사전 지식이 없는 수강생을 대상으로 기초적인 수학 도구부터 인공신경망, 다층퍼셉트론, 역전파 알고리즘, 심층 합성곱 신경망을 공부하고 선형 회귀 분석과 분류기 학습에 적용해 본다.

This course is for students who do not have prior knowledge of deep learning. It covers basic math tools, artificial neural network, multilayered perceptrons, backpropagation, deep convolutional neural network. The algorithms are applied to linear regression and image classification.

초기의 인공신경망에서부터 DBN, AlexNet, VGG, GoogleNet, ResNet, Capsule Net 및 최신의 알고리즘에 이르는 심층신경망의 역사를 다루고, FCN, RNN, GAN, Deep Reinforcement Learning 등의 심화 모델로 확장한다.

This course covers history of deep networks: traditional artificial neural networks, CNN, DBN, AlexNet, VGGNet, GoogleNet, ResNet, CapsuleNet and recent new networks. It also covers advanced algorithms such as Fully Convolutional Networks, Recurrent Neural Netoworks, Generative Adversarial Network and deep reinforcement learning.

본 과목에서는 이미지 특징점, 대응점 탐색, 정적 / 동적 장면의 3차원 복원 (다중 시점 기하학 및 대응점 탐색, 움직임 분석 및 추적), 객체 / 얼굴 / 동작 인식, 색상 불변성 및 반사 특성, 이미지 분할, 그리고 실제 응용 분야에서의 최근의 기하학 및 통계학적 방법론 등과 같이 컴퓨터 비전 분야에서 중요한 주제들을 선택적으로 배우게 된다. 각각의 주제들에 대해 기존의 이론 및 알고리즘과 함께 최신의 고급 이론 및 새로운 아이디어를 배우며, 중요한 접근 방법론들을 심도있게 이해하기 위해 컴퓨터 프로젝트 및 실습 과제들이 학생들에게 주어진다.

The course covers selected topics in computer vision. Topics include image features and correspondence, 3D reconstruction of static/dynamic scenes (multiple view geometry and matching, motion analysis and tracking), object/face/action recognition, color constancy and reflection, image segmentation, and recent geometric and statistical methods for practical applications. For each topic, classic theories and algorithms will be given followed by advanced theories and new idea. To achieve an in-depth understanding of the most significant current approaches, computer projects and/or homeworks will be assigned to students.

본 과목은 Labview기반 설계 및 실험을 통한 통합 접근법으로 기계와 전자공학의 융합을 통해서 기계시스템을 설계할 수 있는 능력을 배양하는 것을 목적으로 한다. 강의 내용으로는 그래픽 기반 실시간 메카트로닉스 시스템 기능 구현을 위해서 하드웨어 인터페이스, 디지털 및 아날로그 인터페이스, 측정 및 센싱, 전자기 구동, 메카트로닉스 시스템의 제어 시스템을 다루고자 한다.

This course aims to obtain capabilities to design mechatronic systems for integration of the mechanical and electrical engineering disciplines with a unified approach. There are Labview-based design experiences for this purpose. Topics will cover Labview-based programming to implement real-time mechatronic tasks, Low-level interface with hardware, digital &analog & power amplifier interface, measurement & sensor system; electromagnetic actuation, and controller design of mechatronic systems.

본 과목은 다 관절 로봇/모바일 로봇/모마일 매니퓰레이터 로봇들의 실제적인 프로그램 및 모션 생성 기술을 증진시키는 것을 목적으로 한다. 따라서 기본 기구학, 동력학 및 제어, 시뮬레이션 로봇 기법 및 다양한 로봇 작업에서의 적용을 다룬다. 강의 내용으로 로봇 운동해석, 충돌 회피, 모션 생성 기법, 파지 및 조작 등을 다양한 로봇을 대상으로 해석, 시뮬레이션, 실험하는 내용을 다룬다.

