[RE530] 센서 기반 이동 로봇
최신 이동로봇은 주변 객체 및 진행 가능 영역을 인식하는 카메라, 라이다, 레이다 센서 등의 센싱 결과를 기반으로 판단 및 경로 계획 그리고 동작 제어를 수행한다. 학생들은 센서의 원리와 센서별 주변 인식 인공지능을 공부하고 판단/계획/제어를 실행하는 강화학습 기술을 공부한다.
최신 이동로봇은 주변 객체 및 진행 가능 영역을 인식하는 카메라, 라이다, 레이다 센서 등의 센싱 결과를 기반으로 판단 및 경로 계획 그리고 동작 제어를 수행한다. 학생들은 센서의 원리와 센서별 주변 인식 인공지능을 공부하고 판단/계획/제어를 실행하는 강화학습 기술을 공부한다.
본 과목은 모빌리티 분야를 연구하는데 필요한 기계학습의 기반이 되는 다양한 확률 수학을 소개하는 과목으로, 확률 이론의 소개부터 기계학습에서 필요한 확률 기반의 모델링, 추정, 예측, 분별, 판단 이론을 공부한다.
본 과목은 최적제어에 필수인 최적의 시스템 상태추정 기술인 칼만필터의 원리를 공부하고, 칼만필터 기반의 다양한 변형 필터(확장 칼만 필터, 무향 칼만 필터, 강인 칼만 필터, 다중 모델 필터, 파티클 필터)를 소개한다. 또한, 이동체의 움직임을 예측하는 최신 응용 분야의 예로 다중 모델 필터를 소개한다.
자율주행 자동차의 시대가 성큼 앞으로다가오고있습니다. 이렇게 빨리 다가오고 있는 자율주행 원리에 대해 여러분은 얼마나 알고 계시나요?
본 과목에서는 자동차 항법 시스템에 사용되는 GNSS (Global Navigation Satellite Systems)와 INS (Inertial Navigation System) 기술의 원리와 신호 체계 및 신호 처리 기술을 소개한다. 또한, 최신 영상과 Lidar 기반 항법 기술에 대하여 알아본다.
강화학습은 기계학습의 한 분야로써, 주어진 환경에서 에이전트의 연속적 행동을 통해 최대의 이득을 얻는 행동 정책(policy)을 찾는 것을 목표로 하며, 자율주행자동차에서도 강화학습 기술은 다양하게 응용되고 있다. 최근 강화학습에서는 가치함수 없이 최적 정책을 바로 추정하는 정책 기반 기술 연구가 진행되고 있는데, 본 과목에서는 강화학습을 위한 정책 기반 기술로써 다양한 정책 경사 기술의 원리를 이해하고 자율주행 기술에서의 성능을 분석한다.
본 과목의 전반부는 자동 항법과 자율 주행 시스템을 구현하는 측위 및 항법과 주변 인지를 위한 센서 시스템를 소개하고, 후반에는 이러한 센서 융합을 기반으로 주변 탐지와 확률 항법을 구현하는 인공지능 응용 기술을 다룬다.
본 과목에서는 자율주행 자동차에서 활용되는 레이다, 라이다, GPS, 카메라와 같은 센서의 디지털 신호 처리 기술을 배우고 센서의 측정 출력으로부터 유용한 정보를 추출하기 위하여 사용되는 심층학습 기반 데이터 처리 기술 및 센서 융합 기술을 공부한다.