로봇 공학을 위한 인공 지능 (AI) 교육 과정

이 강사는 직접 지도하는 라이브 교육과정 (온라인 또는 오프라인)에서, 참가자들은 원자력 기술 및 환경 시스템 분야에서 다양한 로봇을 프로그래밍하기 위한 다양한 기술, 프레임워크, 기법을 학습합니다.

이 6주 과정은 일주에 5일씩 진행되며, 하루에 4시간씩 강의, 토론, 그리고 라이브 랩 환경에서의 실습 로봇 개발로 구성됩니다. 참가자들은 실무에 적용할 수 있는 다양한 실제 프로젝트를 완료하여 습득한 지식을 연습합니다.

이 강의의 대상 하드웨어는 시뮬레이션 소프트웨어를 통해 3D로 시뮬레이션됩니다. 로봇을 프로그래밍하기 위해 ROS (Robot Operating System) 오픈 소스 프레임워크, C++ 및 Python이 사용됩니다.

이 교육을 마친 후, 참가자들은 다음을 할 수 있게 됩니다:

• 로봇 기술에서 사용되는 주요 개념을 이해합니다.
• 로봇 시스템에서 소프트웨어와 하드웨어 간의 상호작용을 이해하고 관리합니다.
• 로봇학의 기반이 되는 소프트웨어 구성 요소를 이해하고 구현합니다.
• 보기, 감지, 처리, 탐색, 그리고 음성으로 인간과 상호작용할 수 있는 시뮬레이션된 기계 로봇을 구축하고 운영합니다.
• 스마트 로봇을 구축하기 위해 적용 가능한 인공지능(머신러닝, 딥러닝 등)의 필요한 요소들을 이해합니다.
• 로봇이 주변 환경에서 움직이는 물체를 위치할 수 있도록 칼만 및 파티클 필터를 구현합니다.
• 검색 알고리즘과 운동 계획 구현.
• 환경 내에서 로봇의 움직임을 조절하기 위해 PID 제어를 구현합니다.
• 로봇이 알려지지 않은 환경을 맵핑할 수 있도록 SLAM 알고리즘을 구현합니다.
• 딥러닝을 통해 로봇이 복잡한 작업을 수행하는 능력을 확장합니다.
• 현실적인 시나리오에서 로봇을 테스트하고 문제 해결합니다.

이 강사는 온라인 또는 현장에서 직접 강의하는 실시간 교육입니다. 참가자들은 핵기술 및 환경 시스템 분야에서 사용되는 다양한 유형의 로봇을 프로그래밍하는 데 사용되는 다양한 기술, 프레임워크 및 기술을 학습합니다.

이 4주짜리 강의는 매주 5일 동안 진행되며, 하루에 4시간씩 강의, 토론 및 실습 랩 환경에서 로봇 개발을 포함합니다. 참가자들은 실제 프로젝트를 완료하여 습득한 지식을 실습합니다.

이 강의에서 사용할 하드웨어는 시뮬레이션 소프트웨어를 통해 3D로 시뮬레이션됩니다. 코드는 물리적 하드웨어(Arduino 또는 기타)에는 최종 배포 테스트를 위해 로드됩니다. 로봇을 프로그래밍하는 데 ROS(로봇 운영 시스템) 오픈 소스 프레임워크, C++ 및 Python이 사용됩니다.

이 교육을 마치면 참가자들은 다음을 할 수 있게 됩니다:

• 로봇 기술에서 사용되는 주요 개념을 이해합니다.
• 로봇 시스템에서 소프트웨어와 하드웨어 간의 상호작용을 이해하고 관리합니다.
• 로봇의 소프트웨어 구성 요소를 이해하고 구현합니다.
• 보이고, 느끼고, 처리하고, 탐색하고, 음성으로 사람들과 상호작용할 수 있는 시뮬레이션된 기계 로봇을 구축하고 운영합니다.
• 스마트 로봇을 구축하는 데 필요한 인공지능의 필수 요소를 이해합니다.(머신러닝, 딥러닝 등)
• 로봇이 환경에서 움직이는 객체를 찾도록 필터(칼만 및 입자)를 구현합니다.
• 탐색 알고리즘 및 모션 플래닝을 구현합니다.
• PID 제어를 구현하여 로봇의 환경 내에서 움직임을 조절합니다.
• 로봇이 알려지지 않은 환경을 매핑할 수 있도록 SLAM 알고리즘을 구현합니다.
• 로봇을 현실적인 시나리오에서 테스트하고 문제를 해결합니다.