This course aims to introduce a method to program and handle major robots such as articulated robots, mobile robots, and mobile manipulators. It mainly covers kinematics, dynamics, and simulation schemes for different robotic systems and their applications to various robotic tasks. Topics will also cover different motion planning techniques, redundant robotic manipulators, grasping, manipulation,and operational space for applications to real robotic platforms

본 과목에서는 응용과 함께 다양한 수학적 접근법에 대한 내용을 소개한다. 현대 과학과 공학에서 기본이 되는 솔루션을 제공하는수학적 문제들를 분석적측면과 실용적측면에서 해결하는 방법을 익힌다.Complex variable (복소수변수), ordinary differential equations (상미분방정식), linear algebra (선형대수학), statistics and probability (확률과 통계)의 4가지 수학분야를 중심으로 강의가 진행된다.

This course provides an introduction to various mathematics with applications. Students will learn how to solve mathematical problems whose solution is fundamental to many contemporary science and engineering by both analytical and practical manner. Mainly, students will study four different mathematical fields such as complex variables, ordinary differential equations, linear algebra, and statistics and probability.

본 과목에서는 computational 문제를 해결하는 과정이나 방법을 말하는 '알고르듬'에 대해 집중적으로 다룬다. Sorting, trees, graphs를 포함하여 기초가 되는 다양한 알고리즘을 분석해 봄으로써 알고리즘의 효용성을 평가하고, 알고리즘에 관한 방법론뿐 아니라 알고리즘 생성을 위한 기초적 데이터구조 및 advanced 데이터구조에에 대한 설계도 함께 다룬다.

An algorithm is a procedure or a method to solve a computational problem. In this course, various topics on the analysis and design of algorithms are taught. By analyzing fundamental algorithms including the algorithms for sorting, trees, and graphs, students will learn methods to evaluate the efficiency of an algorithm and design methodologies of algorithms as well as fundamental and advanced data structures for creating algorithms.

본 과목에서는 ‘인간-컴퓨터 상호작용’ 분야를 소개한다. 인터랙티브, 모바일, 웨어러블, 유비쿼터스, 인간-로봇 상호작용 등 다양한 학제간 융합 연구를 소개하고, HCI 연구기법, 도구와 장비, 인간대상실험에 대한 정보를 전달한다. HCI 전공이 아닌 대학, 대학원생 모두가 수강할 수 있는 과목이다.

This course provides an introductory overview of Human-Computer Interaction (HCI). It introduces students to research areas in HCI (e.g., interactive, mobile, wearable, ubiquitous technology; Human-Robot Interaction), research methods, tools, techniques, and sources of information about HCI and provides a systematic approach to design human-subject experimentation. Course is open to undergrads and graduate level non-hci majors.

본 과목은 ‘인간-컴퓨터 상호작용’ 분야에서 사용하는 ‘연구기법’ 을 상세히 다룬다. 설문조사, 인터뷰, 다이어리, 사용성 평가, 센서기반 사람이해(시선 추적, 생체신호 측정), 연구질문 및 연구가설 기반 인간대상 실험 설계, 데이터 통계분석, 사용자 경험 샘플링 기법 등 사람 피험자를 대상으로 다학제간 융합연구를 설계하는 방법을 배우게 된다.

This course focuses on a detailed overview of research methods in Human-Computer Interaction (HCI) and a hands-on experience from experimental design to statistical analysis of collected data. It includes surveys and diaries, case studies, interviews and focus groups, ethnography, usability testing, analyzing qualitative data, automated collection methods, sensor-based understanding the human, working with human subjects.

컴퓨터그래픽스 이론이 게임, 영화, 전시, AR, VR과 같은 다양한 응용 분야에서 어떻게 활용되고 있는지 학습한다. 또한 이와 관련된 프로젝트 진행을 통해 그래픽스 기술을 실제 응용 분야에 적용할 수 있는 능력을 기른다.

We will study how to apply computer graphics thoery to its applications such as games, animations, exhibitions, AR and VR. In addition, students are able to learn problem solving skills by applying the computer graphics techniques into interesting problems through term projects.

3D가상환경을 제작하여 사용자가 가상의 환경 안에서 인터렉션을 하는 가상현실(Virtual Reality) 기술의 기본적 원리를 학습하며 이를 제작하여 본다.

Virtual reality is a technology by which a user interacts within a 3D virtual environment. Students will learn the basic principles of virtual reality technology and acquire knowledge and skills through practical training of virtual reality project.

