최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Zhaolong Gao; Rongyu Tang; Luyao Chen; Qiang Huang; Jiping He
2020 / International Journal of Advanced Robotic Systems
데이터가 존재하지 않습니다.
loading...
의수 사용자는 도달 궤적 및 잡기 위치 선택은 가능하지만, 과도한 힘 없이 물체 표면에 맞춰 손가락을 움직이는 데 어려움을 겪습니다. 본 연구에서는 사용자의 의도와 계획 능력을 로봇 제어와 결합하기 위해 공동 제어를 제안하며, 이를 위해 심층 결정론적 정책 기울기와 회고적 경험 재생을 결합한 적응형 동적 프로그래밍 및 강화 학습 기반 제어 알고리즘을 사용했습니다. 시뮬레이션 환경에서 사용자의 의도를 따르고 안전을 위해 접촉력을 제한하는 시스템의 능력을 테스트했습니다.
Robot physical interaction through the combination of vision, tactile and force feedback : applications to assistive robotics
Advanced bimanual manipulation : results from the DEXMART Project
Experimental robotics : the 10th international symposium on experimental robotics
Advanced topics in artificial intelligence : 10th Australian Joint Conference on Artificial Intelligence, AI'97, Perth, Australia, November 30- December 4, 1997, proceedings
Experimental robotics IV : the 4th international symposium, Stanford, California, June 30-July 2, 1995
Experimental robotics I : the first international symposium, Montreal, June 19-21, 1989
Complex robotic systems
Reasoning with uncertainty in robotics : international workshop, RUR '95, Amsterdam, The Netherlands, December 4-6, 1995 : proceedings
Sensor based intelligent robots : international workshop, Dagstuhl Castle, Germany, September 28-October 2, 1998 : selected papers
Dextrous robot hands
KI-95 : advances in artificial intelligence : 19th Annual German Conference on Artificial Intelligence, Bielefeld, Germany, September 11-13, 1995 : proceedings
Advances in artificial intelligence : 11th Biennial Conference of the Canadian Society for Computational Studies of Intelligence, AI '96 Toronto, Ontario, Canada, May 21-24, 1996 : proceediengs
Consensus and synchronization in complex networks
Robot programming by demonstration : a probabilistic approach
Partially observed Markov decision processes : from filtering to controlled sensing
Introduction to autonomous manipulation : case study with an underwater robot, SAUVIM
Advanced robot control : proceedings of the International Workshop on Nonlinear and Adaptive Control, Issues in Robotics, Grenoble, France, Nov. 21-23, 1990
Advanced topics in artificial intelligence : 11th Australian Joint Conference on Artificial Intelligence, AI'98 Brisbane, Australia, July 13-17, 1998
Approximate iterative algorithms
Control problems in robotics and automation
Science China Technological Sciences
Yang D.P.,Liu H.Biomedical Signal Processing and Control
Wang X.,Wang J.,Li K.Nature Machine Intelligence
Zhuang K.Z.,Sommer N.,Mendez V.,Aryan S.,Formento E.,D’Anna E.,Artoni F.,Petrini F.,Granata G.,Cannaviello G.,Raffoul W.,Billard A.,Micera S.Frontiers in Neuroinformatics
Dong R.,Du J.,Liu Y.,Heidari A.A.,Chen H.INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS
Xi, Bao; Wang, Shuo; Ye, Xuemei; Cai, Yinghao; Lu, Tao; Wang, RuiAdvances in Mechanical Engineering
Barone, Roberto; Ciancio, Anna Lisa; Romeo, Rocco Antonio; Davalli, Angelo; Sacchetti, Rinaldo; Guglielmelli, Eugenio; Zollo, LoredanaApplied Sciences (Switzerland)
Sekkat H.,Tigani S.,Saadane R.,Chehri A.Biological Cybernetics
Pang B.,Cui L.,Jiang Z.P.IEEE Robotics and Automation Letters
Narita T.,Kroemer O.Pattern Recognition Letters
Martins G.S.,Al Tair H.,Santos L.,Dias J.International Journal of Advanced Robotic Systems
Jian Huang; Yoshinori Sano; Ryota Hori; Takayuki Hori; Tetsuro YabutaInternational journal of computer assisted radiology and surgery
Stephens TK; Kong NJ; Dockter RL; O'Neill JJ; Sweet RM; Kowalewski TMIEEE Internet of Things Journal, Internet of Things Journal, IEEE, IEEE Internet Things J.
