강좌소개
본 강좌는 로봇팔의 구성요소와 모델에 대해서 학습하고 자율 조작을 구현하기 위한 모방학습 방법을 이해하는 것을 목표로 한다. 또한 로봇 시뮬레이션 환경에서 수집되는 센서 및 행동 데이터를 활용하여 모방학습의 기본 개념과 학습 구조를 이해하고 구현하여, 복합 상황에 대응하는 지능형 로봇 시스템을 설계하는 역량을 갖추는 것을 목표로 한다.
강좌 상세페이지 배경
-
AI와 디지털 기반 로봇을 활용한 자율 조작 학습 [3/4 개강] 진행중 이수증
-
AI와 디지털 기반 로봇을 활용한 자율 조작 학습 [3/4 개강]
참여기관 목록
강좌소개
학습목표
로봇 시뮬레이션 환경 설정 및 조작 데이터 수집
학습된 정책의 적용 및 성능 개선 전략
Behavior Cloning 및 Inverse RL 이론과 실습
강좌 운영일정
- 수강신청기간 : 2026.2.11. ~ 2026.3.18.
- 강좌운영기간 : 2026.3.4. ~ 2026.6.26.
이수 및 평가기준
- 총점 60점 이상 이수증 발급
- 진도율, 퀴즈, 과제, 총괄평가에 따른 점수를 합산하여 60% 이상 기준에 도달하면 학업의 최저 기준치를 충족한 것으로 간주함
수업계획서
주차 | 주차명(주제) | 차시 | 차시명(학습내용) | 평가방법 |
1 | 자율조작로봇팔과AID 개요 | 1-1 | 자율 조작 로봇팔과 AID |
|
1-2 | 로봇팔 구성요소 이해 | |||
1-3 | 시뮬레이션 환경 소개 | |||
2 | 시뮬레이션환경설정 | 1-1 | 시뮬레이터 종류와 비교 |
|
1-2 | 환경 설치 및 실행 | |||
1-3 | 기본 조작 실습 | |||
3 | 로봇팔의기구학과조작모델링 | 1-1 | 로봇팔 모델 |
|
1-2 | 순기구학 / 역기구학 | |||
1-3 | 로봇팔의 동역학 | |||
4 | 조작데이터수집및전처리 | 1-1 | 로봇 데이터의 종류 (작업공간/관절공간, 이미지 등) |
|
1-2 | 데이터 수집 방법 | |||
1-3 | 데이터 전처리 방법 | |||
5 | 모방학습이론1 | 1-1 | MDP의 이해 |
|
1-2 | Behavior Cloning (BC) 기본 이론 | |||
1-3 | 지도 학습을 통한 BC | |||
6 | 모방학습이론2 | 1-1 | Inverse Reinforcement Learning (RL) 의 개념 |
|
1-2 | BC vs Inverse RL | |||
1-3 | 모방학습 이론 실습 | |||
7 | 모방학습학습방법 | 1-1 | 모방학습 환경 구축 |
|
1-2 | 모방학습 학습 실습 | |||
1-3 | 모방학습 vs 강화학습 | |||
8 | 정책학습실습 | 1-1 | Action Chunking Transformers (ACT) 방법 소개 |
|
1-2 | 학습 파이프라인 구축 | |||
1-3 | 학습 실습 | |||
9 | 정책성능평가 | 1-1 | 시뮬레이터에 학습된 정책 적용 |
|
1-2 | 정책의 일반화 검증 | |||
1-3 | 다양한 환경에서의 실험 | |||
10 | 정책의한계점분석및개선방향 | 1-1 | 실패 사례 분석 |
|
1-2 | 개선 전략 | |||
1-3 | 학습 내용 정리 | |||
11 | 형성평가 | |||
강좌운영진
-
교수자- 이름 : 박수한
- 소속 : 광운대학교 로봇학과 조교수
- 연락처 : park94@kw.ac.kr
- 대표 이력
- 저서- Dongwoo Son and Suhan Park, LiPo: A Lightweight Post-optimization Framework for Smoothing Action Chunks Generated by Learned Policies, 2025
- Suhan Park, Suhyun Jeon, and Jaeheung Park “A Constrained Motion Planning Method Exploiting Learned Latent Space for High-Dimensional State and Constraint Spaces,” IEEE/ASME Transactions on Mechatronics (T-MECH), 2024
- Suhan Park, Hyoung Cheol Kim, Jiyeong Baek, and Jaeheung Park, “Scalable Learned Geometric Feasibility for Cooperative Grasp and Motion Planning,” IEEE Robotics and Automation Letters (RA-L), 2022
- Suhan Park, Haeseong Lee, Seungyeon Kim, Jiyeong Baek, Keunwoo Jang, Hyoung Cheol Kim, Myeongsoo Kim, and Jaeheung Park, “Robotic furniture assembly: task abstraction, motion planning, and control,” Intelligent Service Robotics, 2022
- 이력 - Dongwoo Son and Suhan Park, LiPo: A Lightweight Post-optimization Framework for Smoothing Action Chunks Generated by Learned Policies, 2025
- Suhan Park, Suhyun Jeon, and Jaeheung Park “A Constrained Motion Planning Method Exploiting Learned Latent Space for High-Dimensional State and Constraint Spaces,” IEEE/ASME Transactions on Mechatronics (T-MECH), 2024
-
운영TA