문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
로봇 학습 입문
- 로보틱스 분야에서의 머신러닝 활용 개요
- 지도학습, 비지도학습 및 강화학습 간의 차이점 설명
- 제어, 항법, 물체 조작 분야에서의 강화학습 적용 사례 소개
강화학습 기초 이론
- 마르코프 결정 과정(MDP) 이해하기
- 정책, 가치 함수 및 보상 함수 개념 정리
- 탐색과 활용 간의 균형 설정 방법 학습
전통적인 강화학습 알고리즘들
- Q-learning 및 SARSA 알고리즘 이해하기<\/li>
- 몬테카를로 방법과 시간 차분 기법 설명
- 가치 반복법 및 정책 반복법 개념 다룹니다.
딥강화학습 기술들
- 딥러닝과 강화학습의 결합 방식 (Deep Q-Networks)
- 정책 경사도 기반 알고리즘 이해하기
- A3C, DDPG, PPO와 같은 고급 알고리즘 설명합니다.
로봇 학습용 시뮬레이션 환경 활용법
- OpenAI Gym 및 ROS 2를 통한 로봇 시뮬레이션 구축 방법
- 특정 로봇 작업에 맞는 맞춤형 환경 설계 방법
- 학습 성능 평가 및 훈련 안정성 검증 기법 배웁니다.
로보틱스 분야에서의 강화학습 적용 방안
- 제어 알고리즘 및 움직임 정책 학습 방법
- 물체 조작 목적의 로봇 훈련에 강화학습 활용 예시
- 군집 로봇 환경에서 다중 에이전트 강화학습 적용 방식
최적화, 배포 및 실제 현장 통합 방법
- 하이퍼파라미터 조정 및 보상 함수 최적화 전략
- 시뮬레이션에서 학습된 모델을 실제 로봇에 이식하는 기법 (Sim2Real)
- 훈련 완료된 알고리즘을 물리적 하드웨어에 적용하는 절차
요약 및 향후 학습 방향 제시
요건
- 머신러닝 개념에 대한 이해가 필요합니다.
- Python 프로그래밍 경험이 요구됩니다.
- 로봇공학 및 제어 시스템에 대한 기초 지식도 필수적입니다.
대상자
- 머신러닝 엔지니어들
- 로보틱스 연구원들
- 지능형 로봇 시스템 개발에 종사하는 프로그래머들
21 시간
회원 평가 (2)
실습을 즉시 시작할 수 있도록 가상 머신 형태의 재료 제공과 ROS2 코어에 대한 설명, 그리고 특정 방식으로 작동하는 이유에 대한 해설을 포함합니다.
Arjan Bakema
코스 - Autonomous Navigation & SLAM with ROS 2
기계 번역됨
미래 로봇공학에서 인공지능의 지식과 활용에 대한 것임
Ryle - PHILIPPINE MILITARY ACADEMY
코스 - Artificial Intelligence (AI) for Robotics
기계 번역됨
