유지하는 것이다. 이를 위한 핵심 개념이 ZMP(Zero Moment Point)인데, 이는 로봇의 발바닥에 작용하는 모든 힘의 합력점으로서, 이 점이 항상 발바닥 지지 영역(support polygon) 내에 위치해야만 로봇이 안정적인 상태를 유지할 수 있다.

연구팀은 널리 사용되던 선형 역진자 모델(Linear Inverted Pendulum Model, LIPM)의 한계를 지적했다. LIPM은 로봇의 질량이 하나의 점(Center of Mass, CoM)에 모여 있고 다리 길이는 변하지 않는다고 가정하는 단순화된 모델로, 계산이 용이하지만 로봇의 전체 동역학(팔의 움직임, 상체 비틀림 등)을 반영하지 못하는 한계가 있었다.

이에 연구팀은 로봇의 전체 동역학 모델을 기반으로 ZMP와 CoM 간의 관계를 정확하게 기술하는 ’Essential Model’이라는 새로운 모델을 사용했다.36 이 방법론의 독창성은 다음과 같다 36:

1. ZMP 궤적 선-지정: 먼저, 로봇이 밟을 발의 위치와 시간에 맞춰 안정적인 ZMP 궤적을 미리 설계한다.

2. 인간 모사 관절 궤적: 로봇의 전체 n개 자유도 중, CoM의 수평 위치에 해당하는 2개의 자유도를 제외한 나머지 n-2개 관절의 궤적을 인간 보행 데이터에서 영감을 얻은 주기 함수(예: 사인 함수)로 정의한다. 이는 로봇의 걸음걸이를 더 인간과 유사하게 만드는 역할을 한다.

3. Essential Model 기반 CoM 궤적 계산: 미리 지정된 ZMP 궤적과 n-2개의 관절 궤적을 ’Essential Model’에 입력하여, 동적 균형 조건을 만족하는 CoM의 수평 궤적(x,y 좌표)을 역으로 계산한다.

이러한 접근법은 동역학 모델에 어떠한 근사도 적용하지 않으면서 ZMP 안정성 조건을 수학적으로 보장하는, 실현 가능한(feasible) 보행 궤적을 생성할 수 있다는 강력한 장점을 가진다.36

주요 기여 및 수식

이 연구의 핵심 기여는 복잡한 다관절 휴머노이드 시스템의 보행 생성을 체계적이고 수학적으로 엄밀한 프레임워크 안에서 해결했다는 점이다. Essential Model의 핵심은 CoM의 수평 가속도(\ddot{r}_f)를 ZMP 위치(p_x, p_y)와 나머지 관절들의 상태(r_f, \dot{r}_f)의 함수로 표현하는 다음과 같은 미분 방정식으로 요약될 수 있다.

\ddot{r}_f = f(r_f, \dot{r}_f, t, p_x(t), p_y(t))
이 방정식을 수치적으로 풀어 CoM의 궤적을 구함으로써, 로봇 전체의 안정적인 보행 동작을 생성할 수 있다.36

영향 및 의의

이 연구는 휴머노이드 로봇이 실험실 환경을 넘어 실제 환경에서 임무를 수행하기 위해 반드시 필요한 ’시작’과 ’정지’를 포함한 완전한 보행 능력을 확보하는 데 중요한 이론적, 실용적 기반을 제공했다. 특히, 단순화된 모델의 한계를 극복하고 전체 동역학을 고려한 접근법은 이후 고성능 휴머노이드 로봇의 보행 제어 연구에 큰 영향을 미쳤으며, 이는 AAAI-10에서 발표된 이족보행 로봇 제어 연구들과도 맥을 같이하며 당시 로보틱스 분야의 주요 연구 흐름을 형성했다.