본 과목은 최첨단의 과학기술이라 할 로봇기술을 둘러싼 법적 쟁점들을 다룬다. 학기 전반부에서는 인공지능 로봇 기술의 적용 범주별(의료용, 군사용, 사회적 로봇, 자율차 등)로 법적 쟁점들을 개괄한 후, 후반부에서는 각종 법적 문제들을 보다 각론적으로 (가령, 로봇의 헌법적 지위, 로봇의 행위와 관련한 민사손해배상의 책임, 범죄 및 형사적 책임 등)을 다룰 것이다.

This course deals with the legal issues in AI and robotics. The former part of the course surveys the legal issues of those technologies in accordance with each type of it(military, medical, social robots and self-driving cars), and the latter part of it then deals with the individual topics such as the legal status of robots, the civil liability and criminal responsibility of robots in the accidents they are involved.

로봇에 필요한 전반적인 이론들과 Actuator, Design, 센서, 동역학, 제어, AI, Navigation 등의 기술이 소개된다. 로봇에 대한 general view를 제공할 목적으로, 로봇 메커니즘뿐 아니라 관련 assistive technology (가령, 로봇을 위한 센싱과 액츄에이터, AI등을 활용한 로봇 intellingence)에 대해 학습한다. 로봇 개발용 소프트웨어 프레임웍으로 이루어진 ROS (로봇 OS)을 주로 사용하며 6축 로봇팔을 사용한 다양한 응용(application)을 스스로 제작해보는 내용도 포함한다.

This course provides introductory knowledge about robotics. Students will study fundamental concepts from robot kinematics to basic control methodology. To give a general view about the robotics this course will cover up not only robot mechanism but related assistive technologies like sensing technique, actuators for robots and robot intelligence using AI in advanced robotic systems. Students will use 6 d.o.f. robot arms for experimental study to make their own application using ROS ,which is a collection of SW framworks for robot development. (see www.ros.org).

기계, 전자, 유압, 자기 시스템과 같이 다양한 물리 시스템을 본드그래프를 사용하여 통일된 방법으로 모델링하는 기법이 소개된다. 이를 바탕으로 실제 제어에 사용되는 기본적인 아나로그 앰프, 센서, 액츄애이터, 증폭기, 제어기, 신호처리부, 플랜트를 이해 한다. 또한 시간 영역과 주파수 영역에서 사용되는 제어 기술에 대해 소개하고 제어에 필요한 기본적인 지식과 기술을 습득한다.

In order to understand the various physical systems such as hydraulic, mechanical, electrical, magnetic, and thermal systems in terms of energy or power exchange, a bond graph modeling technique is introduced. Conventional control theory in the time and frequency domains are covered with the consideration of sensor and actuator, voltage and current amplifier, and various signal processing techniques. Not only the basic knowledges related to control techniques and signal processing but also control engineering sense based on the experimental works are emphasized.

어셈블리와 기계어를 사용하는 컴퓨터 구성의 프로그래밍 모델에 대해 소개한다. 고급 언어에서 기계 명령어로 변환하는 프로세스, 수의 표현, 컴퓨터 산술, 명령어 세트, I/O 인터페이스, I/O 및 프로그래밍 인터럽트에 대해 다룬다. 실험 수업에서는 ARM 기반 마이크로프로세서 하드웨어 및 소프트웨어 시스템에 대한 실습이 진행된다.

An introduction to programmer model of computer organization using assembly and machine language. Process of translation from high level language to machine instructions. Number representation, computer arithmetic, instruction sets, I/O interfacing, I/O interrupts, and programming interrupts. Laboratory exercises involve detailed study and interfacing of an ARM based microprocessor hardware and software system

본 과목에서는 4차 산업혁명시대에 대응하는 인재를 양성하기 위한 인공지능과 로봇 기술을 기반으로 하는 맞춤형 창의 혁신 교육을 실현하기 위해서 기획부터 제작까지의 전 과정을 Design Thinking Process를 통해서 체계적으로 교육하여 이 과정을 통해서 로봇 공학, 인공지능, 디지털 테크놀로지의 융합을 이루고 학생들에게도 다양한 기술과 사고능력 표현 기술에 대한 이해와 창의적 사고 능력을 개발하는 것을 목표로 한다. (로봇공학을 수강한 학생들이 들을 수 있으며 여름 방학기간 동안 원하는 학생들에게 실습을 목적으로 하는 인턴쉽을 제공한다.)

