다변수제어이론(Multivariable Control Theory)

선형시스템의 수학적 해석접근을 통하여, 제어시스템, 신호처리시스템의 해석/설계에 응용

전동기제어(Servo Motor Control System)

본 교과목은 각종 전력반도체 스위칭 소자의 특성을 이해하고 이를 이용한 전력 변환 장치의 원리 및 제어방식을 학습한다. 전력변환을 위한 PWM 기법과 제어 방식을 공부하고 이를 바탕으로 각종 전동기를 제어하는 문제를 다룬다.

로봇네비게이션(Robote Navigation)

이동로봇의 항법주행을 위한 Mapping, Localization, Path Planning, SLAM 기법을 학습한다.

선형시스템제어(Linear System Control)

선형 시스템의 주요 개념들을 소개하고 선형 시스템에 대한 제어기 설계 방법을 강의한다.

전력전자공학특론(Advanced Power Electronics)

본 과목은 전기적 에너지를 자기적 에너지를 통하여 기계적 에너지로 변환함으로써 움직임을 발생시키는 전기기계의 동작 원리를 이해하기 위해 필요한 체계적인 이론을 소개하고 이를 통하여 전기기계를 제어하기 위해 필요한 수학적 모델을 획득하고 이해할 수 있도록 한다.

비선형시스템(Nonlinear Systems)

자연계에 존재하는 대부분의 시스템은 비선형 시스템이다. 이 과목에서는 비선형성을 가지는 시스템에 대해서 리아프노프 함수를 이용한 안정성의 기본 개념을 학습하고 궤환 선형화 및 슬라이딩 모드 제어 등 여러 제어기법을 학습한다.

고급로봇네비게이션(Advanced Robot Navigation)

생체모방로봇시스템및제어(Biologically Inspired Robotic Systems and Control)

로봇제어특론(Advanced Robot Control)

This course deals with various advanced robot control methods and technical issues with control theory. With these, core theoretical approaches and experimental methodologies required in robotics fields are discussed and presented.

기계학습(Machine Learning)

본 과목에서는 지능형 로봇을 위한 기계학습 알고리즘을 다룬다. 기계학습, 컴퓨터비전, 인공지능 등의 분야에서 주요 논문을 선정하여 세미나 형식으로 강의를 진행한다. 강의에서는 저자의 핵심 아이디어와 기여점에 대해 토론하고 새로운 아이디어 혹은 문제점에 대해 검토한다.

고급3D컴퓨터비전(Advanced 3D Computer Vision)

고급로봇제어및응용(Advanced Robot Control and Application)

This course deals with various advanced robot control methods and current robotic issues with various applications. With these, core theoretical approaches and experimental methodologies required in robotics fields are discussed and presented with various simulation skills. This course is evaluated through personal term projects considering each major field.

생체모방제어특론(Biologically Inspired Control Approach)

Recently, biologically inspired control approaches for robotic systems have been attracting considerable attention owing to the fact that most humans or animals move and walk easily without explicitly controlling their movements. Therefore, this course is intended for students who have deep interest in applying a biologically inspired control approaches. For this, control applications to a 6DOF robot arm as well as a new basic study of robotics are involved in this course. This course is evaluated through personal term projects considering each major field.

머신러닝특론(Machine Learning Advanced)

딥러닝을 학습하기 이전 단계로 기계 학습 전반에 걸쳐 지식을 습득합니다. 회귀분석, 군집화를 비롯하여 텍스트 분석, 추천 시스템, 강화 학습 등을 다루며 파이썬으로 실습을 수행함으로써 실질적인 구현 능력도 이론과 함께 갖추도록 합니다. 본 과목의 실습 및 과제는 파이썬 언어를 사용하기 때문에 본 과목을 수강하기 위해서는 파이썬 언어에 대한 기본 지식을 가지고 있어야 합니다.

네트워크설계와해석(Network Design and Analysis)

뉴럴네트워크 최신 기술 동향을 파악한다. 주가예측 및 음성합성 분야의 최신 기술들을 공부한다.

