퇴근할게요 교수님

1. Abstract여기서는 STE를 SAT[search and tracking]이라고 표현한다. MCTS의 non-myopic[멀리 내다볼 수 있는] 방식을 채택하여 planning을 하려고 하지만, MCTS의 많은 계산량으로 인한 문제점이 존재한다. 이로 인해 MCTS는 제한된 particle filter를 사용한다. 이를 해결하기 위해 이 사람들은 Sigma Point-based mutual information reward pproximation[ASPIRe]를 제시한다. 이는 SP-based인 MI[mutual information]으로, 훨씬 우월한 real-time 계산시간을 보여주고, search에 대한 효율성을 지닌다.2. Main[System Formulation]Sensor model..

논문 이전에 Path Planning에 대한 관심은 언제나 존재한다. 로봇의 자율주행 기능을 책임지는 Path Planning은 전체적인 지도[Map]를 지니고 있을 때의 경로를 제작하는 Global Planning, 카메라, LiDAR 등의 센서 데이터를 받아와 시간에 따라 현재 위치에서 목적지와 충돌 가능한 장애물 등을 고려한 Local Planning[Motion planning 이 여기에 속해 있을 것이다.] 등이 있다. 이러한 기술들은 차량 자율 주행, 로봇의 목적지 도착에 주로 쓰이며, 움직여 목적지에 도착을 해야하는 Task를 가진 임무에는 어디든 쓰인다고 생각하면 된다. 그래서 주로, 로봇 전문가 및 자동차, 무인이동체 등의 개발자는 필수적으로 필요한 개념이다. 오늘 소개할 논문은 Info..

대학원 생활을 하며, 기존 사용하던 ROS1에서 벗어나 ROS2를 다루어야 한다는 생각이 더 많이 들고 있다. 먼저 ROS1과 ROS2의 차이점에 대해서는 다음과 같다. Linux, Window, macOS 모두 지원 기존 ROS1도 여러 방법을 통하여 사용은 가능하였지만, ROS2처럼 직관적으로 사용할 수는 없었다. Real-time 지원 기존 ROS1은 실시간성에 대해서 지원이 되지 않았다. "실시간적으로 통신이 되지 않냐?" 라고 물어본다면 그건 아마도 빠른 HZ 사이의 통신에서 그렇게 느꼈던 것일 것이다. 하지만 실제로는 Pub, Sub 구조를 10Hz로 설정하여도 실행되는 딜레이 등으로 인해서 15ms, 20ms 등으로 늦어질 수 있다. ROS2는 리얼타임 운영체제, DDS의 RTPS(Real-..

최근 읽고 있는 책인 소울 러닝이라는 책 중에서 이러한 구절을 볼 수 있다. 사람에게는 각자의 페이스가 있다. 어느 사람은 처음부터 빨리 달리는 것에 익숙할 것이고, 어느 사람은 일정한 속도로 달리는 것을 좋아하는 사람이 있을 것이다. 어느 사람이 더 멀리 나아갈 수 있을까? 아마도 모두 같은 도착 지점에서 서로를 만날 수 있을 것이다. 그렇다면 어떤 것이 중요한 것일까? 어느 달리기 방식이 좋다는 것이 아닌, 자신이 어느 방식을 지니는 지가 중요하다. 나는 빨리 달리고, 늘 새로운 것을 찾는 타입이다. 하지만 늘 마지막에 열심히 하지 않는 나의 모습을 보며 후회를 하고는 한다. 하지만, 내가 먼저 빨리 달리는 것을 스스로 알고 있다면 또 다른 것을 찾아서 열심히 달릴 수 있지 않을까? 많은 사람이 자신..

논문 이전에 DD3D의 정식 논문 이름은 DD3D(is pseudo-lidar needed for monocular 3d object detection?)이다. 이는 기존 존재하는 논문 pseudo-lidar needed for monocular 3d object detection에 대해서 더 나은 발전 방향을 가지고 만든 논문이다. 그렇다면 기존 논문에 대해 요약한다면 pseudo-lidar란? 저렴한 센서인 카메라는 깊이 정보의 부재로 3D object detection에 낮은 정확도를 가진다. 하지만, 이 논문은 낮은 정확도의 원인은 camera 의 depth 정보가 아니라 데이터의 대표적인 문제라고 생각한다. 그.래.서 image로 depth map을 만들고, 이를 pseudo-lidar로 lid..