This class aims to implement the customized creative innovative education environments with artificial intelligence and robotic advanced technolgies for training engineers to cope with 4th Industrial Revolution. For this purpose, we will educate systematiclly whole process through Design Thining Process from planning to manufacturing, then converge with robotics, airtificial intelligence, and digital thchnology, provide understaning for diverse tehcnologies and presentation techniques of thinking capability, and develop creative thining capability through this education process

딥러닝 기반의 다양한 응용을 다룬다: 이미지에서 인식, 이미지에서의 다수의 물체 인식, 강화학습을 이용한 게임 조작, 기계 번역, 생성 모델을 이용한 그림생성 등

This course covers variety of applications of deep learning: image recognition, object detection in images, game playing with deep reinforcement learning, machine translation, machine painting, etc.

패턴인식(Pattern Recognition)기술은 의사결정, 컴퓨터비전 기반 시스템, 의학진단, 비지니스 및 금융산업 등에서 필수적이면서도 그 중요성이 강조되고 있다. 본 과목에서는 classification, clustring, feature selection에 대한 내용을 집중적으로 다루며, 얼굴인식, 생체의학적 정보학, 영상분류와 같은 실제응용에 대한 소개도 포함한다.

Pattern recognition is essential and its importance is growing in the decision making or supporting systems of computer vision, medical diagnostics, business and financial industry, etc. The main concerns of this course are the classification, clustering and feature selection methods. Applications to face recognition, biomedical informatics, and images classification will also be considered to stimulate students' interests

본 과목에서는 데이터와 실험에서의 불확실성(uncertantities)을 고려한 Bayesian theorem 기반의 추론(interference) 및 결정(decision)에 대한 내용을 학습한다. 세부적으로 Bayesian reasoning, Bayesian networks과 이를 기반한 knoweldge engineering, decision netwokrs, Bayesian netwokr classifier에 대한 내용을 다룰 예정이다.

In this course we will deal with the Inference and decision methods based on the Bayesian theorem to consider the uncertainties in the data or experiments. Starting with Bayesian reasoning, we will cover the Bauesian neywroks, decision networks, Bayesian network clasifier, knowledge engineering with Bayesian networks, and so forth.

본 과목에서는 산업에서 대표적으로 사용되고 있는 직렬 및 병렬 매니퓰레이터의 기구학을 이해하기 위해 필요한 기초 지식을 제공하는 것을 목적으로 하고 있다. 따라서 닫힌 형태의 4절링크 및 6절링크의 1자유도 및 5절 링크의 2자유도의 기구 해석을 기초로, 다 자유도의 직렬 및 병렬로봇, 텐던 구동 로봇의 기구학, 자코비안 및 정적 해석 등의 기구해석을 수행하고 재활로봇 및 인체 인터페이스 기계 장치 등의 연구 분야 적용을 포함한 강의를 진행하고자 한다.

This class aims to provide the fundamental knowledge needed for understanding the kinematics of both serial and parallel robotic manipulators. The class covers an in-depth treatment of kinematic analysis of four-bar and six-bar linkages with single degrees of freedom, then extends to two degree of freedom mechanisms. It continues position analysis, Jacobian analysis, statics and stiffness analysis of different types of manipulators such as serial and parallel manipulators, tendon-driven manipulators, and including a discussion of research applications such as rehabilitation robots and mechanical human interface systems.

본 과목은 제어이론 중에 처음으로 듣게 되는 과목으로 주로 연속시간 제어 시스템의 해석과 설계를 다룬다. 특히 수업에서는 라플라스 변환, 시스템의 모델링, 초기 및 안정된 반응의 해석, 루트로커스 해석 및 이를 이용한 제어 시스템 설계, 주파수 반응의 해석 및 이를 이용한 제어시스템 설계 등을 다룬다. 이 과목을 통해서 학생들은 자동주행 자동차나, 무인항공기 및 로봇 등의 동적 시스템 제어기 설계에 필요한 간단하면서도 유용한 방법을 배우게 된다.

Automatic Control is a first course for senior or graduate students in control theory. The course covers analysis and design of continuous-time control systems. The main topics include the Laplace transform, mathematical modeling of systems, transient and steady-state-response analysis, root-rocus analysis and control system design, frequency-response analysis and control system design. Students will be able to learn simple but powerful tools for designing dynamic system control including autonomous vehicles, unmanned aircrafts, and robots, etc.