ROS 2 (Robot Operating System 2)는 복잡하고 확장 가능한 로봇 애플리케이션 개발을 지원하기 위해 설계된 오픈 소스 프레임워크입니다.

이 강사 주도의 실시간 트레이닝(온라인 또는 현지)은 중급 수준의 로봇 엔지니어와 개발자들을 대상으로 ROS 2를 사용하여 자율 항법 및 SLAM(Simultaneous Localization and Mapping)을 구현하고자 하는 사람들을 위한 것입니다.

이 트레이닝을 마치면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• 자율 항법 애플리케이션을 위해 ROS 2를 설정하고 구성할 수 있습니다.
• 매핑 및 위치 추정을 위한 SLAM 알고리즘을 구현할 수 있습니다.
• LiDAR와 카메라 센서를 ROS 2에 통합할 수 있습니다.
• Gazebo에서 자율 항법을 시뮬레이션하고 테스트할 수 있습니다.
• 실제 로봇에 항법 스택을 배포할 수 있습니다.

코스 형식

• 상호작용식 강의 및 토론.
• ROS 2 도구와 시뮬레이션 환경을 사용한 실습.
• 가상 또는 실제 로봇에서 라이브-랩 구현 및 테스트.

코스 맞춤 옵션

• 이 코스를 위한 맞춤형 트레이닝을 요청하려면 문의하여 안내를 받으세요.

Azure Bot Service는 Microsoft Bot Framework와 Azure 함수의 힘을 결합하여 지능형 봇의 신속한 개발을 가능하게 합니다.

이 강사는 직접 지도하는 라이브 트레이닝에서 참가자들은 Microsoft Azure를 사용하여 지능형 봇을 쉽게 만들 수 있습니다.

이 강의가 끝난 후 참가자들은 다음을 할 수 있게 됩니다:

• 지능형 봇의 기초를 학습합니다
• 클라우드 애플리케이션을 사용하여 지능형 봇을 만들 수 있습니다
• Microsoft Bot Framework, Bot Builder SDK, Azure Bot Service를 사용하는 방법을 이해합니다
• 봇 패턴을 사용하여 봇을 설계하는 방법을 이해합니다
• Microsoft Azure를 사용하여 첫 번째 지능형 봇을 개발합니다

대상

• 개발자
• 취미자
• 공학자
• IT 전문가

강의 형식

• 강의와 토론, 연습, 그리고 많은 실습

OpenCV는 실시간 이미지 처리를 가능하게 하는 오픈소스 컴퓨터 비전 라이브러리이며, TensorFlow 등의 딥러닝 프레임워크는 로봇 시스템에서 지능적인 인식과 의사결정을 위한 도구를 제공합니다.

이 강사는 지도하는 실시간 교육(온라인 또는 현장)은 중급 수준의 로봇 엔지니어, 컴퓨터 비전 전문가 및 머신 러닝 엔지니어를 대상으로 합니다. 이들은 컴퓨터 비전과 딥러닝 기술을 활용하여 로봇의 인식과 자율성을 적용하고자 하는 사람들입니다.

이 교육 과정을 마친 후 참가자는 다음과 같은 능력을 갖추게 됩니다:

• OpenCV를 사용하여 컴퓨터 비전 파이프라인 구현하기
• 대상 검출 및 인식을 위한 딥러닝 모델 통합하기
• 시각 기반 데이터를 로봇 제어 및 탐색에 활용하기
• 전통적인 비전 알고리즘과 딥 뉴럴 네트워크 결합하기
• 임베디드 시스템 및 로봇 플랫폼에서 컴퓨터 비전 시스템 배포하기

강의 형식

• 상호작용형 강의와 토론
• OpenCV 및 TensorFlow를 사용한 실습
• 시뮬레이션 또는 물리적 로봇 시스템에서 라이브 실험 수행

강의 맞춤 옵션

• 이 강의를 위한 맞춤형 교육을 요청하려면 연락주세요.