3. 주요 학술 저널 발표 연구 동향

2010년 3분기에는 주요 국제 학회뿐만 아니라, 각 분야 최고 권위의 학술 저널에서도 중요한 연구 결과들이 발표되었다. 이 시기 저널 논문들은 학회에서 제시된 새로운 아이디어들을 더욱 심화하고, 이론적으로 정교화하며, 엄밀한 실험을 통해 검증하는 경향을 보였다. 특히 Artificial Intelligence, IEEE Transactions on Robotics, Robotics and Autonomous Systems와 같은 대표적인 저널들은 당시 AI와 로보틱스 연구의 최전선에서 어떤 문제들이 논의되고 있었는지를 명확하게 보여준다. 이들 저널에 게재된 연구들은 학회 발표에서 나타난 ‘인간 중심 AI’, ‘형식적 방법론의 진화’, ’동적 상호작용으로의 확장’이라는 핵심 동향들이 학문적으로 더욱 깊이 뿌리내리고 있음을 입증한다.

3.1 인공지능 저널 (Artificial Intelligence Journal): 인간의 비합리성을 고려한 게임 이론

Artificial Intelligence 저널은 AI 분야의 가장 오래되고 권위 있는 학술지 중 하나로, 이론적으로 깊이 있는 최상위 연구들을 게재한다. 2010년 9월에 발행된 174권 15호에서는 스택켈버그 게임(Stackelberg games), 온톨로지 모듈 추출 등 AI의 근본적인 문제들을 다루는 논문들이 실렸다.37 이 중에서도 특히 주목할 만한 연구는 인간의 불완전한 의사결정 과정을 AI 모델에 통합하려는 시도였다.

주요 논문: 스택켈버그 게임의 강건한 해법

연구 개요

James Pita 연구팀의 “Robust solutions to Stackelberg games: Addressing bounded rationality and limited observations in human cognition“은 게임 이론을 실제 인간과의 상호작용에 적용할 때 발생하는 근본적인 문제를 다루었다.38 스택켈버그 게임은 한 명의 플레이어(리더)가 먼저 자신의 전략을 공개적으로 약속하면, 다른 플레이어(팔로워)가 이를 보고 자신의 최적 반응을 선택하는 모델이다. 이 모델은 공항 보안 검색대 배치나 군사 자원 분배와 같이 제한된 방어 자원을 효율적으로 할당해야 하는 보안 영역에서 널리 활용된다.41

핵심 문제 및 방법론

기존의 스택켈버그 게임 솔루션은 팔로워가 항상 자신의 이익을 극대화하는 완벽하게 합리적인 결정을 내린다고 가정한다. 그러나 현실 세계의 상대방, 특히 인간은 ’제한된 합리성(bounded rationality)’을 가지며, 때로는 최적이 아닌 차선의 선택을 하거나 실수를 한다. 또한 리더의 전략을 완벽하게 관찰하지 못하고 일부 정보만을 바탕으로 결정을 내리는 ’제한된 관찰(limited observation)’의 문제도 존재한다. 이러한 인간의 불완전성을 무시하고 순수하게 수학적 최적해를 계산하여 적용할 경우, 예측과 다른 인간의 반응으로 인해 리더(방어자)는 심각한 손실을 입을 수 있다.38

이 논문은 이러한 문제에 대응하기 위해, 인간의 인지적 한계와 편향을 명시적으로 모델링하는 새로운 혼합 정수 선형 계획법(Mixed-Integer Linear Program, MILP)을 제안했다.40 이 모델의 핵심적인 독창성은 다음 두 가지 아이디어를 게임 이론에 통합한 데 있다 40:

1. 앵커링 이론 (Anchoring Theories): 인간이 확률 분포를 인지할 때 특정 값(앵커)에 편향되는 경향이 있다는 인지 심리학 이론을 모델에 반영했다. 이는 인간의 제한된 관찰 능력으로 인한 왜곡된 판단을 수학적으로 모델링하는 데 사용된다.

