Mobile Robot Perception and Navigation

강좌 소개

수업내용

본 강좌는 Advanced Robotics의 시리즈 중 두 번째 강좌로, Mobile Robot Perception and Navigation에 대한 강좌입니다. 최근에 청소 로봇, 안내 로봇, 감시 로봇 및 배달 로봇등 실제 생활에서 다양한 이동 로봇이 활용되고 있습니다. 이들 응용에서 로봇이 안정적으로 작동하기 위한 관련 핵심 이론들을 본 강좌를 통해 알아보도록 하겠습니다. 이동 로봇의 자율 주행의 경우 환경 지도 작성, 위치 추정, 경로 계획 및 제어등의 세 단계로 구성되어 있습니다. 이동 로봇이 자율적으로 이동하기 위해서는 주변 환경에 대한 인지 및 구동부 오차를 상쇄할 수 있는 알고리즘이 필요하게 됩니다. 사용하는 센서나 구동부의 오차등으로 인해 확률 기반의 방법을 많이 사용하고 있습니다. 본 강좌에서는 이들과 관련된 이론적인 부분을 이해할 수 있도록 하나씩 알아보도록 하겠습니다. 이와 함께, 최근에 널리 활용되고 있는 딥러닝의 기초 부분을 알아보도록 하며 이동 로봇에 어떻게 활용되고 있는지 알아보도록 하겠습니다.

수업목표

1. 모바일 로봇의 자율 주행을 위한 지도 작성, 위치 인식, 장애물 검출 및 경로 계획 방법에 대해 설명 할 수 있다.
2. 최근 활발한 연구가 진행되고 있는 딥러닝 기반의 방법에 대해서 설명할 수 있다.

수강신청 기간

2018.12.17 ~ 2019.3.25(예정)

예시 강의

강좌 계획

강의계획표
주차	주제	강의명
1주차	강좌소개	1. 강좌소개
		2. 강좌 소개 영상
		3. 자기소개
2주차	센서	1. 거리 센서-RADAR/LIDAR
		2. 카메라
		3. 카메라 보정 및 삼차원 복원
3주차	베이즈 필터	1. 확률 기초
		2. Bayes Filters
		3. Bayes Filters 유도
		4. Bayes Filters 예제
4주차	운동 모델	1. 구동부 오차
		2. 속도 운동 모델(1)
		3. 속도 운동 모델(2)
		4. 주행 기록계 운동 모델
5주차	센서모델	1. 센서 오차 종류
		2. 센서 오차 모델링
		3. 특징치 기반 모델
		4. 자율 주행 자동차 소개
6주차	위치 추정(Localization)	1. 위치 추정시 오차
		2. 파티클 필터 개요
		3. 파티클 필터 기반 위치 추정
		4. 동적 환경 대응
7주차	지도 작성	1. 그리드 지도 작성(1)
		2. 그리드 지도 작성(2)
		3. 그래프 슬램 지도 작성
8주차	중간고사	온라인 중간고사
9주차	경로 계획	1. 경로 계획 개요
		2. A* 알고리즘
		3. 무인자동차 경로계획 예
10주차	딥러닝 기초	1. 선형 분류기(1)
		2. 선형 분류기(2)
		3. 다층 신경망(1)
		4. 다층 신경망(2)
11주차	딥러닝 기반 물체 인식	1. 딥러닝 소개
		2. CNN 구조 분석
		3. CNN 기반 물체 인식
12주차	딥러닝 기반 물체 검출	1. CNN 기반 물체 검출(1)
		2. CNN 기반 물체 검출(2)
		3. RNN
13주차	딥 강화 학습	1. 강화 학습 개요
		2. 딥 강화 학습 방법
		3. 딥 강화 학습 응용
14주차	모바일 로봇 응용	1. 실내 자율 주행 응용 예(1)
		2. 실내 자율 주행 응용 예(2)
		3. 실내 자율 주행 응용 예(3)
15주차	기말고사	온라인 기말고사

강좌운영진 소개

담당 교수

하종은: ■ 주요경력; 현) 서울과학기술대학교 기계자동차공학과 교수
전) 삼성코닝 Advanced Engineering Group 선임연구원; ■ 주요 연구분야; 지능로봇: 시각 정보 처리를 기반으로 한 응용 분야-환경 지도 작성, 장애물 회피, 환경 인지 등
지능형 자동차: 차선 이탈 경보, 운전자 상태 모니터링, 객체 검출(자동차, 사람)
컴퓨터/머신 비전: 삼차원 복원, 물체 인식, 무인 감시, 마크프리 모션 캡쳐, 제품 불량 검사/계측

담당 운영자

김재열: 현)서울과학기술대학교 자동차공학대학원 석사과정

jaeyorkim@naver.com

강좌 수강 정보

이수/평가정보

총 15주차의 학습활동에 대해 전반적으로 평가한 후, 정해진 성적 규정을 통과한 학습자에 한해 이수증을 발급합니다.

퀴즈(10%), 과제1(10%), 과제2(10%), 중간고사(35%), 기말고사(35%)의 비중으로 성적에 반영됩니다.

전체 학습활동을 평가한 결과, 60% 이상의 학습 성과를 획득한 학습자에게 이수증을 발급할 예정입니다.

강좌 수준 및 선수요건

선수 요건은 따로 없으나, 서울과학기술대학교 '로보틱스(Robotics)' 강좌의 심화 과정으로, '로보틱스'를 먼저 수강하면 도움이 될 것입니다.

기타 로봇에 관심 있는 누구나 수강 가능합니다.

교재 및 참고자료

별도의 교재는 없습니다. PDF 형식의 강의교안을 제공하고, 주제에 따른 참고자료와 관련 URL등을 제시할 것입니다.

SEOULTECHk: SMOOC04k Mobile Robot Perception and Navigation