최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Nulu Venugopal, 김우식
2015 / Korean Journal of Chemical Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 자율주행 차량에서 강화학습을 활용하여 경로 추종, 정적 장애물 회피, 보행자 회피 상황에 적용 가능한 제어기를 제안합니다. 가상 환경에서 반복적인 주행 시뮬레이션을 통해 학습을 진행하고, 제안하는 제어기의 성능을 Pure-Pursuit 및 Stanley 제어기와 비교했습니다. KNCAP 테스트 프로토콜 기반의 긴급 회피 조향 및 긴급 제동 시나리오에서 충돌 없는 실험 결과를 통해 제안하는 제어기의 효과를 입증했습니다.
Advances in intelligent vehicles
HCI International 2023 Posters : 25th International Conference on Human-Computer Interaction, HCII 2023, Copenhagen, Denmark, July 23–28, 2023, Proceedings, Part V
Nonlinear and hybrid systems in automotive control
Learning-based control : a tutorial and some recent results
Robust control : the parameter space approach
Handbook of learning and approximate dynamic programming
Control strategies for advanced driver assistance systems and autonomous driving functions : development, testing and verification
Autonomous ground vehicles
The darpa urban challenge : autonomous vehicles in city traffic
Recent advances in robot learning
Robotics : modelling, planning and control
자율주행 자동차 만들기 2e : 자율주행의 원리부터 연구 사례까지
Modelling and control of robot manipulators
Extremum-seeking control and applications : a numerical optimization-based approach
Recent Advances in Reinforcement Learning
Advanced robot control : proceedings of the International Workshop on Nonlinear and Adaptive Control, Issues in Robotics, Grenoble, France, Nov. 21-23, 1990
Progress in system and robot analysis and control design
Autonomous underwater vehicles : modeling, control design, and simulation
Advances in real-time systems
Vehicle dynamics and control
한국기계가공학회지
장정서, 손정우IEEE Transactions on Intelligent Transportation Systems
Kiran B.R.,Sobh I.,Talpaert V.,Mannion P.,Sallab A.A.A.,Yogamani S.,Perez P.로봇학회 논문지
강동훈, 봉재환, 박주영, 박신석IEEE Transactions on Intelligent Transportation Systems
Zhang, F.; Yang, G.-H.Neurocomputing
Jiang H.,Esfahani M.A.,Wu K.,Wan K.w.,Heng K.k.,Wang H.,Jiang X.International Journal of Modern Physics C
Guo, L.; Gao, S.; Pan, W.Sensors
Kim J.,Park S.,Kim J.,Yoo J.IEEE Transactions on Vehicular Technology
Wang J.,Sun H.,Zhu C.IEEE Transactions on Intelligent Vehicles
Ren Y.,Zhan G.,Li S.E.,Duan J.,Lyu Y.,Guan Y.,Li K.Journal of Intelligent Transportation Systems
Badr Ben Elallid; Miloud Bagaa; Nabil Benamar; Nabil MraniIEEE Transactions on Intelligent Transportation Systems
Miaomiao Cao; Victor O. K. Li; Qiqi ShuaiInformatics
Holen M.,Knausgård K.M.,Goodwin M.IEEE Robotics and Automation Letters
Morad S.D.,Mecca R.,Poudel R.P.K.,Liwicki S.,Cipolla R.IEEE Transactions on Intelligent Transportation Systems
Ziqing Gu; Lingping Gao; Haitong Ma; Shengbo Eben Li; Sifa Zheng; Wei Jing; Junbo ChenIEEE Transactions on Vehicular Technology
Qingyun Chen; Wanzhong Zhao; Lin Li; Chunyan Wang; Feng Chen제어.로봇.시스템학회 논문지
