본문 바로가기
대메뉴 바로가기
KAIST
연구뉴스
유틸열기
홈페이지 통합검색
-
검색
메뉴 열기
%EC%9D%B4%EC%84%B1%EC%A3%BC
최신순
조회순
식이장애 환자의 건강한 다이어트를 유도하다
최근 SNS와 다양한 컴퓨터 플랫폼에 각종 음식 관련 콘텐츠가 제공되며 인기를 얻고 있다. 하지만 누군가에게는 '먹는 행위'가 자연스러움에 반해, 식이장애를 앓는 사람들은 건강하지 않은 식습관의 매혹에 매일 지속해서 고군분투한다. KAIST 연구팀이 식이장애를 앓는 사람들을 위해 모바일과 개인 컴퓨터에서 유해한 디지털 음식 콘텐츠 및 먹방 ASMR 등을 차단하는 시스템(FoodCensor)을 개발해서 화제다. 우리 대학 전기및전자공학부 이성주 교수 연구팀이 지난 5월 11일부터 5월 16일에 미국 하와이에서 열린 세계컴퓨터연합회(ACM) 주최로 진행된 컴퓨터 인간 상호작용 학술대회(International Conference on Human-Computer Interaction, 이하 CHI)에서 식이장애 환자들의 무분별한 디지털 음식 콘텐츠 소비로 인한 악영향을 방지하기 위한 실시간 개입 시스템 논문으로 최우수 논문(Honorable Mention)상을 받았다고 20일 밝혔다. 이 시스템은 인간 심리학의 두 체계 이론(Dual Systems Theory)에서 영감을 받아, 소셜 미디어 사용자가 디지털 음식 콘텐츠를 소비할 때 더 의식적으로 평가한 후에 시청에 관한 결정을 내릴 수 있도록 한다. 디지털 음식 콘텐츠의 시각적 및 청각적 자극은 체계 1*을 자극해 사용자의 자동적인 반응(반사적인 콘텐츠 시청 등)을 유발할 수 있다. 하지만 본 시스템은 실시간으로 음식 콘텐츠를 가리고 음소거 함으로써 이러한 자동적인 반응을 차단하고, 대신 사용자에게 의식적인 콘텐츠 선택 및 소비를 위한 질문을 제공함으로써 체계 2**를 활성화해 사용자가 더 의식적이고 건강한 콘텐츠 소비를 할 수 있도록 돕는다. *체계 1: 빠르고 자동으로 작용하는 체계로, 우리가 의식적으로 고려하지 않고도 일상적인 상황에 대응하게 한다. 예를 들어, 길을 걷다가 갑자기 차가 다가오면 빠르게 물러나는 것은 체계 1의 반응임 **체계 2: 천천히 심사숙고 후 판단하는 체계다. 예를 들어, 수학 문제를 풀거나 긴급 상황에서 명확한 결정을 내릴 때 체계 2가 사용됨 연구팀은 22명의 식이장애 환자를 대상으로 3주간의 사용자 스터디를 진행해 시스템 평가를 진행했다. 실험 집단에서 유튜브에서 음식 콘텐츠에 대한 노출 및 소비의 유의미한 감소와, 이러한 감소가 유튜브의 콘텐츠 추천 알고리즘에 영향을 미침을 관찰했다. 실험 집단 참가자들은 본 시스템이 음식 관련 콘텐츠를 시청하는 자동 반응을 억제하는 데 중요한 역할을 했다고 평가했으며, 이는 본 시스템이 두 체계 이론의 체계 1을 억제하고 체계 2를 촉진함을 입증한다. 사용자 평가는 제안된 시스템이 일상생활에서 식이장애 환자들의 음식에 대한 강박을 완화하고 더 나은 삶의 질을 제공한다는 점을 시사한다. 연구를 주도한 이성주 교수는 “이 시스템을 활용하여 사용자가 디지털 콘텐츠를 건강하게 소비하는 방법을 지원하는 적응형 개입의 설계 방향과 더불어, 단순히 콘텐츠를 검열하는 것 이상의 사용자의 의도적인 행동 변화를 촉진하는 사용자 중심의 콘텐츠 관리 방법이 될 것이다”라고 설명했다. 또한 “개발된 기술은 음식 콘텐츠뿐 아니라, 폭력물이나 선정적인 콘텐츠, 또는 다양한 주제별로 적용할 수 있어 파급효과를 기대할 수 있다.라고 말했다. 이번 연구에는 전기및전자공학부 최류해랑 박사과정이 제1 저자, 박수빈 석사과정이 제2 저자, 한수진 석박통합과정이 제3 저자, 그리고 이성주 교수가 교신 저자로 참여했다. 