2. 강건성 최적화 (Robustness Approaches): 팔로워가 최적의 반응에서 일정 범위(\delta) 내에서 벗어날 수 있다고 가정하고, 그중 리더에게 가장 불리한 최악의 경우(worst-case)에도 일정 수준 이상의 보상을 보장하는 ‘강건한(robust)’ 해를 찾는다.42

실험 결과 및 영향

연구팀은 로스앤젤레스 국제공항(LAX) 보안 시스템을 기반으로 한 시뮬레이션 환경에서 218명의 실제 인간 피험자를 대상으로 대규모 실험을 진행했다. 그 결과, 인간의 인지적 편향(앵커링)과 비합리성(강건성)을 모두 고려한 자신들의 모델이, 완벽한 합리성을 가정한 기존 모델에 비해 통계적으로 유의미하게 더 높은 보상(보안 효과)을 달성함을 입증했다. 놀랍게도, 계산 시간 측면에서도 기존 모델과 대등하거나 오히려 더 빠른 성능을 보였다.40

이 연구는 AI 시스템이 가상 세계의 이상적인 에이전트가 아닌, 현실 세계의 불완전한 인간과 상호작용해야 하는 수많은 응용 분야에 중요한 시사점을 던졌다. 즉, 효과적인 AI를 구축하기 위해서는 인간의 인지적, 심리적 특성을 모델의 핵심 요소로 통합해야 한다는 것이다. 이는 이후 AI 윤리, 설명 가능한 AI(XAI), 그리고 신뢰할 수 있는 AI(Trustworthy AI) 분야의 연구에 중요한 이론적 토대를 제공했으며, 인간-AI 상호작용 연구의 패러다임을 한 단계 발전시키는 데 기여했다.

3.2 IEEE 트랜잭션스 온 로보틱스 (IEEE Transactions on Robotics): 이족보행 로봇 제어

*IEEE Transactions on Robotics (T-RO)*는 로보틱스 분야에서 이론과 실제를 아우르는 최고 수준의 연구를 게재하는 저널로, 해당 분야의 기술적 흐름을 가장 정확하게 보여주는 지표 중 하나다.43 2010년 3분기 이 저널에 게재된 연구들은 로봇의 동역학 모델링, 제어, 인식 등 핵심 기술의 심화에 초점을 맞추고 있었다. 특히, 휴머노이드 로봇의 이족보행 기술은 당시 가장 도전적인 연구 주제 중 하나였다.

주요 연구: 3차원 이족보행 로봇의 모델링 및 피드백 제어

2010년 9월 17일에 온라인으로 게재된 Jessy W. Grizzle 연구팀의 논문(“3D Bipedal Robotic Walking: Models, Feedback Control, and Open Problems”)은 당시 이족보행 연구의 현황과 방향성을 잘 보여준다.46 이 시기의 연구들은 단순히 로봇을 걷게 하는 것을 넘어, 외부의 예기치 않은 충격이나 지면의 불규칙성에도 넘어지지 않고 안정성을 유지하는 동적 보행(dynamic walking)을 구현하는 데 집중했다.

이를 위해 두 가지 핵심 기술이 중요하게 다루어졌다. 첫째는 로봇의 움직임을 정확하게 예측하고 제어하기 위한 정교한 ’수학적 모델링’이다. 이는 ICINCO 2010에서 발표된 ‘로미오’ 보행 연구에서 ’Essential Model’을 사용한 것과 같은 맥락이다. 단순화된 모델을 넘어, 로봇의 모든 관절과 질량 분포를 고려한 전체 동역학 모델을 기반으로 제어기를 설계하려는 노력이 활발했다.

둘째는 실시간으로 로봇의 상태를 측정하여 계획된 궤적으로부터의 오차를 보정하는 ‘피드백 제어(feedback control)’ 기술이다. 로봇이 보행 중에 살짝 미끄러지거나 외부 힘에 의해 자세가 흐트러졌을 때, 센서 데이터를 기반으로 즉각적으로 발의 위치나 상체의 자세를 수정하여 균형을 회복하는 기술이 핵심이었다.