봇 또는 챗봇은 다양한 메시징 플랫폼에서 사용자 상호 작용을 자동화하고 사용자가 다른 사람과 대화할 필요 없이 작업을 더 빠르게 완료하는 데 사용되는 컴퓨터 도우미와 같습니다.

강사가 진행하는 이 실시간 교육에서 참가자는 봇 개발 도구 및 프레임워크를 사용하여 샘플 챗봇을 생성하는 과정을 단계별로 진행하면서 봇 개발을 시작하는 방법을 배웁니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 봇의 다양한 용도와 애플리케이션 이해
• 봇 개발의 전체 프로세스 이해
• 봇 구축에 사용되는 다양한 도구와 플랫폼을 살펴보세요.
• Facebook 메신저용 샘플 챗봇 구축
• Microsoft Bot Framework를 사용하여 샘플 챗봇 구축

청중

• 자신만의 봇을 만드는 데 관심이 있는 개발자

코스의 형식

• 파트 강의, 파트 토론, 연습 및 고강도 실습

엣지 AI는 인공 지능 모델을 직접 임베디드 또는 자원 제한 장치에서 실행할 수 있도록 하여 지연 시간과 전력 소비를 줄이고 로봇 시스템의 독립성과 프라이버시를 높입니다.

이 강사 주도 실시간 교육(온라인 또는 현장)은 중급 임베디드 개발자 및 로봇 엔지니어를 대상으로 하며, TinyML과 엣지 AI 프레임워크를 사용하여 로봇 하드웨어에서 직접 머신 러닝 추론 및 최적화 기법을 구현하는 방법을 배울 수 있습니다.

이 교육이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• TinyML과 로봇을 위한 엣지 AI의 기본 개념을 이해합니다.
• 디바이스 내 추론을 위한 AI 모델을 변환하고 배포할 수 있습니다.
• 모델을 속도, 크기 및 에너지 효율성을 최적화할 수 있습니다.
• 엣지 AI 시스템을 로봇 제어 아키텍처에 통합할 수 있습니다.
• 실제 시나리오에서 성능과 정확도를 평가할 수 있습니다.

강의 형식

• 상호작용 강의 및 토론.
• TinyML과 엣지 AI 도구 체인을 사용한 실습.
• 임베디드 및 로봇 하드웨어 플랫폼에서의 실제 연습.

강의 맞춤 옵션

• 이 강의에 대한 맞춤형 교육을 요청하려면 저희에게 문의해 주세요.

이 실시간 트레이닝(온라인 또는 현장)은 중급 수준의 참가자들을 대상으로 하며, 현대 작업 환경에서 협동로봇(cobots)과 다른 사람 중심의 AI 시스템의 역할을 탐구하고자 하는 이들에게 적합합니다.

이 트레이닝이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• 사람 중심의 물리적 AI의 원칙과 그 적용 분야를 이해합니다.
• 협동로봇이 작업장 생산성 향상에 어떻게 기여하는지 탐색합니다.
• 인간-기계 상호작용에서 발생하는 문제를 식별하고 해결합니다.
• 인간과 AI 주도 시스템 간의 협력을 최적화하는 워크플로우를 설계합니다.
• AI 통합 작업 환경에서 혁신과 적응성을 촉진하는 문화를 조성합니다.

이 강사 주도의 실시간 교육(대한민국에서 온라인 또는 현장)은 인공지능이 메카트로닉 시스템에 어떻게 적용되는지를 배우고자 하는 엔지니어들을 대상으로 합니다.

이 교육을 마치면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• 인공지능, 기계학습, 계산 지능의 개요를 이해합니다.
• 신경망과 다양한 학습 방법의 개념을 이해합니다.
• 실제 문제에 대해 효과적으로 인공지능 접근법을 선택할 수 있습니다.
• 메카트로닉 엔지니어링에서 AI 응용 프로그램을 구현할 수 있습니다.

이 강사는 온라인 또는 현장에서 진행되는 라이브 강의로, 다양한 감각 데이터를 통합하여 더 자율적이고 효율적인 로봇을 만들어내는 멀티모달 AI를 활용하고자 하는 고급 로봇 공학자 및 AI 연구자를 대상으로 합니다.