이번 연구는 5월 미국 하와이에서 열린 인간-컴퓨터 상호작용 최고 권위 국제학술 대회인 CHI(ACM Conference on Human Factors in Computing Systems)에서 발표됐으며 (논문명: FoodCensor: Promoting Mindful Digital Food Content Consumption for People with Eating Disorders), 최우수논문상(The Best Paper Honorable Mention Award)을 수상했다. 한편 이 연구는 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 수행됐다. (No. 2022-0-00064, 감정노동자의 정신건강 위험 예측 및 관리를 위한 휴먼 디지털 트윈 기술 개발)
2024.05.20
조회수 3277
‘당신 우울한가요?’ 스마트폰으로 진단하다
요즘 현대인들에게 많이 찾아오는 우울증을 진단하기 위한 스마트폰으로 진단하는 연구가 개발되어 화제다. 우리 대학 전기및전자공학부 이성주 교수 연구팀이 사용자의 언어 사용 패턴을 개인정보 유출 없이 스마트폰에서 자동으로 분석해 사용자의 정신건강 상태를 모니터링하는 인공지능 기술을 개발했다고 21일 밝혔다. 사용자가 스마트폰을 소지하고 일상적으로 사용하기만 해도 스마트폰이 사용자의 정신건강 상태를 분석 및 진단할 수 있는 것이다. 연구팀은 임상적으로 이뤄지는 정신질환 진단이 환자와의 상담을 통한 언어 사용 분석에서 이루어진다는 점에 착안해 연구를 진행했다. 이번 기술에서는 (1) 사용자가 직접 작성한 문자 메시지 등의 키보드 입력 내용과, (2) 스마트폰 위 마이크에서 실시간으로 수집되는 사용자의 음성 데이터를 기반으로 정신건강 진단을 수행한다. 이러한 언어 데이터는 사용자의 민감한 정보를 담고 있을 수 있어 기존에는 활용이 어려웠다. 이러한 문제의 해결을 위해 이번 기술에는 연합학습 인공지능 기술이 적용됐는데, 이는 사용자 기기 외부로의 데이터 유출 없이 인공지능 모델을 학습해 사생활 침해의 우려가 없다는 것이 특징이다. 인공지능 모델은 일상 대화 내용과 화자의 정신건강을 바탕으로 한 데이터셋을 기반으로 학습되었다. 모델은 스마트폰에서 입력으로 주어지는 대화를 실시간으로 분석하여 학습된 내용을 바탕으로 사용자의 정신건강 척도를 예측한다. 더 나아가, 연구팀은 스마트폰 위 대량으로 주어지는 사용자 언어 데이터로부터 효과적인 정신건강 진단을 수행하는 방법론을 개발했다. 연구팀은 사용자들이 언어를 사용하는 패턴이 실생활 속 다양한 상황에 따라 다르다는 것에 착안해, 스마트폰 위에서 주어지는 현재 상황에 대한 단서를 기반으로, 인공지능 모델이 상대적으로 중요한 언어 데이터에 집중하도록 설계했다. 예를 들어, 업무 시간보다는 저녁 시간에 가족 또는 친구들과 나누는 대화에 정신건강을 모니터링 할 수 있는 단서가 많다고 인공지능 모델이 판단해 중점을 두고 분석하는 식이다. 이번 논문은 전산학부 신재민 박사과정, 전기및전자공학부 윤형준 박사과정, 이승주 석사과정, 이성주 교수와 박성준 SoftlyAI 대표(KAIST 졸업생), 중국 칭화대학교 윤신 리우(Yunxin Liu) 교수, 그리고 미국 에모리(Emory) 대학교 최진호 교수의 공동연구로 이뤄졌다. 이번 논문은 올해 12월 6일부터 10일까지 싱가폴에서 열린 자연어 처리 분야 최고 권위 학회인 EMNLP(Conference on Empirical Methods in Natural Language Processing)에서 발표됐다. ※ 논문명(FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning) 이성주 교수는 "이번 연구는 모바일 센싱, 자연어 처리, 인공지능, 심리학 전문가들의 협력으로 이루어져서 의미가 깊으며, 정신질환으로 어려워하는 사람들이 많은데, 개인정보 유출이나 사생활 침범의 걱정 없이 스마트폰 사용만으로 정신건강 상태를 조기진단 할 수 있게 되었다ˮ라며, "이번 연구가 서비스화되어 사회에 도움이 되면 좋겠다ˮ라고 소감을 밝혔다. 