이러한 연구 동향은 휴머노이드 로봇 기술이 이론적 가능성을 탐구하는 단계를 지나, 실제 환경에서의 실용성과 강건성(robustness)을 확보하려는 단계로 진입하고 있었음을 보여준다. ICINCO와 T-RO와 같은 최고 수준의 학회와 저널에서 동역학 모델 기반의 안정적인 보행 제어 연구가 동시에 중요하게 다루어졌다는 사실은, 이것이 2010년 당시 로보틱스 커뮤니티가 공동으로 해결하고자 했던 핵심적인 기술적 과제였음을 시사한다.

3.3 로보틱스 및 자율 시스템 (Robotics and Autonomous Systems): 소셜 로봇과 자율 주행

Robotics and Autonomous Systems 저널은 로봇의 물리적 구현보다는 지능 및 자율성 측면에 더 큰 비중을 두는 학술지다.47 2010년 3분기 이 저널의 주요 관심사는 로봇이 어떻게 인간 사회에 자연스럽게 통합될 수 있는지, 그리고 예측 불가능한 동적 환경에서 어떻게 안전하게 임무를 수행할 수 있는지에 대한 것이었다.48 이는 각각 ’소셜 로봇(social robots)’과 ’자율 주행(autonomous navigation)’이라는 두 가지 주요 연구 흐름으로 나타났다.

주요 연구 동향

감성적 소셜 로봇 (Affective Social Robots)

Rachel Kirby 연구팀이 발표한 “Affective social robots“라는 제목의 2010년 논문은 당시 소셜 로봇 연구의 지향점을 명확히 보여준다.49 이 연구는 로봇이 단순히 기능적인 명령을 수행하는 것을 넘어, 인간과 장기적인 사회적 관계를 형성하기 위한 방법을 탐구했다. 연구팀은 로봇이 인간과 상호작용하면서 느끼는 즉각적인 ‘감정(emotion)’, 비교적 오래 지속되는 ‘기분(mood)’, 그리고 특정 상대에 대한 ’태도(attitude)’를 구분하여 모델링하는 생성 모델(generative model)을 제안했다.

이러한 접근은 로봇의 상호작용을 훨씬 더 풍부하고 인간과 유사하게 만들 수 있는 가능성을 열었다. 예를 들어, 긍정적인 상호작용이 반복되면 특정 사용자에 대한 로봇의 ’태도’가 긍정적으로 변하고, 이는 다시 로봇의 ’기분’과 구체적인 ‘감정’ 표현에 영향을 미친다. 이는 SIGDIAL 2010에서 논의된 ’자연스러운 대화’라는 주제와 깊이 연관된다. 대화의 자연스러움은 단순히 문법적으로 올바른 문장을 생성하는 것을 넘어, 적절한 감성과 사회적 맥락을 반영할 때 완성되기 때문이다. 이 연구는 로봇이 단순한 도구가 아닌, 인간의 사회적, 감성적 파트너가 될 수 있다는 비전을 구체적인 공학적 모델로 제시했다는 점에서 중요한 의미를 가진다.

동적 장애물 회피 (Dynamic Obstacle Avoidance)

로봇이 인간의 생활 공간에서 활동하기 위한 또 다른 필수 조건은 안전성이다. 2010년 9월 이 저널에서 다루어진 “Dynamic Obstacle Avoidance for an Omnidirectional Mobile Robot” 연구는 이러한 안전성 확보를 위한 핵심 기술을 다루었다.50 이 연구는 정지된 장애물뿐만 아니라, 사람이나 다른 이동체와 같이 예측 불가능하게 움직이는 ’동적 장애물’을 실시간으로 회피하는 알고리즘에 초점을 맞췄다.

전방향 이동 로봇(omnidirectional mobile robot)은 모든 방향으로 즉시 움직일 수 있어 좁은 공간에서의 기동성이 뛰어나지만, 그만큼 복잡한 제어가 필요하다. 이 연구는 센서 데이터를 기반으로 주변 환경의 동적인 변화를 지속적으로 감지하고, 충돌을 피하면서 목표 지점까지의 경로를 끊임없이 재계획하는 기술을 다루었다. 이는 Artificial Intelligence 저널에서 인간의 불완전성을 모델링한 것이나, IEEE T-RO에서 외부 외란에 강건한 보행 제어를 연구한 것과 동일한 철학을 공유한다. 즉, 이상적이고 통제된 실험실 환경이 아닌, 불확실하고 예측 불가능한 ’실제 세계’에 AI와 로봇을 성공적으로 안착시키려는 공동의 목표를 향한 연구 흐름의 일환이었다.

