로봇공학과 인공지능

강좌 소개

수업내용/목표

본 강좌는 ai 인공지능 기술과 그 주요 응용 분야인 로봇 공학 기술을 소개하는 강좌입니다. 로봇은 어떻게 구조화되어 있는지 그리고 인공지능과 어떻게 연계되어 있는지를 살펴보고, 다양한 로봇의 사례를 소개할 것입니다. 이 강좌를 통해 학습자 여러분은 아래의 학습목표를 달성할 수 있을 것입니다.
1. 인공지능과 로봇공학의 기초지식을 습득할 수 있다.
2. 로봇공학 분야에서 적용되는 인공지능기술들을 설명할 수 있다.

강좌 운영 계획

**강의계획서**
주차	주차명	차시명	오픈 일정
1	로봇공학과 인공지능	(1차시)AI Robotics	2020. 00.00
		(2차시)AI 로봇의 종류
		(3차시)로봇의 종류와 모양
(1주차 학습목표) 1. AI 로봇의 개념을 설명할 수 있다. 2. AI가 적용된 로봇의 유형을 분류할 수 있다. 3. 로봇의 종류를 구분할 수 있다.
2	로봇 기본 개념의 이해	(1차시)로봇 기본 개념	2020. 00.00
		(2차시)로봇의 자유도
		(3차시)행렬과 벡터(1)
		(4차시)행렬과 벡터(2)
(2주차 학습목표) 1. 로봇의 개념을 설명할 수 있다. 2. 사례를 보고 2차원 평면상에서 로봇의 자유도를 구할 수 있다. 3. 사례를 보고 3차원 상에서 로봇의 자유도를 구할 수 있다. 4. 행렬과 벡터의 개념을 설명할 수 있다.
3	강체의 운동	(1차시)강체의 위치/회전 표현 방법(1)	2020. 00. 00.
		(2차시)강체의 위치/회전 표현 방법(2)
		(3차시)Homogeneous transformation
(3주차 학습목표) 1. 강체의 회전운동과 병진운동에 대해 설명할 수 있다. 2. 강체의 위치와 방향을 표현하는 방법을 설명할 수 있다.
4	로봇 기구학: 정기구학	(1차시)로봇 정기구학	2020. 00. 00.
		(2차시)DH 표시법을 이용한 로봇 정기구학
		(3차시)2차원 로봇의 정기구학
		(4차시)3차원 로봇의 정기구학
(4주차 학습목표) 1. 로봇의 정기구학의 개념을 설명할 수 있다. 2.DH 표시법을 이용한 정기구학 풀이 방법을 설명할 수 있다.
5	로봇 기구학: 역기구학	(1차시)로봇의 역기구학	2020. 00. 00.
		(2차시)로봇의 역기구학 문제 해결 방법
		(3차시)로봇의 역기구학(예제)
(5주차 학습목표) 1. 로봇의 역기구학의 개념을 설명할 수 있다. 2. 2차원 로봇의 역기구학을 예제를 통해 풀이방법을 이해할 수 있다.
6	로봇 속도 기구학	(1차시)로봇의 속도 기구화	2020. 00. 00.
		(2차시)로봇 자코비안
		(3차시)자코비안 매트릭스 활용
(6주차 학습목표) 1. 로봇의 속도기구학의 개념을 설명할 수 있다. 2. 자코비안의 개념을 설명할 수 있다.
7	로봇 기구학 프로그래밍 실습	(1차시)로봇 기구학	2020. 00. 00
		(2차시)로봇 정기구학 프로그래밍 실습
		(3차시)로봇 역기구학 프로그래밍 실습
(7주차 학습목표) 1. 로봇 기구학 값을 구하기 위하여 옥타브 프로그램을 사용하여 프로그래밍을 할 수 있다.
중간시험			2020. 00. 00.
9	로봇의 위치 인식	(1차시)Kalman filter	2020. 00. 00.
		(2차시)Particle filter
		(3차시)ICP 알고리즘
(9주차 학습목표) 1. Kalman filter와 Particle filter의 개념을 설명할 수 있다. 2. IPC 알고리즘의 특징과 위치인식을 위한 보정이 이루어지는 과정을 설명할 수 있다.
10	로봇 매핑	(1차시)Metric map과 Topological map	2020. 00. 00.
		(2차시)Occupancy grid mapping
		(3차시)3D mapping
(10주차 학습목표) 1. Metric mapping과 topological mapping을 비교할 수 있다. 2. 로봇의 환경인식을 위한 인공지능을 이해할 수 있다.
11	로봇 경로 계획	(1차시)경로 계획법의 종류	2020. 00. 00.
		(2차시)A* 알고리즘
		(3차시)RRT 알고리즘
(11주차 학습목표) 1. 경로계획법의 종류를 나열할 수 있다. 2. 로봇 경로계획법을 위한 인공지능의 응용을 이해할 수 있다.
12	강화학습	(1차시)강화학습의 기본 원리	2020. 00. 00.
		(2차시)Markov decision process
		(3차시)Dynamic Programming
(12주차 학습목표) 1. 강화학습 기반 인공지능을 이해할 수 있다. 2. 강화학습의 기본원리를 설명할 수 있다.
13	로봇 제어	(1차시)로봇 티칭	2020. 00. 00.
		(2차시)강화학습을 이용한 로봇제어(1)
		(3차시)강화학습을 이용한 로봇제어(2)
(13주차 학습목표) 1. 로봇 제어를 위해 강화학습이 어떻게 응용되는지 이해할 수 있다. 2. 강화학습을 이용한 로봇제어 사례를 나열할 수 있다.
14	로봇과 인공지능	(1차시)로봇공학에서의 인공지능 응용(1)	2020. 00. 00.
		(2차시)로봇공학에서의 인공지능 응용(2)
		(3차시)인공지능 로봇의 미래
(14주차 학습목표) 1. 로봇공학에서 인공지능이 융합되는 사례를 나열할 수 있다. 2. 바람직한 인공지능 로봇의 미래에 대하여 발표할 수 있다.
기말시험			2020. 00. 00.

강좌운영팀 소개

교수자

박종오 교수: 현) 전남대학교 로봇연구소(RRI) 소장; 현) 전남대학교 기계공학과 교수; Univ. Stuttgart. 로봇공학 박사; E-mail: abc@example.com

홍아영 교수: 현) 전남대학교 로봇공학융합전공 교수; 현) 전남대학교 인공지능융합학과 겸임 교수; ETH Zurich. 기계공학 박사; E-mail: ahong@jnu.ac.kr

강좌지원팀

이기완 조교: 전남대학교 AI융합대학 학석사연계과정; E-mail: ysb619@jnu.ac.kr

강좌 수강 정보

이수/평가정보

이수/평가정보
퀴즈	웨비나 참여	토론	중간시험	기말고사	합계
20%	20%	10%	25%	25%	100%

*이수기준= 총점 60점 이상

강좌 수준 및 선수요건

이 강좌는 대학 학부 전공 기초 정도 수준으로 제작되었으며, 로봇공학과 인공지능 분야에 관심이 있는 중등교육이상을 수료하였다면 누구나 수강가능한 강좌입니다.

교재 및 참고문헌

이 강좌는 별도의 교재가 없으며, 학습자료를 별도 PDF 파일로 제공합니다.

JNUk: JNUk_13 로봇공학과 인공지능