문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
자율주행 차량을 위한 경로 계획 개론
- 경로 계획의 기본 원리와 주요 난제들
- 자율주행 및 로봇 분야에서의 활용 사례들
- 기존 및 최신 경로 계획 기법들의 비교 분석
그래프 기반 경로 계획 알고리즘
- A*와 Dijkstra 알고리즘의 개요
- 격자 기반 환경에서 A* 알고리즘 구현 방법
- 환경 변화에 대응하는 동적 변형 알고리즘: D* 및 D* Lite
샘플링 기반 경로 계획 알고리즘
- 무작위 샘플링 방식인 RRT와 RRT*에 대해 이해합니다.
- 경로 부드럽게 하기 및 최적화 방법을 습득합니다.
- 비홀로노믹 제약 조건을 다루는 기술들을 배웁니다.
최적화 기반 경로 계획
- 경로 계획 문제를 최적화 문제로 정식화하는 방법을 알아봅니다.
- 비선형 프로그래밍을 활용한 궤적 최적화 방안을 학습합니다.
- 기울기 기반 및 비기울기 최적화 기법들을 다룹니다.
학습 기반 경로 계획
- 경로 최적화를 위한 딥 강화 학습(DRL) 활용 방법을 살펴봅니다.
- DRL과 전통적인 알고리즘들을 결합하는 기법에 대해 이해합니다.
- 머신러닝 모델을 이용한 적응형 경로 계획 방안도 배웁니다.
동적 및 불확실한 환경 처리 전략
- 실시간 대응이 가능한 반응형 계획 기법들에 대해 알아봅니다.
- 장애물 회피와 예측 제어 기술을 익힙니다.
- 적응형 내비게이션 구현을 위해 인식 데이터를 통합하는 방법도 배웁니다.
경로 계획 알고리즘의 평가 및 벤치마킹
- 경로 효율성, 안전성, 연산 복잡도 측정 지표에 대해 학습합니다.
- ROS와 Gazebo 환경에서 시뮬레이션 및 테스트 수행 방법을 알아봅니다.
- RRT*와 D*가 복잡한 상황에서 어떻게 성능 차이를 보이는지 사례 중심으로 비교해 봅니다.
사례 연구 및 실제 적용 사례
- 자율 배송 로봇을 위한 경로 계획 방안들에 대해 알아봅니다.
- 무인 주행 자동차와 무인 항공기에서의 활용 가능성도 살펴봅니다.
- 마지막으로 RRT*를 활용한 적응형 경로 계획기를 직접 구현하는 프로젝트를 수행합니다.
요약 및 향후 발전 방향
요건
- Python 프로그래밍에 대한 숙련도
- 로봇 시스템 및 제어 알고리즘 관련 경험
- 자율주행 차량 기술에 대한 기본 지식
대상 청중
- 자율주행 시스템 분야에서 활동하는 로봇 공학 엔지니어들
- 경로 계획 및 내비게이션 기술을 연구하는 AI 연구진들
- 무인 주행 기술 개발에 종사하는 고급 수준의 개발자들
21 시간