4. 종합 분석 및 결론

4.1 2010년 3분기 AI 및 로보틱스 연구의 3대 핵심 동향

2010년 3분기에 발표된 주요 연구들을 종합적으로 분석한 결과, 당시 AI 및 로보틱스 분야를 관통하는 세 가지 핵심적인 기술적, 사상적 동향을 확인할 수 있다. 이들은 각각 독립적인 연구 흐름이 아니라, 지능형 시스템을 현실 세계에 더 깊숙이 통합시키려는 공동의 목표 아래 서로 긴밀하게 연결되어 있었다.

인간 중심 AI(Human-Centric AI)의 부상

가장 두드러진 특징은 ‘이상적인 합리적 에이전트’ 모델에서 벗어나, ’실제 인간’의 복잡하고 때로는 비합리적인 특성을 AI 시스템에 통합하려는 시도가 본격화되었다는 점이다. Artificial Intelligence 저널에 게재된 스택켈버그 게임 연구는 인간의 ’제한된 합리성’과 ’인지 편향’을 게임 이론 모델에 직접적으로 포함시켜, 인간 상대를 예측하고 대응하는 AI의 성능을 극적으로 향상시켰다.40 WI-IAT에서 발표된 소셜 미디어 분석 연구는 수백만 명의 비정형적인 ‘집단적 대화’ 속에서 미래를 예측할 수 있는 신호를 발견했으며 17, SIGDIAL의 점진적 대화 시스템 연구는 인간 대화의 ’시간적 역학’을 모방하여 상호작용의 자연스러움을 증진시켰다.26 Robotics and Autonomous Systems 저널의 ‘감성적 소셜 로봇’ 연구 역시 인간의 감정, 기분, 태도를 모델링하여 장기적인 인간-로봇 관계 형성을 목표로 했다.49 이 모든 연구는 AI가 해결해야 할 문제가 순수한 논리적 퍼즐이 아니라, 인간의 행동, 인지, 사회적 맥락 안에서 정의된다는 인식을 공유하고 있다.

형식적 방법론의 실용적 진화

두 번째 동향은 SAT, 시맨틱 웹 추론, 동역학 모델링과 같이 수학적, 논리적 엄밀함에 기반한 형식적 방법론이 실제 시스템의 난제인 ’확장성’과 ‘신뢰성’ 문제를 해결하기 위해 더욱 정교하고 효율적으로 발전했다는 점이다. AAAI-10의 최우수 논문이었던 SAT 인코딩 연구는 계획 문제의 표현 방식을 최적화하여 문제 해결의 효율성을 수십 배 향상시켰고 11, 시맨틱 웹 추론기 분석 연구는 확장성을 위해 정확성을 희생한 시스템의 한계를 정량적으로 측정하고 보완할 수 있는 길을 열었다.14 로보틱스 분야에서도 ICINCO와 IEEE T-RO의 연구들이 단순화된 모델을 버리고 로봇의 전체 동역학을 고려한 정교한 모델링을 통해 휴머노이드 보행의 안정성과 실현 가능성을 높였다.36 이는 AI와 로보틱스 시스템이 복잡한 현실 문제에 적용되기 위해서는 경험적 성능 향상뿐만 아니라, 그 행동의 예측 가능성과 안전성을 보장할 수 있는 견고한 이론적 기반이 필수적이라는 인식이 확산되고 있었음을 보여준다.