이 연구는 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행됐다. (No. 2022-0-00495, 휴대폰 단말에서의 보이스피싱 탐지 예방 기술 개발, No. 2022-0-00064, 감정노동자의 정신건강 위험 예측 및 관리를 위한 휴먼 디지털 트윈 기술 개발)
2023.12.21
조회수 5390
스마트폰 위 인공지능(AI) 연합학습 속도 4.5배 획기적 향상기법 개발
우리 대학 전기및전자공학부 이성주 교수 연구팀이 국제공동연구를 통해 다수의 모바일 기기 위에서 인공지능(AI) 모델을 학습할 수 있는 연합학습 기술의 학습 속도를 4.5배 가속할 수 있는 방법론을 개발했다고 2일 밝혔다. 이성주 교수 연구팀은 지난 6/27~7/1에 열린 세계컴퓨터연합회(ACM) 주최로 진행된 제20회 모바일 시스템, 어플리케이션, 및 서비스 국제학술대회(MobiSys, International Conference on Mobile Systems, Applications, and Services)에서 연합학습(Federated Learning)의 학습 속도 향상(4.5배 가속)을 위한 데이터 샘플 최적 선택 및 데드라인 조절 방법론을 발표했다. 이 학회는 2003년에 시작됐으며 모바일 시스템, 소프트웨어, 어플리케이션, 서비스를 위한 최신 연구를 소개하는 데 초점을 맞추고 있으며, 모바일 컴퓨팅 및 시스템 분야의 최우수 학회 중 하나로 오랫동안 주목받고 있다. 이번 논문(FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients)은 KAIST 전산학부 신재민 박사과정이 제1 저자로 참여했으며, 중국 칭화대학과의 국제협력으로 이루어진 성과다 (칭화대학교 위안춘 리(Yuanchun Li) 교수, 윤신 리우(Yunxin Liu) 교수 참여). 최근 구글에 의해 제안된 연합학습은 새로운 기계학습 기술로, 개인정보의 유출 없이 방대한 사용자 기기 위 데이터를 활용할 수 있게 하여 의료 인공지능 기술 등 새로운 인공지능 서비스를 개발할 수 있게 해 각광받고 있다. 연합학습은 구글을 비롯해 애플, 타오바오 등 세계적 빅테크 기업들이 널리 도입하고 있으나, 실제로는 인공지능 모델 학습이 사용자의 스마트폰 위에서 이뤄져, 기기에 과부하를 일으켜 배터리 소모, 성능 저하 등이 발생할 수 있는 우려를 안고 있다. 이성주 교수 연구팀은 연합학습에 참여하는 사용자 기기 위 데이터 샘플 각각의 학습 기여도 측정을 기반으로 최적의 샘플을 선택함으로써 연합학습 속도 향상을 달성했다. 또한, 샘플 선택으로 줄어든 학습 시간에 대응해, 연합학습 라운드의 데드라인 또한 최적으로 조절하는 기법을 제안해 모델 정확도의 저하 없이 학습 속도를 무려 4.5배 높였다. 이러한 방법론의 적용을 통해 연합학습으로 인한 사용자 스마트폰 과부하 문제를 최소화할 수 있을 것으로 기대된다. 이성주 교수는 "연합학습은 많은 세계적 기업들이 사용하는 중요한 기술이다ˮ며 "이번 연구 결과는 연합학습의 학습 속도를 향상하고 활용도를 높여 의미가 있으며, 컴퓨터 비전, 자연어 처리, 모바일 센서 데이터 등 다양한 응용에서 모두 좋은 성능을 보여, 빠른 파급효과를 기대한다ˮ라고 소감을 밝혔다. 한편 이 연구는 과학기술정보통신부의 재원으로 한국연구재단과 정보통신기술진흥센터의 지원을 받아 수행됐다.
