ICRA 2020 논문을 통해 본 로봇분야 연구동향

3.1 ICRA 2020 국가별 논문 발표 순위

이번 ICRA 2020에서는 총 42개 국가에서 1,073편의 논문이 발표되었으며, 국가별 논문 발표 순위를 살펴보면 미국이 386편(35.9%)으로 가장 많은 논문을 발표하였으며, 그 뒤로 중국이 113편, 독일이 95편, 영국이 60편, 일본이 5편, 우리나라가 49편의 논문을 발표하였다(Fig. 2).

Fig. 2

Number of ICRA 2020 papers by country

3.2 ICRA 2020 기관별 논문 발표 순위

ICRA 2020에서는 약 410여 기관에서 논문을 발표하였으며, 기관별 발표 논문 수는 Fig. 3과 같이 미국의 대학연구기관들이 상위 순위에 올랐다. MIT가 32편으로 가장 많은 논문을 발표하였고, 조지아공과대학교(Georgia Institute of Technology)는 23편, 카네기멜런대학교(Carnegie Mellon Univ.)가 22편, 스탠포드대학교(Stanford Univ.)가 21편, 펜실베니아대학교(Univ. of Pennsylvania)가 20편, 캘리포니아대학교(Univ. of California at Berkeley)가 19편을 발표했다. 한국과학기술원(KAIST)은 18편으로 일곱 번째로 많은 논문을 발표하였고, 이어서 홍콩중문대학교(Chinese Univ. of Hong Kong)과 임페리얼 칼리지 런던(Imperial College London)이 각각 16편의 논문을 발표하였다. 또한 옥스포드대학교(Univ. of Oxford)는 14편, 뮌헨 공과대학교(Technology Univ. Munich)는 13편, 캘리포니아공과대학교(California Institute of Technology)는 12편, Italian Institute of Technology (IIT)와 서울대학교(Seoul National Univ.), 도쿄대학교(Univ. of Tokyo)는 각각 11편의 논문을 발표하였다.

Fig. 3

Number of ICRA 2020 papers by organization

4.1 키워드 네트워크 분석

논문의 키워드는 저자가 논문의 핵심 주제를 나타내는 단어를 선택한 것이다. 따라서 이를 분석하면 발표된 논문들이 어떠한 분야와 주제의 연구인지 확인할 수 있다. Fig. 4에 보인 키워드 Spring Layout 네트워크는 각 논문의 키워드를 분석하여 취합하고, 한 논문에 같이 나열된 키워드들을 서로 연결하여 그림으로 나타낸 것으로, 전체 키워드의 상관관계를 좀 더 보기 쉽게 빈도수 5 이하인 값을 삭제한(Link Reduction 5) 그림이다.

Fig. 4

ICRA 2020 keyword network (Spring layout, Link reduction 5)

ICRA 학회에서는 보통 모바일 로봇들을 중심으로 Robot Vision, Path Planning, Motion Control의 3가지 키워드의 빈도수가 높게 나타났는데 이번 2020년에는 위의 Fig. 4와 같이 Task Analysis라는 키워드가 가장 큰 비중으로 나타났다. Task Analysis는 다중 로봇, 이동로봇, 다관절로봇, 인간상호작용 등 로봇 전분야의 키워드들과 상관관계를 나타냈다. 이외에도 Robots, Three-Dimensional Displays, Cameras, Robot Sensing Systems가 중요 키워드로 나타났다. 이러한 키워드들의 상관관계를 보면 전반적으로 카메라를 이용한 주변 환경의 2차원 및 3차원 인식, 주어진 환경에서의 로봇 작업 및 경로 할당, 학습을 이용한 다양한 환경에서의 성능 향상 등에 대한 연구들이 활발히 이루어진 것으로 보인다. Force, Grippers, Grasping, Collision Avoidance 등과 같은 키워드도 네트워크 중심부에 나타난 것은 Human-Robot Interaction에 대한 안전 및 협업 관련 연구도 이루어졌음을 알 수 있다.