동적 및 사회적 상호작용으로의 확장

마지막으로, 로봇 연구의 초점이 정적이고 구조화된 환경에서의 작업을 넘어, 예측 불가능한 ’동적 환경’에서의 자율성과 인간과의 ‘사회적, 감성적 상호작용’ 능력 확보로 뚜렷하게 이동하고 있었다. Robotics and Autonomous Systems 저널에서 다룬 움직이는 장애물 회피 기술은 로봇이 인간과 같은 공간에서 안전하게 공존하기 위한 필수적인 자율성의 한 단면을 보여준다.50 동시에, ‘감성적 소셜 로봇’ 연구는 로봇이 단순한 도구를 넘어 사회적 파트너로서의 역할을 수행할 가능성을 탐구했다.49 이러한 흐름은 로봇의 ’지능’이 단순히 논리적 추론이나 물리적 제어 능력에만 국한되는 것이 아니라, 변화하는 환경을 인식하고, 인간의 의도를 파악하며, 사회적 규범에 맞는 상호작용을 수행하는 능력을 포함하는 것으로 확장되고 있었음을 의미한다.

4.2 후속 연구 및 기술 발전에 미친 영향

2010년 3분기에 발표된 이 연구들은 이후 10년간 AI와 로보틱스 기술의 발전에 지대한 영향을 미쳤다.

• Asur와 Huberman의 소셜 미디어 분석 연구는 하나의 논문을 넘어 ’빅데이터’와 AI의 결합을 이끄는 기폭제가 되었다. 이 연구가 제시한 방법론과 가능성은 이후 감성 분석, 트렌드 예측, 여론 분석, 주가 예측 등 수많은 상업적, 학문적 응용 분야를 탄생시켰고, 오늘날 데이터 과학이라는 분야의 핵심적인 축을 형성하는 데 기여했다.

• Pita 연구팀의 인간 비합리성을 고려한 게임 이론 연구는 AI 시스템의 ’안전성’과 ’신뢰성’에 대한 논의를 심화시키는 계기가 되었다. AI가 자율적으로 중요한 결정을 내리는 시대가 다가옴에 따라, 예측 불가능한 인간의 행동이나 적대적인 공격에 대해 시스템이 얼마나 강건하게 대처할 수 있는지가 핵심적인 문제로 부상했다. 이 연구는 AI 윤리, 설명 가능한 AI(XAI), 그리고 신뢰할 수 있는 AI(Trustworthy AI)와 같은 현대 AI 연구의 중요한 주제들에 대한 초기 이론적 기반을 제공했다.

• 휴머노이드 보행 및 소셜 로봇에 대한 연구들은 오늘날 우리가 목격하고 있는 서비스 로봇, 물류 로봇, 재난 구조 로봇, 협동 로봇 등의 발전에 필수적인 기초 기술이 되었다. 동적 환경에서의 안정적인 이동 능력과 인간과의 자연스러운 상호작용 능력은 로봇이 공장과 실험실을 벗어나 우리의 일상으로 들어오기 위한 핵심 전제조건이며, 2010년의 연구들은 바로 그 전제조건을 만족시키기 위한 중요한 기술적 이정표들이었다.

4.3 결론: 미래를 향한 발판

결론적으로, 2010년 3분기는 딥러닝이라는 거대한 패러다임 전환이 일어나기 직전, 기존의 AI 및 로보틱스 기술이 높은 수준의 학문적 성숙도에 도달하며 실세계의 복잡성과 인간의 불완전성을 본격적으로 끌어안기 시작한 결정적인 시기였다. 이 시기의 연구들은 한편으로는 형식 논리와 수학적 모델링을 통해 지능형 시스템의 내적 완결성과 신뢰성을 극한까지 끌어올리려 노력했고, 다른 한편으로는 소셜 미디어의 방대한 데이터와 인간의 인지적 편향이라는 외부 세계의 불확실성을 모델 안으로 과감하게 끌어들였다.