2022.08.02
조회수 8324
학습되지 않은 환경에서 스스로 학습하는 모바일 센싱 기술 개발
우리 대학 전산학부 이성주 교수 연구팀이 학습되지 않은 환경에 적은 양의 데이터로 스스로 적응하는 모바일 센싱 학습 기술 <메타센스(MetaSense)>를 개발했다. 모바일 센싱이란 스마트폰과 같은 모바일 기기의 다양한 센서를 이용하여 서비스(예: 수면의 질 평가, 걸음 수 추적 등)를 제공하는 기술이다. 최근 학계에서는 기계학습 기술의 발전과 더불어 우울증 진단, 운동 자세 관리 등 진보된 모바일 센싱의 가능성을 보여줌으로써 모바일 센싱의 범위를 더욱 확장하고 있다. 하지만 이러한 센싱 기술은 아직 널리 쓰이지 못하고 있다. 사용자 개인마다 가지고 있는 모바일 센싱의 환경이 다르기 때문이다. 사람마다 가지고 있는 고유한 생활패턴과 행동방식, 서로 다른 모바일 기기와 그 사양은 센서의 값에 큰 영향을 미친다. 다른 센서 값은 사람마다 고유한 센싱 환경을 만들고, 이는 센싱 모델이 미리 학습되지 않은 새로운 환경에서 작동할 때 사용이 어려울 만큼 성능 저하를 일으킨다. 연구팀은 이런 학습되지 않는 환경에서 적은 양의 데이터 (최소 1-2 샘플)만 가지고 적응할 수 있는 '메타러닝 프레임워크'를 제시했다. 메타러닝 (meta learning) 이란 적은 양의 데이터를 가지고도 새로운 지식을 학습할 수 있도록 하는 기계학습 원리다. 연구팀이 제시한 기술은 최신 전이학습 (transfer learning) 기술과 비교하여 18%, 메타러닝 기술과 비교하여 15%의 정확도 성능향상을 보였다. 이성주 교수는 ”최근 활발히 제안되고 있는 다양한 모바일 센싱 서비스가 특정 환경에 의존하지 않고 수많은 실제 사용 환경에서 우수한 성능을 보일 수 있게 해주는 연구다. 모바일 센싱 서비스가 연구에 그치지 않고 실제 많은 사람들에게 사용될 수 있는 가능성을 제시해 의미가 있다“라고 했다. 또한 신진우 교수는 “최근 메타러닝 방법론들이 기계학습 분야에서 크게 각광을 받고 있는데 주로 영상 데이터에 국한되어 왔었다. 본 연구에서 비영상 데이터에도 범용적으로 동작하는 메터러닝 기술을 개발하여 성공한 것은 앞으로도 관련 분야 연구에 큰 영향을 주리라 기대한다“라고 덧붙였다. 연구에 대한 설명이 담긴 비디오를 다음 링크에서 확인할 수 있고, (https://youtu.be/-6y0I1pd6XI) 자세한 정보는 프로젝트 웹사이트에서 볼 수 있다. (https://nmsl.kaist.ac.kr/projects/metasense/) 이성주 교수, 신진우 AI대학원 교수, 공태식 박사과정, 김연수 학사과정이 참여한 이번 연구 결과는 2019년 11월 11일 센싱 컴퓨팅 분야 국제 최우수학회 ACM SenSys에서 발표됐다. (논문명: MetaSense: Few-Shot Adaptation to Untrained Conditions in Deep Mobile Sensing). 이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단과 정보통신기술진흥센터, 한국연구재단 차세대 정보 컴퓨팅 기술개발사업의 지원을 받아 수행됐다.