Fig. 5는 키워드의 연결 관계와 상관없이 빈도수의 비중을 계산하여 태그 클라우드(Tag Cloud)로 표현한 그림이다. ICRA 2020의 논문의 총 키워드 수는 890개이며, 가장 많이 사용된 빈도수 20 이상의 키워드를 살펴보면 Task Analysis, Robots, Robot Sensing Systems, Three-Dimensional Displays, Cameras, Trajectory, Planning, Training, Force, Feature Extraction이 100회 이상 나왔으며 Visualization, Robustness, Robot Kinematics, Collision Avoidance, Legged Locomotion, Optimization, Estimation, Kinematics, Manipulators, Mathematical Model, Navigation, Uncertainty, Grasping, Computational Modeling, Shape, Semantics, Predictive Models이 빈도수 50회 이상으로 나타났다.

Fig. 5

ICRA 2020 keyword tag cloud

Degree Centrality는 연결 정도 중심성으로 한 개인이 전체 네트워크에서 얼마만큼 중심에 가까이 자리 잡고 있는지를 나타내는 지표다. 네트워크 분석에서 개인이 가지는 영향력을 분석하는데 가장 많이 쓰인다. 여러 논문과 다른 연구자와의 연결관계가 많을수록 네트워크 가운데 쪽으로 위치하게 된다. ICRA 2020의 키워드들의 Degree Centrality의 결과는 Fig. 6과 같다.

Fig. 6

ICRA 2020 keyword degree centrality

위의 결과들과 마찬가지로 Task Analysis와 Robots를 중심으로 Three-Dimensional Displays, Cameras, Trajectory, Robot Sensing Systems, Force, Training, Planning, Feature Extraction 등의 키워드가 중심에 가까이 나타났다.

4.2 공저자 네트워크 분석

키워드 분석과 마찬가지로 ICRA 2020의 논문 공저자들의 상관관계를 NetMiner를 사용하여 시각화(Spring Layout)하였다. Fig. 7과 같이 많은 연구자 그룹이 형성되어 있는 것을 확인할 수 있으며, 이 중 오른쪽 아래는 개인이나 실험실 단위의 소규모 연구 그룹을 나타내고 있으며, 왼쪽 위로 갈수록 여러 기관소속의 연구자들이 모인 그룹이다.

Fig. 7

ICRA 2020 co-author network (Spring layout)

이 중 몇 개의 큰 그룹을 확대하여 살펴보기로 하자. 가장 큰 연구자 그룹은 Fig. 8과 같이 NVIDIA의 연구 그룹을 중심으로 캘리포니아대학교와 스탠포드대학교, 그리고 상하이교통대학교(Shanghai Jiao Tong Univ.) 그룹이 연결되어 있다. 이 그룹에서는 Dieter Fox (NVIDIA)가 가장 높은 비중을 차지하는 중심연구자로 뚜렷하게 구별이 가능하다. NVIDIA는 미국에 본사를 둔 GPU 설계 회사이며, 최근에는 인공지능 플랫폼, 로봇 플랫폼, 자율주행 분야까지 사업분야를 확장하고 있다.

Fig. 8

Groups with NVIDIA, Univ. of California at Berkeley, Stanford Univ., Shanghai Jiao Tong Univ.

Dieter Fox는 NVIDIA의 Robotics Research Lab의 20여명의 연구원을 이끄는 수석 이사이며, 인공지능, 컴퓨터 비전 및 머신러닝을 연구하고 있는 로봇공학자이다. 또한 시애틀의 워싱턴대학교(Univ. of Washington)의 컴퓨터 공학부 교수로 Robotics and State Estimation Lab을 이끌고 있다. NVIDIA와 워싱턴 대학교와의 활발한 협력을 이끌고 있으며, 이번 ICRA 2020에는 총 11편의 논문을 발표했고, IEEE/RAS (IEEE Robotics and Automation Society)에서 로봇공학 및 자동화분야에 큰 기여를 한 연구자에게 주는 선구자상(Pioneer Award)를 수상했다. 그의 연구 그룹에서 발표한 논문 중 ‘6-DOF Grasping for Target-Driven Object Manipulation in Clutter’ 논문은 로봇 매니퓰레이터 부문에서 최우수논문상을 수상하기도 했다. 이 논문은 여러 Object들이 겹쳐있는 환경에서 장애물을 치우고, 목표물을 집어내는 6자유도 로봇팔의 학습기반 프레임워크를 제안했으며, 인상적인 시연비디오를 함께 공개했다.

