최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. 삼성전자를 지원한 이유와 입사 후 회사에서 이루고 싶은 꿈을 기술하십시오.
"최적의 로봇 개발"
학부와 교내 활동에서 여러 번 로봇을 구현해보았습니다. 구현 과정 중 매번 어려웠던 것은 이론을 통해 얻은 값을 실습 과정에서 대입했을 때, 항상 예측 값과 실험 값 사이에서 크고 작은 오차가 발생하여 구동이 원활하지 않은 것이었습니다. SW의 알고리즘들도 성능이 각기 차이가 크며 HW를 구성하는 부품들도 가격에 비례해 성능 차이가 큰 것을 확인했고, 또한 SW와 HW를 결합하는 과정에서도 문제에 직면하는 경우가 발생했습니다. 이러한 오차들을 없애기 위해, 강화학습을 통한 제어나 PID 제어 혹은 상태 공간 제어 등 다양한 제어기법을 비교해보며 어떠한 제어나 학습 기법이 Error나 Overshoots등을 고려했을 때, 가장 최적인지 경험해보았습니다.삼성전자는 지난해 초 당시 CE부문 산하 로봇사업화 TF를 만들어 로봇 사업을 타진해 왔고, 이후 12월 조직개편을 통해 TF를 정식 상설 조직인 “로봇사업팀”으로 격상했습니다. 삼성전자의 로봇사업부는 지금 태동기라고 생각합니다. 로봇전문가가 되고 싶었던 저에게 삼성의 경영이념인 인재와 기술을 바탕으로 최고의 제품을 창출한다는 점이 부합하여 지원하게 되었습니다.정밀 제어 솔루션을 개발하는 것이 삼성전자에서 제가 이루고 싶은 꿈입니다.여러 제어 기법들을 활용하여 로봇에 정밀한 제어 솔루션을 개발하고 싶습니다. 그래서 가까운 미래에 최고의 제품을 창출하는 로봇사업부의 주춧돌이 되고 싶습니다.
2. 본인의 성장과정을 간략히 기술하되 현재의 자신에게 가장 큰 영향을 끼친 사건, 인물 등을 포함하여 기술하시기 바랍니다. (※작품속 가상인물도 가능)
"끊임없는 피드백과 지식 향상에 대한 열정"
저는 부모님 아래에서 다수의 긍정적인 것들을 느끼며 자랐습니다.특히 제가 어렸을 때, 아버지께서 대학교수로 근무하시면서 평일 늦은 시간이나 주말에도 끊임없이 공부하시는 모습을 보고 자라학문 연구에 대한 진실성과 끈기를 간접적으로 많이 보고 배웠습니다.해서 저도 자연스럽게 제가 맡은 업무에 대해 성실하고 주인의식을 가지며 행동하게 되었습니다.또한, 저보다 높은 위치에 있는 사람들과 스스로를 끊임없이 비교하여 피드백을 해왔습니다.이 방식이 저의 자신감을 낮추기도 했지만, 발전하는데에도 큰 영향을 주었습니다.16년 알파고 등 AI와 딥러닝에 대한 기사들을 접하면서 스스로 학습한다는 것에 흥미를 느끼게 되어 광운대학교 로봇학부에 입학하였습니다.대학에 와서 깊은 이론 지식과 이를 활용한 여러 실습 활동을 하며 로봇공학자가 되기 위한 역량을 많이 기르게 되었습니다.여러 활동 중 저에게 큰 영향을 끼친 활동을 설명드리자면,첫 번째로는 제어 시스템 과목의 텀프로젝트를 진행하며 MATLAB의 SIMULINK을 활용하여 DC모터를 수학적으로 모델링하고 이를 Disturbance가 적용되었을 때 PID제어와 State space를 통한 제어를 하여 정상 상태 오차와 Overshoot를 최소화하는 작업을 하였습니다.
구체적으로 말씀드리자면, 모터를 구성하는 전압, 저항, 인덕턴스 등은 실제 데이터 시트를 참고하여 설정하였고 이를 전기적 방정식과 기계적 방정식으로 계산하고 이 방정식들을 라플라스 변환을 통해 전달 함수를 도출했습니다. 각도, 각속도, 전류를 state space의 인자로 두고 state space equation을 구하고 지향하는 performance index에 맞게끔 시스템을 controllable, observable하게 조정하였습니다.이 프로젝트를 진행하며 파라미터 값 설정이나 Block diagram 설정 등 제어에 대한 이론과 실습능력을 상당히 높힐수 있었습니다.두 번째 활동으로는 로봇제어의 프로젝트입니다.Matlab으로 1~3 DOF manipulator의 end effector를 원하는 위치에다 놓는 PID제어를 진행하였는데,이론적 계산 방식은 Forward Kinematic방식을 사용하여 Transformation matrix를 구하여 계산을 하면 되었는데, 시뮬레이션을 진행할때는 중력 보상 등 고려해야 할 요소들이 많았습니다. 그래서 라그랑지안 방정식을 이용하였고, PID의 이상적인 gain 값을 trial&error을 통해 설정하고 게인 별 특성을 비교하는 등 로봇 팔에 대한 제어능력을 많이 배울 수 있었습니다.이렇게 여러 로봇과 관련된 프로젝트를 성공적으로 진행하면서 로봇에 대한 전문 지식이 쌓이고 자신감도 많이 높아졌습니다.이러한 일련의 과정들을 겪으면서 제가 정말로 원하는게 무엇인지 알게 되었고 그에 대한 방향성도 정해졌습니다.