Fan, J.; Chang, X.; Misic, J.; Misic, V.B.; Yang, T.; Gong, Y.International Journal of Robotics Research
Javdani, S.; Admoni, H.; Srinivasa, S.S.; Bagnell, J.A.; Pellegrinelli, S.IEEE Internet of Things Journal
Junchao Fan; Xiaolin Chang; Jelena Mišić; Vojislav B. Mišić; Tong Yang; Yanwei GongJournal of Intelligent & Robotic Systems: with a special section on Unmanned Systems
Bowman, Michael; Zhang, Jiucai; Zhang, XiaoliApplied Sciences (Switzerland)
Rasines I.,Prada M.,Bobrov V.,Agrawal D.,Martinez L.,Iriondo P.,Remazeilles A.,McIntyre J.IEEE Transactions on Vehicular Technology
Tao Dusit Niyato; Joash Lee; Yong Liang Guan; Dong In KimAPPLIED SCIENCES-BASEL
Kim, MyeongSeop; Han, Dong-Ki; Park, Jae-Han; Kim, Jung-Su2019 INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA)
Garg, Neha P.; Hsu, David; Lee, Wee Sun전선 / 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 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
공정설계, 운전, 스케줄링, 플래닝과 같은 화학 공정 및 플랜트 산업에서 의사결정문제는 동적최적화 문제로 표현된다. 이러한 문제들은 내재적인 불확실성과 계산의 복잡성으로 인해 모델을 이용한 방법으로는 접근하기가 어렵다. 이 수업에서는 이러한 문제를 해결하고 최적 운영해를 얻기 위한 통합된 방법론으로서 추계적 동적최적화를 핵심 주제로 다룬다. 최근에는 복잡한 동적최적화 문제를 해결하기 위해 인공지능과 기계학습 기법이 동적최적화 이론과 결합하고 있고 대표적인 예가 강화학습이다. 이 수업에서는 이러한 방법론을 다루기 위해 동적계획법을 배경 이론으로 설명하고 화학공정 최적화에 적용 가능한 강화학습 방법론을 언급한다. 또한, 회분식 공정에 적합한 학습기반 제어 기법인 반복학습제어도 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.전선 / 대학원
데이터사이언스와 관련한 여러 분야의 최근의 국내외 연구동향을 소개한다. 강의와 세미나를 통하여 관련분야의 최신 방법론과 특정 주제를 심도 있게 습득할 수 있도록 한다.전선 / 대학원
본 강의에서는 제조시스템의 동적 스케줄링을 자동화/최적화하기 위한 심층강화학습을 학습한다. 우선, 전통적인 강화학습 이론에 대한 이해를 위해 MDP(Markov Decision Process), Dynamic Programming, Temporal Difference Control을 학습하고, 복잡한 문제 해결을 위한 근사방법으로 Function Approximation 및 Policy Gradient 이론을 학습한다. 다음으로, 강화학습에 심층인공신경망을 접목한 심층강화학습을 위해 DQN(Deep Q-Network), AC(Actor Critic) 등의 심층강화학습 이론을 학습한다. 마지막으로, permutation flowshop scheduling, flexible jobshop 등 대표적인 제조유형의 스케줄링 문제에 심층강화학습을 적용하는 이론 및 실습을 진행한다. 이때 대표 제조유형에 대한 환경은 DES 시뮬레이션 방법을 적용하여 실제 제조시스템의 복잡한 제약조건들을 반영할 수 있도록 한다.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
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
