최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Xie W.,Xu D.,Chen F.,Wang Z.,Luo J.,He Y.,Zheng Q.,Liu C.
2023 / International Journal of Molecular Sciences
데이터가 존재하지 않습니다.
loading...
Introduction to autonomous manipulation : case study with an underwater robot, SAUVIM
Robotics: Industry 4.0 Issues & New Intelligent Control Paradigms
Autonomous underwater vehicles : modeling, control design, and simulation
Cyber-physical system design with sensor networking technologies
UAV cooperative decision and control : challenges and practical approaches
Sharing a vision : systems and algorithms for collaboratively-teleoperated robotic cameras
Mobile service robotics
Flight formation control
Distributed consensus in multi-vehicle cooperative control : theory and applications
Underwater robots
Autonomous robotic systems
Artificial intelligence in wireless robotics
Introduction to robotics in CIM systems
Robust Intelligence and Trust in Autonomous Systems
AI technology for underwater robots
Robots and Art : Exploring an Unlikely Symbiosis
Control problems in robotics and automation
Robot navigation from nature : simultaneous localisation, mapping, and path planning based on hippocampal models
전기학회논문지
만동우; 기현승; 김현식IEEE ACCESS
Pi, Roger; Cieslak, Patryk; Ridao, Pere; Sanz, Pedro J.IEEE Transactions on Robotics, Robotics, IEEE Transactions on, IEEE Trans. Robot.
Chevallereau, C.; Benachenhou, M.-R.; Lebastard, V.; Boyer, F.IEEE Transactions on Industrial Electronics, Industrial Electronics, IEEE Transactions on, IEEE Trans. Ind. Electron.
Yu, J.; Wang, C.; Xie, G.IEEE Transactions on Control Systems Technology
Di Lillo P.,Simetti E.,Wanderlingh F.,Casalino G.,Antonelli G.International Journal of Robotics Research
Rahman S.,Quattrini Li A.,Rekleitis I.IEEE Transactions on Control of Network Systems
Ferrari S.,Wettergren T.,Linares R.,Legrand K.Robotics and Autonomous Systems
Cai W.,Liu Z.,Zhang M.,Wang C.IEEE/CAA Journal of Automatica Sinica
Zhou Z.,Liu J.,Yu J.Artificial Life and Robotics
Taira, Y.; Sagara, S.; Oya, M.IEEE Transactions on Industrial Electronics
Xianxin Zhou; Lu Zhang; Weishan Chen; Qiwei Liang; Biao Liu; Haoyuan Zheng; Kai LiIEEE/ASME Transactions on Mechatronics
Yi Shen; Ruochen Tai; Jinghao Zhang; Linan Deng; Ye Yuan; Rong Su; Fumin Zhang; Han DingIOP Conference Series: Materials Science and Engineering
Iacoponi, S.; Hanbaly, M.; Infanti, A.; Andonovski, B.; Mankovskii, N.; Zhilin, I.; Renda, F.; Stefanini, C.; Masi, G. DeIEEE Journal of Oceanic Engineering, Oceanic Engineering, IEEE Journal of, IEEE J. Oceanic Eng.