유윤하, doukhi oualid, 이덕진IEEE Transactions on Intelligent Transportation Systems
Yang, Y.; Ge, F.; Fan, J.; Zhao, J.; Dong, Z.IEEE Robotics and Automation Letters
Liu Huajian; Dong Wei; Mao Shouren; Wang Chao; Gao YongzhuoAerospace Science and Technology
Wu J.,Wang H.,Liu Y.,Zhang M.,Wu T.IEEE Transactions on Automation Science and Engineering
Wang K.,Mu C.,Ni Z.,Liu D.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.전선 / 대학원
차량, 항공기, 로봇 등의 제어에 사용되는 컴퓨터 시스템은 계산상의 정확성과 아울러 태스크가 주어진 시간 내에 종료되어야만 하는 실시간시스템이다. 이 과목에서는 이러한 실시간시스템 구성을 위한 태스크 스케쥴링, 프로그래밍기법, 통신, 자원관리 등의 기법에 대하여 학습한다. 또 기말과제를 통하여 각자의 연구분야의 실시간 특성에 대하여 연구할 기회를 갖는다.전선 / 학사
최근 급속한 기술 발달로 자율주행자동차, 드론, 휴머노이드, 무인생산로봇과 같은 스스로 인지 판단하여 움직이는 자율로봇들이 일상생활에 보급 등장하기 시작했다. 이들 로봇의 등장으로 사고가 나지 않거나 운전면허가 필요 없는 자동차나 사람이 진입이 어려운 핵발전소나 지진 재난현장에 구조 및 극한 작업을 하는 등 기존에 상상할 수 없었던 분야로 빠르게 응용되고 있다. 더욱이 빅데이터, 기계학습, 인공지능 기술과 결합하며 갈수록 인간스러운 로봇으로 발전하기 시작했고 실제로 여러 분야의 인간 노동력을 대체하기 시작했다. 이 수업에서는 수강생들은 자율로봇의 원리와 최신 기술 동향을 소개받고 실제 로봇 설계 및 프로그래밍을 통해 로봇의 지능을 구현해보고 응용함으로써 배우게 된다. 공대뿐만 아니라 다양한 전공의 학생들의 수강을 환영하며 수강생들은 다학제로 팀을 이루어 수업을 통해 배운 기술을 사용하여 새롭고 유용한 로봇을 만들게 된다. 모든 자료는 영어로 만들어 지며 한국어와 영어를 번갈아 가며 강의하고 실습을 강조하므로 교환학생 및 국제 학생의 수강신청도 권장한다.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
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 / 학사
이 과목은 자동차 환경규제와 제도의 대응을 위해 개발되는 다양한 동력원시스템의 원리, 구조 및 특징, 기존자동차와 전기차 전용플랫폼의 차이와 특징 등을 공부한다. 자동차에서 요구되는 동력특성을 이해하고 동력전달장치의 구성과 에너지흐름을 공부한다. 미래자동차의 중요 분야인 첨단운전자지원시스템(ADAS)과 자율주행차의 특징을 소개한다. 자동차가 환경에 미치는 영향을 공부하고 LCA 관점에서 동력원별 온실가스배출 특성을 알아본다.전선 / 대학원
이 과목에서는 실시간시스템분야에서의 최신 연구동향을 학습한다. 멀티코어/GPGPU 등의 병렬컴퓨팅 환경, 이종의 컴퓨팅자원들이 결합된 이종컴퓨팅 환경 등 새롭게 대두되는 컴퓨팅 환경에서 실시간시스템을 구성하는 최신 기법들을 학습한다. 또한, 자율주행, 인공지능, IoT등 새롭게 등장하는 응용에서 실시간성을 보장하기 위한 최신 연구들을 학습한다.전선 / 학사
본 과정에서는 인공지능에 대한 개요 및 deep learning에 대해 이해하며 TensorFlow 개념 및 기초 programming 실습을 진행한다. 그리고 Deep Learning 기반 Object Detection 방법과 무인점포 개발 응용을 위한 학습 trainset 자동 생성 방법을 실습을 통해 익힌다. 또한 AI Chip이 내장된 NPU 가속기 Board와 nVidia Jetson TX2 Board를 이용하여 YOLO V3 Object Detection 실습을 진행한다. 마지막으로 nVidia CUDA를 이용한 GPU Programming 개념 및 병렬 Programming 실습을 통해 GPU 구조에 대해 배운다.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
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
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용(MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.전선 / 대학원
본 강좌는 자율주행과 관련된 이론을 소개하고 자율주행 시스템의 응용을 살펴봅니다. 자율주행 기술은 자동차 및 각종 모빌리티에 매우 중요한 기술입니다. 본 강좌는 학생들에게 자율주행에 필요한 센싱, 심층학습, 의사 결정, 강화학습, 그리고 경로계획 알고리즘을 소개합니다. 또한 자율 시스템을 구축하고 이론적 지식을 실제 문제에 응용하는 방법들을 살펴봅니다.전선 / 대학원
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용 (MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.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
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 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.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.