다음으로 큰 그룹은 Fig. 9와 같다. 이 그룹은 홍콩중문대학교, ShanghaiTech University, 한국전자통신연구원(ETRI), Australian National University, 카네기멜런대학교, KAIST, GIST, 산둥대학교(Shandong Univ.), 상하이교통대학교 등 매우 많은 기관의 연구자들로 구성되어 있으며, 크게 부각되는 중심연구자가 존재하지 않으나, 이 중 Yun-hui Liu(홍콩중문대학교)이 그나마 높은 비중을 가진 연구자로 나타났다.

Fig. 9

Groups with Chinese Univ. of Hong Kong, ShanghaiTech Univ., ETRI, Australian National Univ., Carnegie Mellon Univ., KAIST, GIST, Shandong Univ., Shanghai Jiao Tong Univ.

Yun-hui Liu 교수는 홍콩중문대학교(CUHK)의 기계 및 자동화 공학과의 교수이며, 하얼빈공업대학교(Harbin Institute of Technology)의 객원 교수이다. 또한 CUHK T Stone Robotics Institute와 CUHK 및 NUDT (National University of Defense Technology)의 지능형 감지 및 시스템 공동 센터의 이사이다. 연구 분야는 비전 기반 로봇 공학, 의료 로봇 공학, 서비스로봇 및 기계 지능 등이며, 의료 로봇 공학에서 외과의의 지원 작업을 하거나 수술을 자동화할 수 있는 수술 로봇 개발에 초점을 맞추고 있다. 부비동 수술과 자궁 적출을 위해 개발한 수술 보조 로봇은 Prince of Wales 병원에서 임상 시험을 완료하였다고 한다.¹

또한, 이 그룹에 Hae-gon Jeon (GIST), Sunghoon Im (DGIST), Jean Oh(카네기멜런대학교)와 Byeong-uk Lee (KAIST), Kyunghyun Lee (KAIST), In So Kweon (KAIST), Kyungdon Joo(카네기멜런대학교), Tae-huun Oh (POSTECH) 등 여러 한국인 연구자들이 포함되어 있는데, 이는 KAIST에서 교수로 재직했던 Jean-Charles Bazin 박사의 영향으로 한국 연구자들과의 네트워크가 형성된 것으로 보인다.

세 번째로 큰 그룹은 Fig. 10과 같이 조지아공과대학교 연구자와 스탠포드대학교, 그리고 독일 항공우주 센터(DLR)의 연구자들이 연결된 그룹이며, 이 그룹에서는 Magnus Egerstedt(조지아공과대학교)의 비중이 큰 편이다. Magnus Egerstedt는 스웨덴계 미국인 로봇 공학자로 조지아공과대학교 전기 및 컴퓨터 공학부 교수이다. Magnus Egerstedt는 Theory of Hybrid and Discrete Event Systems와 Control of Multi-Agent Systems 연구에 많은 기여를 하고 있다.²

Fig. 10

Groups with Georgia Institute of Technology Stanford Univ., DLR, KAIST

이 그룹에도 Jee-hwan Ryu (KAIST), Dongheui Lee(뮌헨 공과대학교), Jongseok Lee (DLR), Minjun Kim (DLR), Chanil Lee (KAIST), Do-hyeong Kim (KAIST), Hyeon-seok Seong (KAIST) 등 한국인 연구자들이 많이 연결된 것을 볼 수 있다(한국인은 초록색으로 표기). 이는 KAIST 유지환 교수가 DLR의 Institute of Robotics and Mechatronics 연구진들과 활발한 공동연구를 한 결과로 보인다. 유지환 교수는 이번 ICRA 2020에서 원격조종 관련 논문을 4편 발표하고, 웨어러블 로봇 및 액추에이터 관련 논문을 2편 발표했다.

