Skip to main content
로봇공학과 인공지능 이미지

로봇공학과 인공지능




강좌 소개

수업내용/목표


본 강좌는 ai 인공지능 기술과 그 주요 응용 분야인 로봇 공학 기술을 소개하는 강좌입니다. 로봇은 어떻게 구조화되어 있는지 그리고 인공지능과 어떻게 연계되어 있는지를 살펴보고, 다양한 로봇의 사례를 소개할 것입니다. 이 강좌를 통해 학습자 여러분은 아래의 학습목표를 달성할 수 있을 것입니다.
1. 인공지능과 로봇공학의 기초지식을 습득할 수 있다.
2. 로봇공학 분야에서 적용되는 인공지능기술들을 설명할 수 있다.

강좌 운영 계획

강의계획서
주차주차명차시명오픈 일정
1 로봇공학과 인공지능 (1차시)AI Robotics 2020. 12.28
(2차시)AI 로봇의 종류
(3차시)로봇의 종류와 모양
(1주차 학습목표)
1. AI 로봇의 개념을 설명할 수 있다. 
2. AI가 적용된 로봇의 유형을 분류할 수 있다. 
3. 로봇의 종류를 구분할 수 있다. 
2 로봇 기본 개념의 이해 (1차시)로봇 기본 개념  2021. 1. 2
(2차시)로봇의 자유도
(3차시)행렬과 벡터(1)
(4차시)행렬과 벡터(2)
(2주차 학습목표)
1. 로봇의 개념을 설명할 수 있다. 
2. 사례를 보고 2차원 평면상에서 로봇의 자유도를 구할 수 있다. 
3. 사례를 보고 3차원 상에서 로봇의 자유도를 구할 수 있다. 
4. 행렬과 벡터의 개념을 설명할 수 있다. 
3 강체의 운동 (1차시)강체의 위치/회전 표현 방법(1) 2021. 1. 7
(2차시)강체의 위치/회전 표현 방법(2)
(3차시)Homogeneous transformation
(3주차 학습목표)
1. 강체의 회전운동과 병진운동에 대해 설명할 수 있다. 
2. 강체의 위치와 방향을 표현하는 방법을 설명할 수 있다. 
4 로봇 기구학: 정기구학 (1차시)로봇 정기구학 2021. 1. 12
(2차시)DH 표시법을 이용한 로봇 정기구학
(3차시)2차원 로봇의 정기구학
(4차시)3차원 로봇의 정기구학
(4주차 학습목표)
1. 로봇의 정기구학의 개념을 설명할 수 있다. 
2.DH 표시법을 이용한 정기구학 풀이 방법을 설명할 수 있다. 
5 로봇 기구학: 역기구학 (1차시)로봇의 역기구학 2021. 1. 17
(2차시)로봇의 역기구학 문제 해결 방법
(3차시)로봇의 역기구학(예제)
(5주차 학습목표)
1. 로봇의 역기구학의 개념을 설명할 수 있다. 
2. 2차원 로봇의 역기구학을 예제를 통해 풀이방법을 이해할 수 있다. 
6 로봇 속도 기구학 (1차시)로봇의 속도 기구화 2021. 1. 22
(2차시)로봇 자코비안
(3차시)자코비안 매트릭스 활용
(6주차 학습목표)
1. 로봇의 속도기구학의 개념을 설명할 수 있다.  
2. 자코비안의 개념을 설명할 수 있다. 
7 로봇 기구학 프로그래밍 실습 (1차시)로봇 기구학 2021. 1. 27
(2차시)로봇 정기구학 프로그래밍 실습
(3차시)로봇 역기구학 프로그래밍 실습
(7주차 학습목표)
1. 로봇 기구학 값을 구하기 위하여 옥타브 프로그램을 사용하여 프로그래밍을 할 수 있다. 
중간시험 2021. 2. 1
9 로봇의 위치 인식 (1차시)Kalman filter 2021. 2. 1
(2차시)Particle filter
(3차시)ICP 알고리즘

(9주차 학습목표)
1. Kalman filter와 Particle filter의 개념을 설명할 수 있다. 
2. IPC 알고리즘의 특징과 위치인식을 위한 보정이 이루어지는 과정을 설명할 수 있다. 