로봇공학과란? 요즘 가장 핫한 주제로 떠오르고 있는 주제가 로봇이죠?? AI, 휴머노이드 등 다양한 로봇들이 개발되고 있고 많은 관심을 받고 있죠! 하지만 로봇공학도들이 모두 이걸 하는 것은 아닙니다 로봇공학과는 크게 전장부, 기계 설계, 소프트웨어 개발, 제어 로 나눌 수 있을 것 같아요! 기계공학과, 전자공학과, 소프트웨어학부 등의 수업을 모두 접목한 과가 바로 로봇공학과 라고 할 수 있습니다! 로봇공학과가 하는 것은? 먼저 전장부 입니다! 전장부는 로봇에 필요한 전력, 장비 부분을 설계합니다. 로봇을 아무리 잘 만들고 소프트웨어를 다 만들어도 전력을 주지 못한다면 움직이지 않겠죠?? 필요한 전력과 사용 시간 등을 계산하여 로봇의 동력을 불어넣어 주는 역할입니다! 다음은 기계 설계부 입니다! Soli..

이번에는 간단하게 Python, C++, Java 등 개발자가 되기 위한 코딩 공부를 어떻게 하는 지에 대해서 써보려고 한다. 백준, 생활 코딩 등 다양한 코딩 공부 사이트가 있지만 내가 추천하는 사이트는 코드 트리이다. https://www.codetree.ai/missions 코드트리 | 코딩테스트 준비를 위한 알고리즘 정석 국가대표가 만든 코딩 공부의 가이드북 코딩 왕초보부터 꿈의 직장 코테 합격까지, 국가대표가 엄선한 커리큘럼으로 준비해보세요. www.codetree.ai 이 사이트의 좋은 점은 학습하기에 있다. 학습하기에는 다음과 같이 커리큘럼이 존재하는데 자신의 난이도와 모르는 부분에 대해서 공부를 할 수 있다. 코드 공부를 처음부터 시작하는 사람은 프로그래밍 기초에서 변수 설정 및 사칙 연산..

AirSim에서 RL을 진행하며 가장 어려웠던 부분이 Env(환경)을 제작하는 부분이다. 나는 학습 코드를 다음과 같이 구성하였다. Main 환경과 강화학습 Model 사이에서, AirSim을 연결하여 실제 학습을 진행하는 코드이다. Main에서 학습이 진행이 되며, 다양한 파라미터, 모델 저장, Reward 비교 등을 설정할 수 있다. Model 강화학습에서 학습을 진행하기 위해 구현되어 져 있는 학습 모델을 의미한다. 다양한 RL 모델(PPO, TD3, DDQN, DQN, SAC 등)을 이용하여 AirSim 에서의 학습에서 적합한 모델을 확인하려 한다. Env 학습에 필요한 환경이다. Model에 들어가는 parameter가 Main에서 설정을 해 주었다면, Model에서의 State, Action ..

AirSim에서 API를 모두 분석하고, 직접 사용하기 위해서 python 파일 생성 및 설명을 해 보았다. 모든 API 분석을 블로그에 기재를 한다면 내용이 너무 길어지니 제작한 부분만 업로드를 하고, 기존의 것은 Git에 저장을 하였다. > hmue_drone.py : 드론을 이동시키는 코드 import airsim import numpy as np # AirSim 클라이언트 생성 client = airsim.MultirotorClient() # 드론 연결 client.confirmConnection() def get_drone_direction_vector(): # 드론 상태 정보 가져오기 state = client.getMultirotorState() # 드론 요(Yaw) 각도 가져오기 yaw =..

AirSim에서 RL을 적용하는 데에 목표를 잡기로 하였다. AirSim에서의 Drone은 제어기를 통해 다양한 프로젝트를 수행할 수 있다. 물리 엔진 구성이 잘 되어 있기에 Sim to Real간의 차이가 거의 없이 프로젝트를 진행할 수 있다. 다양한 프로젝트 중 RL 공부와 Trajectory planning 을 공부하기 위해 다음과 같은 프로젝트 주제를 잡았다. 프로젝트 목표 : RL을 통한 Collision Avoidence(충돌 회피) 및 목적지 도착 위 프로젝트를 진행하기 위해 AirSim에서 제공해 주는 API를 분석해 보았다. API 분석하기 이전, 예시 동영상을 통하여 잠깐의 프로젝트에 대한 설명을 진행하려고 한다. 위 영상은 Fast-Racing을 진행하고 있는 영상으로, 중국의 유명한..