Djapic, V.; Curtin, T.B.; Kirkwood, W.J.; Potter, J.R.; Cruz, N.A.제어.로봇.시스템학회 논문지
김대은, 유승은IEEE Robotics and Automation Magazine
Gomez Chavez A.,Ranieri A.,Chiarella D.,Birk A.International Journal of Control, Automation, and Systems
SonOcean Engineering
Li Z.,Gai Q.,Lei M.,Yan H.,Xia D.IEEE Robotics and Automation Letters
Muskardin T.,Coelho A.,Noce E.R.D.,Ollero A.,Kondak K.CYBORG AND BIONIC SYSTEMS
Sun, Linxiang; Wang, Yu; Hui, Xiaolong; Ma, Xibo; Bai, Xuejian; Tan, Min전선 / 대학원
인간환경에서 동작하는 미래의 복잡한 로봇을 제어하고 상호작용을 가능하게 할 수 있도록 하는 로보틱스 주제들을 다룬다. 분야는 여유자유도가 있는 로봇의 동역학 및 제어, 사람형태의 로봇, 물리적 또는 가상의 로봇과 햅틱 상호작용, 협동하는 로봇, 쌍방향 원격조정, 로봇 Grasping, 로봇 계획 등이다.전선 / 대학원
인간환경에서 동작하는 미래의 복잡한 로봇을 제어하고 상호작용을 가능하게 할 수 있도록 하는 로보틱스 주제들을 다룬다. 분야는 여유자유도가 있는 로봇의 동역학 및 제어, 사람형태의 로봇, 물리적 또는 가상의 로봇과 햅틱 상호작용, 협동하는 로봇, 쌍방향 원격조정, 로봇 Grasping, 로봇 계획 등이다.전선 / 대학원
이 과목에서는 휴머노이드 로봇의 보행제어를 다룬다. 학생들은 이와 관련된 제어이론들을 배우고, 습득한 이론들을 시뮬레이션 환경과 실제 로봇에 구현한다. 프로젝트에서는 좀 더 고급이론들을 이해하고 휴머노이드 로봇에 구현하여 실제 데모를 완성하는 것을 목표로 한다.전선 / 대학원
액츄에이션과 센싱은 대부분의 로봇시스템에서 핵심기능이다. 이 과목에서는 실제 로봇에서 사용되는 다양한 형태의 액츄에이터와 센서들의 기계적, 전기적 매커니즘을 살펴본다. 세부주제로는 전자기 액츄에이터, 유압 또는 공압 기반 액츄에이터, 고분자 액츄에이터, 생체 모사 인공근육, 힘 또는 촉각센서, 비젼센서, 소프트 센서 등을 포함한다. 이러한 액츄에이터와 센서들이 어떤 방식으로 작동을 하고 성능이 결정되는 지와 함께, 멀티 스케일 관점에서 실제 로봇 또는 기계 시스템에 적용이 될 때, 고려해야 할 설계요건들을 기계적인 특성, 제어 전략, 신호처리 등의 관점에서 알아본다.논문 / 대학원
본 교과목은 (협동과정)우주시스템전공 소속의 대학원생들이 창의적이고 우수한 우주시스템 전공의 학위논문을 쓰기 위하여 지도교수와 적절한 주제를 선정하여 관련된 문헌을 강독하고 분석하여 연구한 바를 지도교수와 정기적으로 토론한다. 본 교과목은 우주시스템 관련 연구 분야인 위성시스템, 발사체시스템, 우주추진, 희박공기역학, 우주소재, 우주과학, 위성활용을 통한 지구과학, 대기과학 및 해양과학 등의 분야에서 특정 주제를 선정하여 이론, 실험, 모델링, 설계, 해석, 제작, 시스템 엔지니어링 등의 다양한 연구방법을 적용하여 해당분야에서 우주시스템 분야 진보를 위한 전문가와 리더가 되기 위한 기초 및 응용 연구를 하는 것으로 한다.전선 / 대학원
본 과목에서는 지능형시스템의 이론 및 구현의 바탕이 되는 수학을 다룬다. 컴퓨터 시스템, 로보틱스, 시스템 이론 등의 필수가 되는 대학원 수준의 선형대수를 비롯한 여러 주제의 응용수학을 배우며, 엄밀한 증명보다는 개념의 이해와 실제 응용을 목표로 한다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 대학원