3. 최근 사회이슈 중 중요하다고 생각되는 한가지를 선택하고 이에 관한 자신의 견해를 기술해 주시기 바랍니다.
"다양한 로봇의 필요성"
저는 다양한 분야의 로봇들이 보급화되어야 한다고 생각합니다.이미 많은 로봇들을 개발하였지만, 실생활에서 접할 수 있는 로봇은 서빙 로봇, 로봇 청소기 등 극히 한정적이라고 생각합니다.저는 재난 사건과 관련해서 언급하고자 합니다.지난 2022년 1월 11일 광주 화정아이파크 아파트 신축현장에서 23~38층 일부 구조물이 붕괴되는 참사가 일어났습니다.이 사건을 두고 고용노동부에서는 건설현장 12곳의 안전관리 책임자를 산업안전보건법 위반 혐의로 수사를 진행하였고,사법처리 대상에 오른 위반 사항만 306건에 달했다고 밝힌바 있습니다.즉, 많은 건설 공사가 굉장히 부실하고 붕괴 사고가 재연될 가능성이 농후하다는 의미를 담고 있습니다.이렇듯, 건설 현장 자체도 개선을 해야하지만 이러한 붕괴 사고가 났을 시, 인명피해를 최소화하는 방안을 강구해야 합니다.삼성 전자는 2022년 1월 17일에 '삼성봇'을 미국과 캐나다 특허청에 상표를 등록하고 ‘삼성봇’에 대해 산업용 로봇은 물론, 외골격 로봇, 로봇 청소기, 가정용 조리기구, 휴머노이드(사람 형태의 로봇), 서빙 로봇 등에 적용될 수 있다고 밝힌바 있습니다.저는 이 발표에 한 발자국 더 앞서나가, 각 상황에 최적의 구조 로봇도 개발하여 인명 피해를 최소화시킬 수 있게 해야 한다고 생각합니다. 이렇게 삼성 전자가 로봇을 산업 분야에만 국한시키지 않고 더 넓은 분야에 상용화시킬 수 있다면, 로봇산업계에서 국내 뿐 아니라 전세계에서 선두권에 있는 일본, 독일 등을 상대로도 글로벌 경쟁력을 갖출 수 있다고 생각합니다.
4. 프로그램 개발, 알고리즘 풀이 등 SW개발 관련 경험 중 가장 어려웠던 경험과 해결방안에 대해 구체적으로 서술하여 주시기 바랍니다. (과제 개요, 어려웠던 점, 해결방법, 결과 포함)
"문제에 대한 편협한 시각에서 벗어나다"
강화학습 프로젝트였던 Inverted Pendulum에 대한 알고리즘 비교 경험을 언급하고자 합니다.Inverted Pendulum을 Start Point에서 1m를 이동시킨 후, 수직상태를 유지하는 것을 목표로 하였습니다.이론적으로 자신이 있었던 DQN Algorithm, REINFORCE Algorithm, A2C Algorithm를 사용했습니다.오픈소스를 활용하여 세 개의 알고리즘 모두 Train set, Test set, Environment set으로 각자 구성하고Environment set에서는 Inverted Pendulum의 물리적 원리(제어)와 관련된 코드로 구성하고Train set에서 해당 알고리즘을 학습시켜 Test set에서 검증하는 방법을 활용했습니다.문제는 Starting point를 1m 이동시켜 학습시키려는 부분에서 발생했습니다.처음에는 Starting point를 1m 옮겨야 하기에 물리적 원리인 Environment set과 관련있다고 생각하여Environment set에서 1m이동하고 그 주변에 가까이 있을 수록 reward를 크게 주고 벗어날 경우 reward를 작게 주는 방식으로 했는데,Train때 Episode수를 아무리 늘려도, 검증시 의도한대로 적용이 되지 않아서 계속 Environment set에서만 reward나 거리 반비례 부분 3,4일 가량을 수정 반복했습니다.해서 이론적인 부분을 복습하며 학습시킬 때, 거리반비례로 reward를 주어야 검증 시 원하는 방식이 적용된다는 것을 깨달았습니다.그래서 Train set부분에서 거리 반비례로 reward를 주는 문을 추가하였습니다.실행한 결과 학습이 잘 적용이 되었고, 동일 Episode에서 DQN, A2C, REINFORCE순으로 학습이 잘된다는 것을 도출했습니다.이론과도 상응했습니다.위의 경험과 같이 편협한 사고에서 벗어나서 끊임없이 고뇌하면 최선의 결과를 얻을 수 있다는 것을 느꼈습니다.