본 과목에서는 ACM Ubicomp, IEEE Percomp, ACM UIST (User Interface Software and Technology Symposium), ACM IUI (Intelligent User Interface), mobile HCI, IEEE Pervasive Computing and Communications 등에 출판된 최근 문헌을 함께 읽고 유비쿼터스 컴퓨팅의 최신연구동향에 대해 토론한다. 유비쿼터스 컴퓨팅을 위한 사용자 인터페이스, 상황인지 컴퓨팅, 위치기반 서비스, 필드 스터디, 사물인터넷, HCI에서의 interruptions 및 프라이버시 이슈 등을 포함한다.

This course provices an overview of past and state-of-art research topics in ubiquitous computing. Students will be asked to read and review a series of the seminal lterature drawn primarily from top-tier conferences and journals such as ACM Ubicomp, IEEE Percomp, ACM UIST (User Interface Software and Technology Symposium), ACM IUI (Intelligent User Interface), mobile HCI, IEEE Pervasive Computing and Communications

인간이 지능화되는 방식에 맞게 로봇을 지능화하기 위해서는, 인간과 유사하게 로봇도 세상 및 세상과 상호작용하기 위한 로봇 자신의 능력에 대해 학습을 해야한다. 본 과목에서는 로봇 학습 (robot learning)에 대한 연구 방향에 관해 토의한다.

For robots to be intelligent in the way people are intelligent, they will have to learn about their world, and their own ability to interact with it, much like people do. In this course we discuss research directions in robot learning

인간의 두뇌를 모사한 정보 처리 방식과 전통적인 기계 학습 사이의 차이점을 이해하고, 실제 두뇌의 지능을 구현하기 위한 방법론을 강의한다. 신경모사 컴퓨팅 시스템의 사례들을 연구하여 향후 차세대 지능 로봇 시스템으로의 적용 가능성을 모색한다.

This course is designed to understand the difference between the information processing method that imitates the human brain and the traditional machine learning, and to learn the methodology to realize the intelligence of the real brain. By studying the cases of the brain inspired computing system, we will explore the possibility of applying it to the next generation intelligent robot system.

본 과목에서는 재활 로봇에 적용되고 있는 외골격 로봇 및 운동재활 로봇 설계 및 제어 기법을 다루고, 인체 친화적인 구동기 및 센서의 설계 기법 및 사용자 재활 동기 증대를 위한 재활 모드 제어 기법을 다룬다. 또한, 의료 로봇 분야의 네비게이션 기법에 관련한 최신 이론을 강의한다.

This class aims to provide the fundamental knowledge needed for exoskeleton robots and exercise rehabilitation robots in terms of design and control. The class also covers human-friendly actuation and sensing system, and rehabilitation control mode required to motivate a patient to participate actively in training. The class also deals with new trends for navigation schemes of medical robots.

의료시스템전공자가 필수적으로 습득해야할 기계 및 전자공학에 대한 기초지식을 위한 학습을 제공한다.

This course is offered to the students whose undergraduate major is not in mechanical and/or electrical engineering. Lectures offered are on fundamentals of electric and electronic engineering including AC and DC circuit analysis, electronic circuits, logic circuits, and fundamental engineering principles in solid mechanics, kinematics, and dynamics for their potential applications in medical system design and analysis.

사용자와 상호작용하는 지능형 시스템을 개발하기 위해, 각종 센서로부터 능동 또는 수동으로 수집되는 다양한 정보를 해석하여 사용자의 의도를 파악하는 멀티모달 인터랙션을 설계한다.

Multimodal interaction, to support the development of intelligent systems that interacts with people, is designed with the collection of various sensory information from users and their environment, and the analysis of those data to interpret users' intention. This course covers various sensors and input devices and AI techniques to analyze multimodal sensor data.

