https://scholar.dgist.ac.kr/handle/20.500.11750/12478 2026-06-25T03:21:09Z https://scholar.dgist.ac.kr/handle/20.500.11750/60318 Title: 착탈식 모듈형 범용 그리퍼 장치 Author(s): 이상문; 안진웅; 홍대한; 이부환 Abstract: 본 발명은 전기 모터로 구동되는 전동 그리퍼로, 그리퍼를 복수의 모듈로 구성하여, 범용성 향상 및 유지보수의 용이성을 높인 착탈식 모듈형 범용 그리퍼 장치를 제공하기 위한 것이다.본 발명의 착탈식 모듈형 그리펑 장치는 작업물을 그리핑하는 그리핑 유니트가 설치되는 하우징;과 상기 하우징에 별도의 부품으로 착탈되는 전장 모듈;을 포함하고, 상기 전장 모듈은 외부 장치와 제1 신호를 입출력하는 로봇 서버 인터페이스부, 상기 구동 모듈에 전원 또는 제2 신호를 입출력하는 구동 모듈 제어부, 상기 그리핑 유니트의 동작 상태를 감지하는 센서의 제3 신호를 입출력하는 센서 인터페이스부 중 적어도 하나를 포함할 수 있다.본 발명의 착탈식 모듈형 범용 그리퍼 장치는 그리핑 유니트;와 그리핑 유니트가 설치되는 하우징;을 포함하고, 상기 그리핑 유니트는 작업물을 그립하는 악 모듈과, 상기 악 모듈에 구동력을 제공하는 구동 모듈을 포함하며, 상기 악 모율 및 상기 구동 모듈은 상기 하우징에 착탈 가능하게 마련될 수 있다. https://scholar.dgist.ac.kr/handle/20.500.11750/60238 Title: 통증 측정 장치 및 통증 측정 방법 Author(s): 안진웅 Abstract: 통증 측정 장치 및 통증 측정 방법이 개시된다. 특히, 본 개시에 따른 통증 측정 장치는 온도 자극부를 통해 제공되는 온도를 제어하고, 사용자 입력부를 통해 온도에 따른 자극의 수준을 기록하기 위한 사용자 입력을 수신하며, 카메라를 통해 자극에 따른 사용자의 외형 변화를 나타내는 이미지 데이터를 획득하고, 센서를 통해 자극에 따른 사용자의 생체 변화를 나타내는 생체 데이터를 획득하며, 사용자 입력에 대응되는 데이터, 이미지 데이터 및 생체 데이터에 기초하여 자극에 따른 상기 사용자의 통증 수준에 대한 정보를 획득할 수 있다. https://scholar.dgist.ac.kr/handle/20.500.11750/59261 Title: EFRM: A Multimodal EEG–fNIRS Representation-learning Model for few-shot brain-signal classification Author(s): Jung, Euijin; An, Jinung Abstract: Recent advances in brain signal analysis highlight the need for robust classifiers that can be trained with minimal labeled data. To meet this demand, transfer learning has emerged as a promising strategy: large-scale unlabeled data is used to train pre-trained models, which are later adapted with minimal labeled data. However, while most existing transfer learning studies focus primarily on electroencephalography (EEG) signals, their generalization to other brain signal modalities such as functional near-infrared spectroscopy (fNIRS) remains limited. To address this issue, we propose a multimodal representation model compatible with EEG-only, fNIRS-only, and paired EEG–fNIRS datasets. The proposed method consists of two stages: a pre-training stage that learns both modality-specific and shared representations across EEG and fNIRS, followed by a transfer learning stage adapted to specific downstream tasks. By leveraging the shared domain across EEG and fNIRS, our model outperforms single-modality approaches. We constructed pre-training datasets containing approximately 1250 h of brain signal recordings from 918 participants. Unlike previous multimodal approaches that require both EEG and fNIRS data for training, our method enables adaptation to single-modality datasets, enhancing flexibility and practicality. Experimental results demonstrate that our method achieves competitive performance in comparison with state-of-the-art supervised learning models, even with minimal labeled data. Our method also outperforms previously pre-trained models, showing especially significant improvements in fNIRS classification performance. 2025-11-30T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/58975 Title: Trained by demonstration humanoid robot controlled via a BCI system for telepresence Author(s): Saduanov, Batyrkhan; Alizadeh, Tohid; An, Jinung; Abibullaev, Berdakh Abstract: Onerous life of paralyzed people is a substantial problem of the world society and improving their life quality would be a great achievement. This paper proposes a solution in this regard based on telepresence, where a patient perceives and interacts with a world through an embodiment of a robot controlled by a Brain-Computer Interface (BCI) system. The proposed approach brings together two leading techniques: Programming by Demonstration and BCI. Several tasks could be learned by the robot observing someone performing the function. The end user would issue commands to the robot, using a BCI system, concerning its movement and the tasks to be performed. An experiment is designed and conducted, verifying the applicability of the proposed approach. © 2018 IEEE. 2018-01-16T15:00:00Z