이 강의를 마친 후 참가자는 다음과 같은 능력을 갖추게 됩니다:

• 로봇 시스템에서 멀티모달 센싱을 구현합니다.
• 센서 융합 및 의사결정을 위한 AI 알고리즘을 개발합니다.
• 다이나믹 환경에서 복잡한 작업을 수행할 수 있는 로봇을 만듭니다.
• 실시간 데이터 처리 및 작동에서의 도전을 해결합니다.

이 강사 주도의 실시간 교육은 대한민국(온라인 또는 오프라인)에서 중급 수준의 참가자들이 자동화와 그 이상을 위한 지능형 로봇 시스템의 설계, 프로그래밍, 배포 기술을 향상시키고자 하는 사람들에게 적합합니다.

이 교육이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• 물리적 AI의 원리와 로봇 및 자동화 분야에서의 응용을 이해합니다.
• 동적인 환경에서 지능형 로봇 시스템을 설계하고 프로그래밍할 수 있습니다.
• 로봇의 독립적 의사 결정을 위한 AI 모델을 구현할 수 있습니다.
• 로봇 테스트와 최적화를 위한 시뮬레이션 도구를 활용할 수 있습니다.
• 센서 융합, 실시간 처리, 에너지 효율성 등의 과제를 해결할 수 있습니다.

강화 학습(RL)은 에이전트가 환경과 상호 작용하여 결정을 내리는 방법을 학습하는 머신 러닝 패러다임입니다. 로보틱스 분야에서는 RL이 자율 시스템이 경험과 피드백을 통해 적응형 제어 및 의사 결정 능력을 개발할 수 있게 합니다.

본 강사는 이끄는 실시간 훈련(온라인 또는 현장)은 고급 수준의 머신 러닝 엔지니어, 로봇 연구원, 개발자를 대상으로 하며, 로봇 응용 프로그램에서 강화 학습 알고리즘을 설계, 구현, 배포하는 방법을 배우고자 하는 분들을 위한 것입니다.

이 훈련이 끝나면 참가자들은 다음과 같은 능력을 갖게 됩니다:

• 강화 학습의 원리와 수학을 이해합니다.
• Q-learning, DDPG, PPO 등의 RL 알고리즘을 구현합니다.
• OpenAI Gym과 ROS 2를 사용하여 로봇 시뮬레이션 환경에 RL을 통합합니다.
• 시도와 오류를 통해 로봇이 복잡한 작업을 자율적으로 수행하도록 훈련시킵니다.
• PyTorch와 같은 딥러닝 프레임워크를 사용하여 훈련 성능을 최적화합니다.

강의 형식

• 상호 작용형 강의 및 토론.
• Python, PyTorch, OpenAI Gym을 사용한 실습.
• 시뮬레이션 또는 물리적 로봇 환경에서 실용적인 연습.

강의 맞춤 옵션

• 본 강의에 대한 맞춤형 훈련을 요청하려면 연락처를 통해 안내 받으세요.

안전하고 설명 가능한 로봇공학은 로봇 시스템의 안전성, 검증, 그리고 윤리적 관리를 중점으로 하는 포괄적인 교육입니다. 이 과정은 이론과 실무를 연결시키는 안전 사례 방법론, 위험 분석, 그리고 로봇 의사결정을 투명하고 신뢰할 수 있게 만드는 설명 가능한 AI 접근법을 탐구합니다. 참가자들은 국제 표준에 맞춰 준수 사항을 보장하고, 동작을 검증하며, 안전성 확인을 문서화하는 방법을 배울 것입니다.

이 강사 주도의 실시간 교육(온라인 또는 현지)은 중급 수준의 전문가를 대상으로 하며, 검증, 유효성 확인, 그리고 설명 가능성 원칙을 적용하여 로봇 시스템의 안전하고 윤리적인 배포를 보장하는 방법을 학습하길 원하는 사람들을 위한 것입니다.

이 교육이 끝나면 참가자들은 다음과 같은 능력을 갖추게 될 것입니다:

• 로봇 및 자율 시스템의 안전 사례를 개발하고 문서화할 수 있습니다.
• 시뮬레이션 환경에서 검증 및 유효성 확인 기술을 적용할 수 있습니다.
• 로봇 의사결정을 위한 설명 가능한 AI 프레임워크를 이해할 수 있습니다.
• 시스템 설계 및 운영에 안전성과 윤리 원칙을 통합할 수 있습니다.
• 이해관계자에게 안전성과 투명성을 요구하는 방법을 소통할 수 있습니다.