Fig. 11은 캘리포니아공과대학교와 취리히대학교, 수술로봇 제조사인 Intuitive Surgical Incorporation이 연결된 그룹이다. 이 그룹에서는 캘리포니아공과대학교의 Aaron D. Ames와 Joel W. Burdick이 중심적인 역할을 하는 것으로 보인다.

Fig. 11

Groups with California Institute of Technol. Univ. of Zurich, Intuitive Surgical Inc.

Aaron D. Ames는 2017년부터 캘리포니아공과대학교에서 기계 및 토목 공학 및 제어 및 역학 시스템의 교수로 재직 중이다. 그는 이족 보행 로봇 연구에 기여한 공로로 2015년 Donald P. Eckman Award를 수상하였으며, ‘Safety-Critical Autonomy in Robotic Locomotion’이라는 제목의 연구 프로젝트로 2017 Okawa Foundation Research Grant를 수상하였다.³ 또한 Joel W. Burdick은 Robotics, Kinematics, Mechanical Systems and Control을 연구하고 있다.⁴

이 그룹에는 한국인으로 유일하게 Soon-Jo Chung(캘리포니아공과대학교) 교수가 포함되어 있다.

Fig. 12에서 보이는 연구 그룹은 캘리포니아대학교 샌디에이고, 펜실베이나대학교, 미 육군 연구소(US Army Res. Lab.) 등이 연결된 그룹으로 이 그룹에서는 Vijay Kumar(펜실베니아대학교)가 중심연구자이다. Vijay Kumar는 펜실베이니아 대학교의 컴퓨터 및 정보 과학과 전기 및 시스템 교수로 2015년부터 펜실베니아대학교의 학장을 맡고 있다. Vijay Kumar는 멀티로봇의 제어와 조정에 관한 연구로 유명하다. 자율 지상 및 공중 로봇 개발, 집단행동 및 로봇 무리에 대한 생물학적 알고리즘 설계에 대한 획기적인 작업으로 전 세계적으로 인정 받고 있다.⁵

Fig. 12

Groups with Univ. of California at San Diego, Univ. of Pennsylvania, Us Army Res. Lab.

Vijay Kumar 교수는 이번 ICRA 2020에서 이동로봇, 로봇비전, 매니퓰레이터, 군집로봇 등 다양한 분야에서 8편의 논문을 발표했다.

Fig. 13은 청화대학교, Intel Labs China, 홍콩성시대학교, 임페리얼 칼리지 런던 등의 기관이 연결된 그룹이다. 이 그룹에는 각 연구 그룹을 이어주는 연구자들이 많이 있다. Fei Qiao(청화대학교)와 Xuesong Shi (Intel Labs China)는 각각 청화대학교와 Intel Labs China의 중국 연구자들을 연결하는 역할을 하고 있으며, Yao Guo(임페리얼 칼리지 런던)는 Intel Labs China 그룹과 임페리얼 칼리지 런던 그룹을 연결하는 역할을 하고 있다. Guang-Zhong Yang(임페리얼 칼리지 런던)은 또 다른 임페리얼 칼리지 런던 그룹과 연결하는 역할을 하고 있다.

Fig. 13

Groups with Intel Labs China, City Univ. of Hong Kong, Imperial College London

이 그룹에서는 Yang Guang-Zhong의 비중이 가장 높은데, 그는 임페리얼 칼리지 런던의 로봇 수술을 위한 Hamlyn 센터의 공동 창립자이자 소장이며, UK-RAS 네트워크의 회장이기도 하다. 연구 관심 분야는 의료 영상, 감지 및 로봇 공학이다.⁶

Fig. 14는 휴스턴대학교, 사우스캐롤라이나대학교, 텍사스 A&M 대학교, Technical University of Braunschweig 연구자들이 연결된 그룹이다. 이 그룹에서는 Aaron T. Becker(휴스턴대학교)가 가장 중심연구자이면서 여러 그룹을 연결하는 역할을 하고 있다.