이러한 양면적 노력은 서로 상충하는 것처럼 보이지만, 실제로는 AI가 한 단계 더 도약하기 위해 반드시 필요했던 과정이었다. 형식적 방법론을 통해 다져진 시스템의 견고함은 이후 방대한 데이터를 처리하는 딥러닝 모델의 안정성을 뒷받침하는 기반이 되었고, 인간과 사회에 대한 깊은 탐구는 AI 기술이 어떤 방향으로 발전해야 하는지에 대한 중요한 통찰을 제공했다. 따라서 2010년 3분기의 연구들은 단순히 한 시대의 기술적 정점을 보여주는 것을 넘어, 다가올 데이터 중심 AI 시대의 기술적, 사상적 발판을 마련한 중요한 유산이라 평가할 수 있다.

5. 참고 자료

1. (PDF) Artificial Intelligence and Robotics. - ResearchGate, https://www.researchgate.net/publication/220672741_Artificial_Intelligence_and_Robotics
2. (PDF) Artificial Intelligence and Robotics - ResearchGate, https://www.researchgate.net/publication/318858866_Artificial_Intelligence_and_Robotics
3. HRI2010 - 5th ACM/IEEE International Conference on Human-Robot Interaction, March 2-5 2010, Osaka, http://www.hri2010.org/
4. Augmented Reality Meets Artificial Intelligence in Robotics: A Systematic Review - Frontiers, https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2021.724798/full
5. AAAI-10: Twenty-Fourth Conference on Artificial Intelligence, https://aaai.org/conference/aaai/aaai10/
6. 2010 IEEE / WIC / ACM International Conferences - York University, http://www.yorku.ca/wiiat10/
7. AAAI Conferences Calendar, https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/2297/2144
8. AAAI Conferences Calendar, https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/2195/2027
9. AAAI-10: AAAI 2010 Accepted Papers, https://aaai.org/conference/aaai/aaai10/aaai10papers/
10. AAAI Conference Paper Awards and Recognition, https://aaai.org/about-aaai/aaai-awards/aaai-conference-paper-awards-and-recognition/
11. A Novel Transition Based Encoding Scheme for Planning As Satisfiability | Ruoyun Huang | 7 Citations - SciSpace, https://scispace.com/papers/a-novel-transition-based-encoding-scheme-for-planning-as-sq4a0lbcjuo1
12. A Novel Transition Based Encoding Scheme for Planning as Satisfiability - The Association for the Advancement of Artificial Intelligence, https://cdn.aaai.org/ojs/7544/7544-13-11074-1-2-20201228.pdf
13. Outstanding Papers for AAAI-10 - University of Oxford Department of Computer Science, https://www.cs.ox.ac.uk/news/196-full.html
14. How Incomplete Is Your Semantic Web Reasoner? | Request PDF - ResearchGate, https://www.researchgate.net/publication/363509227_How_Incomplete_Is_Your_Semantic_Web_Reasoner
15. How Incomplete Is Your Semantic Web Reasoner? | Request PDF - ResearchGate, https://www.researchgate.net/publication/221604896_How_Incomplete_Is_Your_Semantic_Web_Reasoner
16. WIC Awards - Web Intelligence Consortium, https://wi-consortium.org/wicawards.php
17. Predicting the Future With Social Media - arXiv, https://arxiv.org/pdf/1003.5699
18. (PDF) Predicting the Future with Social Media - ResearchGate, https://www.researchgate.net/publication/45909086_Predicting_the_Future_with_Social_Media
19. (PDF) Predicting the Future With Social Media - ResearchGate, https://www.researchgate.net/publication/360053599_Predicting_the_Future_With_Social_Media
20. Asur, S. and Huberman, B.A. (2010) Predicting the Future with Social Media. 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, Toronto, 31 August-3 September 2010, 492-499. - References - Scientific Research Publishing, https://www.scirp.org/(S(ny23rubfvg45z345vbrepxrl))/reference/referencespapers?referenceid=3158004
21. A Survey of Prediction Using Social Media - arXiv, https://arxiv.org/pdf/1203.1647
22. Proceedings of the SIGDIAL 2010 Conference - ACL Anthology, https://aclanthology.org/volumes/W10-43/
23. Proceedings of the SIGDIAL 2010 Conference, https://www.sigdial.org/files/workshops/workshop11/proc/index.html
