연락처 정보

코스 개요

물리적 AI 및 로봇 공학 소개

  • 물리적 AI의 개요와 그 발전 과정
  • 산업 자동화 및 기타 분야에서의 활용 사례
  • 지능형 로봇 시스템의 핵심 구성 요소들

로봇 시스템 설계

  • 로봇 제작을 위한 기계적 설계 원리
  • 센서와 액추에이터의 통합 방법
  • 전원 시스템 및 에너지 효율성 고려사항

로봇 공학을 위한 인공지능 모델

  • 지각 및 의사결정 과정을 위한 머신러닝 활용
  • 로봇 공학에서의 강화 학습 적용
  • 로봇 시스템에 맞는 인공지능 파이프라인 구축 방법

실시간 센서 통합 기법

  • 여러 센서 데이터를 하나로 통합하는 기술
  • LiDAR, 카메라 등 다양한 센서에서 수집된 데이터 처리 방법
  • 실시간 항법 및 장애물 회피 기능 구현

시뮬레이션 및 테스트

  • Gazebo나 MATLAB Robotics Toolbox와 같은 시뮬레이션 도구 활용법
  • 동적 환경을 모델링하는 기술
  • 성능 평가 및 최적화 방법

자동화 구현 및 실제 적용

  • 산업 자동화를 위한 로봇 프로그래밍 기법
  • 반복 작업 수행을 위한 워크플로우 개발 방법
  • 실제 배포 시 안전성과 신뢰성 확보 방안

고급 주제 및 향후 발전 전망

  • 협동 로봇(코봇)과 인간-로봇 상호작용 방식
  • 로봇 공학 분야의 윤리적·규제적 고려사항
  • 자동화 분야에서 물리적 AI의 미래 전망

요약 및 향후 학습 방향 안내

요건

  • 로봇 공학 및 자동화 시스템에 대한 기초 지식
  • 프로그래밍 능력, 특히 Python 활용 능력
  • 인공지능의 기본 개념에 대한 이해

대상 학습자

  • 로봇 공학 엔지니어
  • 자동화 분야 전문가
  • 인공지능 개발자
 21 시간

참가자 수


참가자별 가격

회원 평가 (2)

예정된 코스

관련 카테고리