본 과정은 선형 시스템, 전달 함수, 라플라스 변환에 대하여 소개한다. 안정성과 피드백을 다루고 과도 응답 사양을 위한 기본 설계 도구를 제공한다. 또한 주파수 영역 기술도 간략하게 다룬다. 이 과정에는 컴퓨터 프로그래밍 실습 및 제어 설계 프로젝트가 포함된다. 실습 프로젝트에 관련된 전공은 조선해양공학은 물론 로봇공학, 기계공학, 전자공학, 전기공학, 산업응용수학 등이다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.논문 / 대학원
이 과목은 석사 및 박사 학위 과정에 있는 학생들이 인공지능의 각 분야의 연구 경험을 쌓을 기회를 제공하는 것이다. 학생들은 이 과목을 통하여 인공 지능의 이론과 응용에 대해 공부하고, 각자의 연구 방향과 주제를 설정하며, 최종적으로는 연구 성과를 달성하는 것을 목표로 한다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
자율주행 이동 로봇공학은 로봇이 임의 공간에서 무인으로 이동하면서 주변을 탐색하고 현재 위치를 추정하면서 동시에 주위 공간의 지도를 작성하는 문제와 경로 계획 및 경로 최적화를 다룬다. 작성된 지도는 로봇이 주변 환경을 인식하는데 사용되며 로봇은 환경과 연속적으로 상호작용하게 된다. 이 내용은 기계 학습의 확률적 추론에 기반하고 있으며 수상/수중 로봇, 지능형 제조 작업 수행, 물류 처리 로봇의 핵심 알고리즘으로 사용된다. 베이즈 필터, 칼만 필터, 입자 필터, 동시적 위치추정 및 지도작성, 확장칼만필터 SLAM, 빠른 SLAM, 그래프 SLAM, 경로 계획 등에 대하여 학습토록 한다. 파이썬/C++ 프로그래밍의 기초 지식을 필요로 한다.전선 / 대학원
이 과목은 차량동역학 및 제어 시스템과 제어이론응용을 다룬다. 동역학적 해석을 위한 물리적인 특성 및 모델링, 차량주행안전성, 스마트 자율주행 시스템에 대해 강의하고 이런 시스템에 응용되는 제어이론 및 제어기법을 학습할 수 있도록 한다. 특히, 스마트 자율주행 제어시스템의 최신 기술동향에 대해 소개한다. 자동차의 사고방지안전시스템 및 운전자보조시스템에 적용되는 제어이론을 소개한다. 또한 자율주행자동차에 핵심요소기술, 위치정보, 도로주위환경인지, 주행모드판단제어의 기본이론을 소개한다.전선 / 대학원
로봇학습은 로봇공학과 인공지능(AI) 기술을 결합하여 로봇이 인간처럼 경험을 통해 새로운 기술과 지식을 습득하는 방법을 연구하는 학문이다. 로봇학습을 이용해 로봇은 데이터와 주변 환경과의 상호작용을 통해 새로운 환경, 작업 및 상황에 적응하며 배울 수 있다. 로봇학습에는 로봇이 모든 시나리오에 대해 명시적 프로그래밍 없이 자율적으로 작업을 수행할 수 있는 능력을 갖출 수 있도록 다양한 기술과 접근방법을 포함하고 있다. 로봇학습의 목표는 로봇이 실제 세계의 다양성과 불확실성을 다루며 변화하는 조건에 적응하고 작업을 자율적으로 수행할 수 있는 로봇을 만드는 것이다. 이 강좌에서는 모방 학습과 심층 강화학습을 포함한 로봇학습의 최근 발전을 리뷰한다. 먼저 Markov decision processes (MDP)와 전통적인 강화학습 기법을 리뷰한다. 그리고 behavior cloning, inverse reinforcement learning, policy gradient, deep Q-network (DQN), 생성적 적대 신경망(GAN) 및 생성적 적대 모방 학습과 같은 주제를 포함한 모방 학습, 딥러닝 및 심층 강화 학습의 최근 개발 동향을 리뷰한다.전선 / 대학원
제어시스템의 기본개념과 선형시스템 기초, 최적제어, dynamic programming, Hamilton-Jacobi이론, 기하학적 비선형 제어이론 등을 공부한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 강좌에서는 네트워크 위상, 전달 경로, 패킷 흐름의 조절, 라우터 디자인, 교착상태의 탐지 및 회피, 혼잡 제어 등 상호연결 네트워크의 구조와 설계에 관한 주제를 다룬다. 이와 함께 on-chip 네트워크, 병렬 컴퓨터, 공유 메모리의 상호연결, 데이터 센터 네트워크와 인터넷 라우터의 스위칭 조직 등 상호연결 네트워크의 이론이 활용될 수 있는 예를 살펴본다.전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.