Enroll Course: https://www.coursera.org/learn/robotics-learning
코스 개요
로봇은 어떻게 소음이 많은 센서 측정값으로부터 자신의 상태와 주변 환경의 특성을 결정할 수 있을까요? Coursera의 로봇 공학: 추정 및 학습 과정을 통해 이러한 질문에 대한 해답을 찾을 수 있습니다. 이 과정에서는 로봇이 동적이고 변화하는 세계에서 추정 및 학습을 위해 불확실성을 포함하는 방법을 배울 수 있습니다.
커리큘럼
이 과정은 Gaussian 모델 학습, 베이지안 추정 및 로봇 매핑 등 여러 가지 고급 주제를 포함합니다.
- 가우시안 모델 학습: 파라메트릭 모델링에 있어 가우시안 분포의 기본을 배우게 됩니다. 이 주제는 일차원 및 다변량 가우시안 분포를 다루며, 혼합 가우시안 모델로 확대할 것입니다.
- 베이지안 추정 – 목표 추적: 동적 시스템을 추적하기 위해 가우시안 분포를 사용하는 방법을 배우며, 선형 칼만 필터 시스템 및 비선형 필터링 시스템에 대해 알아봅니다.
- 매핑: 로봇 매핑을 배우고, 범위 측정을 기반으로 한 Occupancy Grid Mapping 알고리즘을 이해하는 내용을 다룹니다. 후속 주차에서는 3D 매핑도 소개됩니다.
- 베이지안 추정 – 위치 결정: 로봇의 위치 지정을 배우고, 범위 측정치와 주행 거리계를 결합하여 로봇을 지도에 위치시키는 방법을 익힙니다. 최종적으로 3D 위치 결정도 다루게 됩니다.
추천 이유
이 과정은 로봇 공학의 필수적인 수치적 기초를 쌓고 싶어하는 학생이나 전문가에게 특히 추천합니다. 아니면, 로봇이 환경을 어떻게 이해하고 반응하는지에 대한 통찰을 얻고자 하는 분들에게도 매우 유익할 것입니다. 이론적 지식뿐 아니라 실제적 응용에 중점을 두고 배울 수 있어, 수업을 통해 학습한 내용을 실제 상황에 접목할 수 있는 기회를 제공합니다.
마무리
로봇 기술의 발전이 지속됨에 따라, 이러한 고급 주제들을 학습하는 것은 미래의 경력을 위해 매우 중요합니다. Coursera에서 제공하는 로봇 공학: 추정 및 학습 과정을 통해 지식을 쌓고 더욱 진보된 기술을 익힐 수 있는 장을 마련하세요!
Enroll Course: https://www.coursera.org/learn/robotics-learning