2020.06.09
조회수 15875
이성주 교수, 앱 시제품 제작 생산성 200배 향상 기술 개발
〈 박수영 연구원, 이성주 교수 〉 〈 김동휘 연구원 〉 우리 대학 전산학부 이성주 교수 연구팀 스마트폰 앱 개발에서 필수적인 시제품 제작 과정을 획기적으로 줄여 생산성을 200배 이상 높일 수 있는 기술을 개발했다. 김동휘, 박수영 박사과정, 고지훈 석사과정, 미국 버팔로 대학 스티브 고(Steve Ko) 교수가 참여한 이번 연구 결과는 인간-컴퓨터 상호작용, 사용자 인터페이스 분야 국제학회 ACM UIST에서 10월 21일 발표됐다. (논문명 : X-Droid: A Quick and Easy Android Prototyping Framework with a Single-App Illusion) 새로운 아이디어가 스마트폰 앱으로 만들어지기까지는 수많은 시간과 자원, 인력이 필요하지만 정작 앱을 만들어도 소비자의 수요를 충족시키지 못하거나 시장의 흐름을 놓치면 자원만 낭비하는 경우가 많다. 이러한 이유로 보통은 정식으로 제품을 개발하기 전에 작은 규모로 시제품을 먼저 개발해 시장성을 시험해보곤 한다. 아이디어와 신제품이 범람하는 환경에서 시제품을 빠르고 정확하게 만드는 것이 개발사 입장에서는 매우 중요한 일이다. 시제품 제작에 특화된 도구도 많아 쓰이는 도구, 서비스가 수천 가지가 넘는다. 이는 그만큼 업계에서 시제품 구현에 관심이 많고 수요가 많다는 것을 뜻한다. 그러나 기존에 존재하던 수많은 도구의 도움을 받더라도 결국 기능은 직접 구현해야 한다. 디자인이나 아이디어를 차용할 수는 있어도 프로그램은 시중에 공개되지 않은 이상 전부 직접 만들어야 한다. 이성주 교수 연구팀이 개발한 기술은 바로 이러한 한계를 극복했다. 연구팀은 이미 수백만 개에 달하는 스마트폰 앱들이 시장에 출시된 점에 착안해 새 앱 시제품을 만들 때 기존 앱의 기능을 추출해 활용할 수 있도록 하는 데 성공했다. 앱 개발자는 이 기술을 활용해 다양한 시제품 앱들을 만들어 시험해보고 가장 유용한 안을 선정해 정식으로 개발할 수 있다. 만약 다른 앱에서 추출한 기능을 포함한 시제품 앱을 그대로 출시하고자 한다면 기능을 추출해온 앱 개발자의 동의가 필요하지만, 배포하지 않고 내부에서 시험하는 것만으로도 정식 개발의 실패 가능성을 크게 줄일 수 있다. 연구팀의 기술은 기존 앱에서 필요한 기능이 있을 때 그 앱을 시연하면 자동으로 해당 기능이 추출되고 개발자가 활용할 수 있는 프로그램 코드로 변환된다. 예를 들어 스마트폰 사용자의 수면을 감지해 자동으로 알림을 끄는 기능의 시제품을 만들기 위해서는 수면 상태를 추적하는 복잡한 기술이 필요하지만, 연구팀의 기술을 활용하면 단순히 시중의 수면 분석 앱으로부터 해당 기능을 추출해 시제품 제작에 활용할 수 있다. 연구팀은 현직 스마트폰 앱 개발자와의 실험을 통해 최소 1만 줄 이상의 프로그램 코드 작성이 필요한 개발 과정을 연구팀이 개발한 기술을 적용하면 불과 50여 줄의 코드 작성으로도 시제품을 개발할 수 있음을 확인했다. 이는 시제품 앱 개발에 필요한 프로그램 작성이 200배가량 줄어든 것으로 기존의 스마트폰 앱들을 활용하고 기계가 자동으로 프로그램을 작성하도록 함으로써 개발 비용을 획기적으로 줄인 것이다. 이성주 교수는 “기존 다른 앱의 기능을 코드 없이도 구현할 수 있는 기술로 시연을 통한 프로그래밍 기술을 활용하고 또 다른 앱과의 상호작용이 모두 백그라운드에서 이루어지게 하는 기술이다”라며 “개발자가 실제로는 자신의 앱과 다른 앱을 동시에 다루지만 마치 한 개의 앱으로 작업하는 듯한 효과가 있었으며, 새 앱 기능을 손쉽고 빠르게 구현해 더 많은 유용한 앱 출현을 기대할 수 있게 됐다”라고 말했다. 이번 연구는 한국연구재단 차세대정보컴퓨팅기술개발사업과 산업통상자원부, 한국산업기술진흥원 국제공동기술개발사업의 지원을 통해 수행됐다. 연구에 대한 설명과 시연이 담긴 비디오를 다음 링크에서 확인할 수 있고, ( https://www.youtube.com/watch?v=5pF5kGq-lDU ) 자세한 정보는 프로젝트 웹사이트에서 볼 수 있다. ( https://nmsl.kaist.ac.kr/projects/xdroid/ ) □ 그림 설명 그림1. 연구팀이 개발한 기술이 구현된 개발자 도구