Fig. 14

Groups with Univ. of Houston, Univ. of South Carolina, Texas A&M Univ., Tech. Univ. Braunschweig

Aaron T. Becker는 휴스턴대학교의 전기 및 컴퓨터 공학 조교수로서 Robotics Lab.을 운영하고 있으며, 자기장으로 Micro-Scale의 군집 로봇을 조종하고, 드론을 이용한 여러 실험들을 진행하고 있다.⁷ 또한 개인 유튜브 채널에서 본인의 여러 연구를 소개하고 있다.⁸

Toyota Research Institute와 캘리포니아대학교, 뮌헨 공과대학교, 노스캐롤라이나대학교의 연구자들이 모여서 형성된 그룹을 Fig. 15가 보여주고 있는데, 이 그룹에서는 캘리포니아대학교의 Ken Goldberg가 중심 연구자로 나타났다.

Fig. 15

Groups with Toyota Research Inst., UC Berkeley, Tech. Univ. Munich., Univ. of North Carolina at Chapel Hill

Ken Goldberg는 캘리포니아대학교의 교수로 UC Berkeley Automation Lab.을 운영하고 있으며, AI, 딥러닝을 이용한 로봇 매니퓰레이터 연구를 하고 있다.

Fig. 16은 스위스의 Idiap Research Institute, 프랑스의 LAAS (Laboratory for Analysis and Architecture of Systems), 프랑스국립과학연구센터(Centre National De La Recherche Scientifique, CNRS), 독일의 Max Planck Inst. for Intell. Syst., 취리히연방공과대학교, 뉴욕대학교(New York Univ.), 에든버러대학교(Univ. of Edinburgh), 청화대학교(Tsinghua Univ.)의 연구자들이 모인 그룹으로 Ludovic Righetti(뉴욕대학교)와 Maximilien Naveau (Max Planck Inst. for Intell. Syst.)가 여러 그룹을 연결하는 역할을 하고 있다.

Fig. 16

Groups with Idiap Research Inst., LAAS, CNRS, Max Planck Inst. for Intell. Syst., ETH Zurich, New York Univ., Univ. of Edinburgh., Tsinghua Univ.

Ludovic Righetti는 뉴욕대학교의 전기 및 컴퓨터 공학과, 기계 및 항공우주 공학과의 부교수이며 Max Planck Institute for Intelligent Systems (MPI-IS)의 선임 연구원이다. 그는 자율 로봇의 움직임을 계획하고 제어하는 연구를 하고 있으며, Machines in Motion Lab.을 운영하고 있다.⁹ Maximilien Naveau는 MPI-IS의 박사 후 연구원으로 팔다리를 가진 로봇의 궤적 최적화와 운동에 관한 연구를 하고 있다.¹⁰

공저자 데이터를 바탕으로 하여 Fig. 17과 같이 연구자의 Degree Centrality를 분석하였다. Degree Centrality는 연결 정도 중심성으로 한 개인이 전체 네트워크에서 얼마만큼 중심에 가까이 자리 잡고 있는지를 나타내는 지표다. 네트워크 분석에서 개인이 가지는 영향력을 분석하는데 가장 많이 쓰인다. 여러 논문과 다른 연구자와의 연결 관계가 많을수록 네트워크 가운데 쪽으로 위치하게 된다. 아래 ICRA 2020 공저자 네트워크 시각화를 살펴보면 11편의 논문을 발표하고 Pioneer Award를 수상한 Dieter Fox (NVIDIA)가 가장 중심에 있으며, 두 번째 중심에 가까운 연구자로 Guang-zhong Yang(임페리얼 칼리지 런던), Ken Goldberg(캘리포니아대학교), Roland Siegwart(취리히연방공과대학교), Vijay Kumar(펜실베니아대학교)가 있으며, 중심에서 세 번째로 가까운 원에는 Aaron T. Becker(휴스턴대학교), Iulian Iordachita(존스홉킨스대학교), Kei Okada(도쿄대학교), Li Fei-Fei(스탠포드대학교), Masayuki Inaba(도쿄대학교)가 있음을 확인할 수 있다.

Fig. 17

ICRA 2020 co-author degree centrality

Degree Centrality는 공저 논문의 수뿐 아니라 연결된 공저자 수에 따라서도 위치를 달리하게 된다. 실제로 공저 논문이 4편인 Aaron T. Becker(휴스턴대학교), Iulian Iordachita(존스홉킨스대학교), Li Fei-Fei(스탠포드대학교)는 중심에 가까이 나타난 반면, Aaron D. Ames(캘리포니아공과대학교), Daniela Rus (MIT), Magnus Egerstedt(조지아공과대학교)는 공저 논문 수가 6편인데 가까운 중심에 나타나지 않고 있다.