10 로봇 매핑 (1차시)Metric map과 Topological map 2021. 2. 6
(2차시)Occupancy grid mapping
(3차시)3D mapping
(10주차 학습목표)
1. Metric mapping과 topological mapping을 비교할 수 있다. 
2. 로봇의 환경인식을 위한 인공지능을 이해할 수 있다. 
11 로봇 경로 계획 (1차시)경로 계획법의 종류 2021. 2. 11
(2차시)A* 알고리즘
(3차시)RRT 알고리즘
(11주차 학습목표)
1. 경로계획법의 종류를 나열할 수 있다. 
2. 로봇 경로계획법을 위한 인공지능의 응용을 이해할 수 있다. 
12 강화학습 (1차시)강화학습의 기본 원리 2021. 2. 16
(2차시)Markov decision process
(3차시)Dynamic Programming
(12주차 학습목표)
1. 강화학습 기반 인공지능을 이해할 수 있다. 
2. 강화학습의 기본원리를 설명할 수 있다. 
13 로봇 제어 (1차시)로봇 티칭 2021. 2. 16
(2차시)강화학습을 이용한 로봇제어(1)
(3차시)강화학습을 이용한 로봇제어(2)
(13주차 학습목표)
1. 로봇 제어를 위해 강화학습이 어떻게 응용되는지 이해할 수 있다. 
2. 강화학습을 이용한 로봇제어 사례를 나열할 수 있다.  
14 로봇과 인공지능 (1차시)로봇공학에서의 인공지능 응용(1) 2021. 2. 21
(2차시)로봇공학에서의 인공지능 응용(2)
(3차시)인공지능 로봇의 미래
(14주차 학습목표)
1. 로봇공학에서 인공지능이 융합되는 사례를 나열할 수 있다.  
2. 바람직한 인공지능 로봇의 미래에 대하여 발표할 수 있다. 
기말시험 2021. 2. 21

강좌운영팀 소개

교수자

박종오 교수 사진
박종오 교수
현) 전남대학교 로봇연구소(RRI) 소장
현) 전남대학교 기계공학과 교수
Univ. Stuttgart. 로봇공학 박사
E-mail: k-mooc@jnu.ac.kr
홍아영 교수 사진
홍아영 교수
현) 전남대학교 로봇공학융합전공 교수
현) 전남대학교 인공지능융합학과 겸임 교수
ETH Zurich. 기계공학 박사
E-mail: ahong@jnu.ac.kr

강좌지원팀

조교 프로필 사진
이기완 조교
전남대학교 AI융합대학 학석사연계과정
E-mail: ysb619@jnu.ac.kr

강좌 수강 정보

이수/평가정보

이수/평가정보
퀴즈 웨비나 참여 토론 중간시험 기말고사 합계
20% 20% 10% 25%  25% 100%
*이수기준= 총점 60점 이상

강좌 수준 및 선수요건

이 강좌는 대학 학부 전공 기초 정도 수준으로 제작되었으며, 로봇공학과 인공지능 분야에 관심이 있는 중등교육이상을 수료하였다면 누구나 수강가능한 강좌입니다.

교재 및 참고문헌

이 강좌는 별도의 교재가 없으며, 학습자료를 별도 PDF 파일로 제공합니다.

자주 묻는 질문

강좌 교재가 따로 있나요?

별도의 교재는 없으며, 학습자료를 통해 함께 학습하시길 바랍니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. Subject

    Engineering
    (Mechanical & Metallurgical Engineering)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    intermediate
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    Institution

    Chonnam National University
  4. 운영 기관의 전화번호 입니다.

    Phone

    062-530-5029
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    15week
    (주당 03시간 00분)
  6. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    45시간 00분
    (16시간 15분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Registration Period

    2020.12.28 ~ 2021.02.14
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2020.12.28 ~ 2021.02.28