24. 11th Annual SIGdial Meeting on Discourse and Dialogue, https://www.sigdial.org/files/workshops/workshop11/cfp.htm
25. ‪Gabriel Skantze‬ - ‪Google Scholar‬, https://scholar.google.com/citations?user=iSzzd_MAAAAJ&hl=en
26. Towards Incremental Speech Generation in Dialogue Systems - ACL Anthology, https://aclanthology.org/W10-4301.pdf
27. (PDF) Towards incremental speech generation in conversational systems - ResearchGate, https://www.researchgate.net/publication/257267620_Towards_incremental_speech_generation_in_conversational_systems
28. (PDF) Towards Incremental Speech Generation in Dialogue Systems. - ResearchGate, https://www.researchgate.net/publication/220794492_Towards_Incremental_Speech_Generation_in_Dialogue_Systems
29. Towards Incremental Speech Generation in Dialogue Systems - DiVA portal, http://kth.diva-portal.org/smash/record.jsf?pid=diva2:465432
30. 1월 1, 1970에 액세스, https://www.aclweb.org/anthology/W10-4301.pdf
31. Publikationer av Gabriel Skantze - KTH, https://www.kth.se/profile/skantze/publications/
32. ICINCO 2010 - International Conference on Informatics in Control, Automation & Robotics, https://icinco.scitevents.org/ICINCO2010/index.htm
33. Previous Awards - ICINCO, https://icinco.scitevents.org/PreviousAwards.aspx?y=2021
34. Previous Awards - ICINCO 2025, https://icinco.scitevents.org/PreviousAwards.aspx?y=2023
35. Previous Awards - ICINCO, https://icinco.scitevents.org/PreviousAwards.aspx?y=2022
36. Definition of a Walking with Starting and Stopping … - SciTePress, https://www.scitepress.org/Papers/2020/98270/98270.pdf
37. Top 87 Artificial Intelligence papers published in 2010 - SciSpace, https://scispace.com/journals/artificial-intelligence-pmuzj10a/2010
38. Robust solutions to Stackelberg games: Addressing bounded rationality and limited observations in human cognition | Request PDF - ResearchGate, https://www.researchgate.net/publication/222580312_Robust_solutions_to_Stackelberg_games_Addressing_bounded_rationality_and_limited_observations_in_human_cognition
39. People – Alumni – Pita - Teamcore, Harvard, https://teamcore.seas.harvard.edu/alumni-pita/
40. Robust Solutions to Stackelberg Games: Addressing Bounded …, http://www.dii.uchile.cl/~fordon/docs/RobustGames-AIJ-inprint.pdf
41. Commitment Without Regrets: Online Learning in Stackelberg Security Games - Ariel Procaccia, https://procaccia.info/wp-content/uploads/2020/03/regret.pdf
42. Robust Stackelberg Equilibria - arXiv, https://arxiv.org/pdf/2304.14990
43. IEEE Transactions on Robotics citation style [Update September 2025] - Paperpile, https://paperpile.com/s/ieee-transactions-on-robotics-citation-style/
44. IEEE Transactions on Robotics, Volume 38 - DBLP, https://dblp.org/db/journals/trob/trob38
45. IEEE Transactions on Robotics - OOIR, https://ooir.org/j.php?issn=1552-3098
46. Grizzle, Jessy W.: Robotics Papers, https://web.eecs.umich.edu/~grizzle/papers/robotics.html
47. Robotics and Autonomous Systems (Elsevier BV) | 4317 Publications | 48507 Citations | Top authors | Related journals - SciSpace, https://scispace.com/journals/robotics-and-autonomous-systems-2za138zc
48. Extensions to the core ontology for robotics and automation (Journal, https://www.osti.gov/pages/biblio/2279709
49. Robotics and Autonomous Systems Affective social robotsI, https://www.ri.cmu.edu/pub_files/2010/3/Kirby10Affective.pdf
50. Autonomous Navigation and Obstacle Avoidance for a Wheeled, https://ijca.phdfocus.com/archives/volume81/issue7/14027-2285/