본 강좌는 강화학습 분야의 다양한 알고리즘의 이론과 실제를 소개한다. Markov 의사 결정 프로세스의 기초를 배우고, 탐색 및 일반화를 포함한 강화학습의 핵심 과제 등을 다룬다. 실습을 통해 강화학습에서 사용되는 주요 알고리즘 기법(모델 기반, 모델 프리, 정책 경사 등)을 학습한다. 이 강좌를 통해 학생들이 강화학습의 기본 이론을 이해하고, (심층) 강화학습 알고리즘을 구현하는 것을 목표로 한다. • Markov 의사 결정 프로세스 • 테이블 형식 방법 • 함수 근사법을 이용한 강화학습(모델 기반 및 모델 프리 방법) • 정책 경사 • 탐색 및 활용전선 / 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
인간과 같은 구조와 원리로 인간지능을 재현해 내는 인공지능 기술의 발달로 그간 자동화와 전산화의 영역의 밖이었던 제조 영역 곳곳에 혁신을 가져올 것으로 기대되고 있다. 본 과목은 제품의 제조에 있어 인공지능 기술을 어떻게 활용할 수 있는지 그 근본 원리와 가능성 그리고 한계에 대해 이해하는 것을 목표로 한다. 이를 위해 제품 검사, 예측과 유지보수 뿐만이 아니라, 제품 설계, 재료 발견 및 설계, 지능기반 제조기계를 포함하는 제조 흐름마다의 현장 수요와 문제점, 그리고 그 문제를 해결할 수 있는 구체적 기술을 이론과 실제 제조 공정의 사례와 데이터로 익히게 된다.전선 / 대학원
인간이 운동을 생성하고 조절 할 때 사용되는 기전을 밝히고, 이 때에 적용되는 원리를 규명하는 것이 운동 제어 연구이다. 최근에 복잡한 인간의 신경체계와 근육체계로 인한 무한한 자유도 생성의 문제와 협응구조의 개념을 통한 학습을 하게 될 것이다.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
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
"오늘날과 같이 기술간제품간 융합이 활발히 이루어지고, 소비자들의 신제품에 대한 수요가 다양해지는 환경에서, 신기술 혹은 신제품의 성패는 기술적인 요인에 의해서 결정되어 진다기보다는 시장에서의 성공에 좌우된다고 할 수 있다. 따라서, 신기술 및 신제품에 대한 수요분석 및 예측은 기업전략은 물론 국가의 연구개발정책에 있어서도 그 중요성이 더욱더 커진다고 할 수 있다. 본 교과는 이와 같은 신 기술경제 패러다임(New Techno-Economics Paradigm) 하에서 빠른 기술혁신과 불확실한 시장으로 정의될 수 있는 신기술 및 신제품의 수요를 분석하는데 필요한 기초적인 지식을 교육한다. 교과내용은 크게 2가지로 나누어지는데, 첫번째는 신기술의 개별속성에 대한 소비자의 선호구조를 분석하는데 필요한 다양한 이산선택모형(discrete choice model)과 이를 추정하는데 필요한 여러 가지 시뮬레이션 기법 및 베이지안적 접근에 의한 추정법이 포함되고, 두번째는 위험함수(hazard function)의 정의에 기반한 광범위한 형태의 확산모형(diffusion model)을 이용한 수요예측모형이 포함된다."전선 / 학사
생명체는 현대 기계 및 전기 시스템에서 관찰되는 시간적 및 공간적 정밀도에 필적하거나 종종 능가하는 고도로 복잡하지만 조화로운 역학을 보인다. 이 강좌에서는 생물학적 현상에 적용되는 모델링과 제어 이론의 기본 원리를 탐구한다. 학생들은 수학적 모델, 실험 데이터 및 전산 시뮬레이션을 통합하여 생물학적 시스템의 제어 전략을 식별, 분석 및 설계하는 방법을 배우게 된다. 피드백 제어, 시스템 식별, 확률론적 모델링 및 생체 계측과 같은 주제를 다룰 예정이며, 기계 공학 원리를 사용하여 생명체의 복잡한 역학을 효과적으로 탐색하는데 필요한 지식과 기술을 학생들에게 제시한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
사물이나 공간을 대상으로 하는 인터랙션 디자인에 있어서 컴퓨터 기술을 물리적 조형에 어떻게 접목시킬 수 있는가에 대해 연구하고 실습을 통해 디자인 프로젝트에 적용해보는 수업이다. 컴퓨터 프로그래밍에 대한 기초지식을 갖춘 학생들을 대상으로 하며, 피지컬 컴퓨팅을 위한 보드 컨트롤, 센서 및 출력장치 등 전기, 전자에 대한 내용과 함께, 이를 디자인 개념 구현에 어떻게 응용할 수 있는가에 대해 연구하고 디자인 가능성을 실험한다.전선 / 대학원
본 과목은 사회통계의 고급수준에 해당되는 부분으로 이론적 기초와 분석방법을 이해하고, 사회복지와 관련자료를 컴퓨터를 이용하여 분석한 후 보고서를 작성하는 연습을 한다. 이 과목에서는 부제에 따라 구조방정식 및 잠재성장모형 혹은 인과추론 및 정책평가에 대해 중점적으로 다룬다. 그러므로 이 과목의 수강은 사회통계의 초급수준을 이해함을 전제로 한다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정기계학습, 설명가능 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.