강의 형식

• 상호 작용형 강연 및 토론.
• 실습을 통한 시뮬레이션 및 안전 분석 연습.
• 실제 로봇 애플리케이션 사례 연구.

강의 커스터마이징 옵션

• 이 강의를 위한 맞춤형 교육을 요청하려면 문의해 주세요.

스마트 로봇은 환경과 경험으로부터 학습하고 해당 지식을 기반으로 역량을 구축할 수 있는 Artificial Intelligence (AI) 시스템입니다. Smart Robots 인간과 협력하여 인간과 함께 일하고 인간의 행동으로부터 학습할 수 있습니다. 더욱이, 이들은 수동 노동뿐만 아니라 인지 작업도 수행할 수 있는 능력을 갖추고 있습니다. 물리적 로봇 외에도 Smart Robots 순전히 소프트웨어 기반일 수도 있으며, 움직이는 부분이 없고 세상과 물리적으로 상호 작용하지 않는 소프트웨어 애플리케이션으로 컴퓨터에 상주할 수도 있습니다.

강사가 진행하는 이 실시간 교육에서 참가자는 다양한 유형의 기계Smart Robots를 프로그래밍하기 위한 다양한 기술, 프레임워크 및 기법을 배우고 이러한 지식을 적용하여 자신의 스마트 로봇 프로젝트를 완료합니다.

이 과정은 4개 섹션으로 나뉘며, 각 섹션은 3일간의 강의, 토론, 라이브 랩 환경에서의 실습 로봇 개발로 구성됩니다. 각 섹션은 참가자가 습득한 지식을 연습하고 입증할 수 있는 실습 프로젝트로 마무리됩니다.

이 과정의 대상 하드웨어는 시뮬레이션 소프트웨어를 통해 3D로 시뮬레이션됩니다. 로봇 프로그래밍에는 ROS (로봇 운영 체제) 오픈 소스 프레임워크, C++ 및 Python이 사용됩니다.

이 교육을 마치면 참가자는 다음을 수행할 수 있습니다.

• 로봇 기술에 사용되는 핵심 개념을 이해하세요
• 로봇 시스템에서 소프트웨어와 하드웨어 간의 상호 작용을 이해하고 관리합니다.
• Smart Robots을 뒷받침하는 소프트웨어 구성 요소를 이해하고 구현합니다.
• 음성을 통해 인간을 보고, 감지하고, 처리하고, 파악하고, 탐색하고, 상호 작용할 수 있는 시뮬레이션된 기계식 스마트 로봇을 제작하고 작동시킵니다.
• Deep Learning을 통해 복잡한 작업을 수행하는 스마트 로봇의 능력 확장
• 현실적인 시나리오에서 스마트 로봇 테스트 및 문제 해결

청중

• 개발자
• 엔지니어

과정 형식

• 일부 강의, 일부 토론, 연습 및 집중적인 실습

메모

• 이 과정의 어떤 부분이든(프로그래밍 언어, 로봇 모델 등) 맞춤화를 원하시면 저희에게 연락해 주시기 바랍니다.

스마트 로보틱스는 인공지능을 로봇 시스템에 통합하여 인식, 의사 결정 및 자율 제어를 향상시키는 것입니다.

이 강사는 고급 로보틱스 엔지니어, 시스템 통합자, 자동화 리더가 스마트 제조 환경에서 AI 기반 인식, 계획 및 제어를 구현하고자 하는 경우를 대상으로 합니다.

이 강좌를 통해 참가자는 다음을 할 수 있게 됩니다.

• 로봇 인식 및 센서 퓨전에 AI 기술을 이해하고 적용합니다.
• 협업 및 산업 로봇을 위한 운동 계획 알고리즘을 개발합니다.
• 실시간 의사 결정을 위한 학습 기반 제어 전략을 배포합니다.
• 지능형 로봇 시스템을 스마트 팩토리 워크플로우에 통합합니다.

강좌 형식

• 상호작용 강의 및 토론.
• 많은 연습과 실습.
• 라이브-랩 환경에서의 직접 구현.

강좌 맞춤화 옵션

• 이 강좌에 맞춘 맞춤형 교육을 요청하려면 연락하여 조치하십시오.