4.3 한국 기관 소속 연구자 네트워크 분석

이번 ICRA 2020에는 17개의 한국기관에서 총 49편의 논문을 발표하였다. KAIST가 18편, 서울대학교가 11편, 한국과학기술연구원(KIST)가 4편, 울산과학기술원(UNIST)와 과학기술연합대학원대학교(UST)가 각각 2편의 논문을 발표하였다. 이외에도 전북대학교, 충남대학교, 이화여자대학교, 광주과학기술원(GIST), 한양대학교, 현대중공업, 한국로봇융합연구원(KIRO), 고려대학교, 네이버, 삼성전자, 세종대학교, 영남대학교에서 각각 1편의 논문을 발표하였다. 한국 기관의 연구자만 별도로 추출하여 연결한 연구 그룹들은 Fig. 18과 같다.

Fig. 18

ICRA 2020 Korean co-author network (Spring layout)

대부분 한국의 연구 그룹은 대학별로 분리된 것을 볼 수 있다. 기업체에서도 각 1, 2편의 논문을 발표했는데, 앞으로는 여러 기업체, 연구소, 대학의 연구진들이 활발한 협력 네트워크를 생성해서 다양한 연구그룹들을 이루어가는 것이 필요해 보인다. 기업체는 로봇산업 발전을 위해 기업보안을 유지하는 선에서 활발한 연구활동을 통한 기술공유, 인적네트워크 형성을 하는 것이 장기적인 발전에 도움이 될 것이라 생각한다.

위의 네트워크 연결 관계를 기초로 중심도를 분석하면 Fig. 19와 같다. 중심에 가까운 연구자는 서울대학교 기계항공공학부의 김현진 교수이며, 현재 자율로봇연구실을 이끌며 자율비행 및 영상항법 관련 연구를 하고 있다.¹¹ 그 다음으로 김아영(KAIST), Brian Y. Cho (KIST), Changhwan Kim (KIST), Changjoo Nam (KIST), In So Kweon (KAIST), Jinhwi Lee (KIST), 김정(KAIST), Sanghun Cheong (KIST)로 나타났다.

Fig. 19

ICRA 2020 Korean co-author degree centrality

4.4 기관-키워드 분석(2MODE)

기관과 키워드의 연관성 분석은 어느 기관에서 어떤 분야를 연구하는지에 대한 객관적인 자료가 될 수 있다. 논문 제1저자의 기관과 그 논문에 대한 키워드를 정리하여 기관과 키워드 간의 관계를 분석한 결과를 Fig. 20에 나타내었다. Fig. 20을 살펴보면, 주요 기관으로는 MIT, 카네기멜런대학교, 스탠포드대학교, 조지아공과대학교, KAIST 등이 나타나고, 키워드로는 Robots, Task Analysis, Trajectory, Planning, Robot Sensing Systems, Cameras, Force 등이 많이 나타났다. 또한, 이를 좀 더 자세히 보기 위해 빈도 5 이하를 삭제한 것은 Fig. 21과 같다.

Fig. 20

ICRA 2020 organization-keyword network(2-Mode analysis, Link reduction 3)

Fig. 21

ICRA 2020 기관-키워드 네트워크(2-Mode분석, Link reduction 5)

이를 통해 보면 MIT에서는 Task Analysis, Robots, Planning, Trajectory, Robot Sensing Systems 키워드의 논문이 카네기멜런대학교에서는 Planning, Trajectory, Three-dimensional Displays, Collision Avoidance가, 스탠포드대학교와 조지아공과대학교에서는 Task analysis, Robots가, 그리고 펜실베니아대학교에서는 Task Analysis와 Planning에 관한 논문을 주로 발표하였다. 이처럼 기관별로 주요하게 나타나는 키워드를 Table 1에 정리하였다.

Table 1

Keywords by organization