2019.11.12
조회수 16740
이성주 교수, 스마트폰으로 사물 두드려 인식하는 노커(Knocker) 기술 개발
〈 왼쪽부터 공태식 박사과정, 조현성 석사과정, 이성주 교수 〉 우리 대학 전산학부 이성주 교수 연구팀이 스마트폰을 사물에 두드리는 것만으로 사물을 인식할 수 있는 ‘노커(Knocker)’ 기술을 개발했다. 이번 연구 결과는 기존 방식과 달리 카메라나 외부 장치를 사용하지 않아 어두운 곳에서도 식별에 전혀 지장이 없고, 추가 장비 없이 스마트폰만으로 사물 인식을 할 수 있어 기존 사물 인식 기술의 문제를 해결할 수 있을 것으로 기대된다. 공태식 박사과정, 조현성 석사과정, 인하대학교 이보원 교수가 참여한 이번 연구 결과는 9월 13일 유비쿼터스 컴퓨팅 분야 국제 최우수학회 ‘ACM 유비콤(ACM UbiComp)’에서 발표됐다. (논문명 : Knocker: Vibroacoustic-based Object Recognition with Smartphones) 기존의 사물 인식 기법은 일반적으로 두 종류로 나뉜다. 첫째는 촬영된 사진을 이용하는 방법으로 카메라를 이용해 사진을 찍어야 한다는 번거로움과 어두운 환경에서는 사용하지 못한다는 단점이 있다. 둘째는 RFID 등의 전자 태그를 부착해 전자신호로 구분하는 방법으로 태그의 가격 부담과 인식하고자 하는 모든 사물에 태그를 부착해야 한다는 비현실성 때문에 상용화에 어려움을 겪었다. 연구팀이 개발한 노커 기술은 카메라와 별도의 기기를 쓰지 않아도 사물을 인식할 수 있다. 노커 기술은 물체에 ‘노크’를 해서 생긴 반응을 스마트폰의 마이크, 가속도계, 자이로스코프로 감지하고, 이 데이터를 기계학습 기술을 통해 분석해 사물을 인식한다. 연구팀은 책, 노트북, 물병, 자전거 등 일상생활에서 흔히 접할 수 있는 23종의 사물로 실험한 결과 혼잡한 도로, 식당 등 잡음이 많은 공간에서는 83%의 사물 인식 정확도를 보였고, 가정 등 실내 공간에서의 사물 인식 정확도는 98%에 달하는 것을 확인했다. 연구팀의 노커 기술은 스마트폰 사용의 새로운 패러다임을 제시했다. 예를 들어 빈 물통을 스마트폰으로 노크하면 자동으로 물을 주문할 수 있고, IoT 기기를 활용하여 취침 전 침대를 노크하면 불을 끄고 알람을 자동 설정하는 등 총 15개의 구체적인 활용 방안을 선보였다. 이성주 교수는 “특별한 센서나 하드웨어 개발 없이 기존 스마트폰의 센서 조합과 기계학습을 활용해 개발한 소프트웨어 기술로, 스마트폰 사용자라면 보편적으로 사용할 수 있어 의미가 있다”라며 “사용자가 자주 이용하는 사물과의 상호 작용을 보다 쉽고 편하게 만들어 주는 기술이다”라고 말했다. 이 연구는 한국연구재단 차세대정보컴퓨팅기술개발사업과 정보통신기획평가원 정보통신․방송 기술개발사업 및 표준화 사업의 지원을 통해 수행됐다. 연구에 대한 설명과 시연은 링크에서 확인할 수 있고, ( https://www.youtube.com/watch?v=SyQn1vr_HeQ&feature=youtu.be ) 자세한 정보는 프로젝트 웹사이트에서 볼 수 있다. ( https://nmsl.kaist.ac.kr/projects/knocker/ ) □ 그림 설명 그림1. 물병에 노크 했을 때의 '노커' 기술 예시 그림2. 23개 사물에 대해 스마트폰 센서로 추출한 노크 고유 반응 시각화
2019.10.01
조회수 12067
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1