본 과목은 고령자와 장애인이 보다 독립적으로 생활 할 수 있도록 도와주는 인터랙션 디자인과 지능형시스템 개발에 관한 주제를 다룬다. 다루는 주제로는 고령자에 대한 이해, 디자인 가이드라인, 인터페이스 디자인, 개인 보조 로봇, 인지 및 행동 코치, 인간 인식 및 운전자 지원 기술을 프로토타입화 하고 일상적 생활의 필요와 활동을 다루는 기술과 보조 및 배치 및 채택을 위한 사회적 및 임상적 요소가 포함된다. ACM SIGACCESS Conference, ACM Transactions on Accessible Computing (TACCESS) 중심의 학술논문에 대한 리뷰를 통해 QoL기술동향에 대한 학습과 토론을 포함한다.

This course deals with topics on the development of intelligent systems that enable older adults and people with disabilities to live more independently. Topics to be covered include understanding cognitive aging and technologies for addressing the needs and activities of everyday living by prototyping personal assistive robots, cognitive and behavioral coaches, human awareness and driver assistance technologies, and subsidiarily the social and clinical factors for deployment and adoption.

본 강좌에서는 인공지능 기술이 게임에 어떻게 활용될 수 있는지 배우도록 한다. 세부 주제는 인공지능 플레이어 제작, 게임 콘텐츠 자동생성, 게임 플레이어 모델링을 포함한다. 본 강좌에서 수강생들은 게임 인공지능과 관련한 작은 규모의 프로젝트를 진행할 예정이다.

In this course, we will study on the use of artificial intelligence for different types of games. The course includes topics on game AI players, game contents generation, and game player modeling. During the course, students will design small course projects about game artificial intelligence.

본 강의는 지능로봇분야의 최근의 새로운 발전을 논문중심으로 살펴보고 정리하여 발표하고 이를 바탕으로 프로젝트를 구성하여 실제적인 문제점들을 파악하여 미래연구의 발판을 삼기위함이다. 특히 최근에 비약적인 발전을 하는 기계학습, 심층학습, 강화학습에 기반한 로봇의 연구동향 중심으로 강좌를 구성한다.

This course is intended to discuss the most recent advanced theories and techniques in the area of intelligent robotics. Specific topics to be covered include: Machine and deep learning for robot application, reinforcement learning for robot control, etc. The most recent papers shall be read and summarized.

본 강의에서는 의료로봇분야에서 주목 받는 마이크로/나노로봇 분야에서의 최신 연구동향 및 관련 이론을 살펴보고자 한다. 나노마이크로 로봇의 설계/센서/구동/제어 기법의 기초를 학습하고, MRI기법을 응용한 차세대영상장치인 자기입자영상(MPI)의 이론 및 최신 기술 동향, 관련된 확장 연구 기법을 학습한다. 본 강의에서는 MPI를 응용한 다양한 마이크로/나노로봇의 연구주제 확장을 위한 기초를 확립하는 것을 최종 목표로 한다.

This lecture aims to cover the latest research trends and related theories in the micro/nano robot field, which is attracting attention in the field of medical robots. After learning the fundamentals of nano microrobot design / sensor / actuation/ control techniques, this class will cover the theory and latest technology trends of Magnetic Particle Image (MPI), which is the next generation imaging device for enhancing and overcoming MRI(Magnetic Resonance Imaging) technique. This class’s goal is to establish the basis for the expansion of research topics of various micro/nano robots.

본 강의는 로봇 제어에 관한 기초적인 제어이론 (PID, Inverse Dynamics, Adaptive, Robust, Force/Impedance, Vision-based, Passivity-based Control, 심층강화학습제어 등) 및 이의 실험을 통한 로봇제어시스템에 대한 지식을 제공한다.

This course offers basic robot control theories and associated experiments for the robots. It will cover such topics as PID, Inverse Dynamics, Adaptive, Robust, Force/Impedance, Vision-based, Passivity-based, Deep Reinforcement Learning-based Controls.

본 강의는 최근에 발전을 거듭하고 있는 강화학습에 대한 기초 이론을 바탕으로 로봇의 학습 방법론 및 이를 기반으로 하는 로봇 및 자율자동차의 제어에 대한 응용례를 강의하고 관련 실험을 수행함으로써 실제적인 응용능력을 배양한다.

This course offers basic reinforcement learning theories and methods for robot teaching and high level control. It will cover the following topics: introduction to reinforcement learning, finite Markov decision process, dynamic programming, Monte Carlo methods, Temporal-difference learning, Deep RL, robot teaching methods, applications on robot and autonomous vehicles.