최적제어(Optimal Control)

Study the key results on optimal control
- Introduction to Dynamic programming
- Finite time LQR, Infinite time LQR, Tracking control
- Control and Estimation

로봇SW플랫폼2(Robot Software Platform2)

학생들은 아래의 주제에 대하여 관련 연구를 조사하고 매주 발표한다.
- 자연스러운 대화를 위한 자연어 처리
이후 로봇에의 적용 및 응용에 대해 고찰하고 가능성을 알아본다.

고급딥러닝(Advanced deep learning)

The Advanced Deep Learning course covers advanced topics and the latest research trends in deep learning. This course primarily focuses on reading and analyzing recent papers, enabling students to deeply understand the latest technologies and research achievements in the field of deep learning and apply them to their own research. Key topics include advanced structures of deep learning networks, computer vision, natural language processing, model optimization techniques, generative models, and reinforcement learning.

로봇러닝(Robot learning)

확률론적로보틱스(Probabilistic robotics)

This course explores probabilistic methods for solving robotics problems, focusing on handling sensor uncertainty and dynamic variability. Students will learn how robots perceive, estimate, and plan in uncertain environments using probabilistic techniques. The course will be conducted in a seminar format, where students present and discuss research papers weekly.

지능시스템특론(Advanced Intelligent System)

This graduate-level course offers an advanced introduction to Human-Robot Interaction (HRI), integrating robotics, artificial intelligence, cognitive science, and human-centered design. The course begins with instructor-led lectures to establish theoretical and methodological foundations. Starting from Week 4, the format transitions to student-led research seminars, where participants present and critique state-of-the-art HRI papers, fostering critical discussion and collaborative learning.

최신인공지능특론(Seminar of Recent AI algorithms)

딥러닝 기반 최신 컴퓨터 비전 알고리즘에 대해 학습한다. 특정 분야 다수의 최신 논문을 발표 및 토론의 형식으로 진행한다.

차량제어특론(Advanced Vehicle Control)

최근 전기자동차 기술의 발달로 슬라이딩 모드, 외란 관측기, 모델 예측제어 등 비선형 강인 제어 기법의 실제 적용이 용이해졌다. 본 과목에서는 차량 동역학을 학습하고 종방향/횡방향/안전성 등 제어 목적에 따른 제어용 차량 모델을 익힌다. 시스템 모델이 갖는 비선형성 및 불확실성의 영향을 차량 해석 전문 소프트웨어(IPG CarMaker사용 예정)를 사용하여 분석하고 이를 보상하기 위한 제어 전략을 수립한다. 학습한 제어기 설계 기법을 적용한 후 시뮬레이션을 통하여 그 성능을 검증한다.

진동학(Engineering vibration)

진동에 의해 발생할 수 있는 문제를 파악하고 해석하는 방법에 대해 다룬다. 진동이 발생하는 원인을 파악하고 해석하기 위해 여러 가지 개념들에 대해 배운다. 다양한 시스템에 대해 각종 운동방정식을 유도하는 방법을 알아보고 유도한 운동방정식을 수학적으로 풀이하여 실제로 시스템이 어떻게 움직이고 어떤 특성을 갖는가를 해석하는 방법을 알아본다.

시계열분석및응용(Time Series Analysis and Applications)

인공지능 관련 기술의 발전으로 데이터 분석 관련 응용에 대한 관심이 높아지고 있다. 이에 따라 시계열 데이터 분석 기법에 대한 관심 또한 점차 늘고 있다. 본 과목에서는 시계열 분석 관련한 기본 개념 및 고전적인 기법에 대한 이해를 우선적으로 학습한다. 시계열 데이터에 숨어있는 패턴을 발견하고 시간에 따른 상관관계, 추세, 계절성 등의 특성에 파악하는 방법을 공부하고, 이를 기반으로 미래 시계열을 예측하는 방법에 대해 학습한다.

현장실습(Internship)

첨단로봇산업 전문인력양성사업에 참여하는 대학원생을 대상으로 참여기업의 멘토링 및 현장 실습, 프로젝트 참여 격주로 기업체 멘토와 화상 또는 방문으로 면담

딥러닝의이해(Understanding Deep Learning)

딥러닝에서 많이 사용되는 요소 기술들을 공부한다. 손실함수들을 살펴보고, 가중치 초기화, 경사탐색 방법, 레귤러라이제이션, 성능평가 방법들을 자세히 알아본다. 합성곱과 어텐션의 원리를 공부하고, 트랜스포머를 공부한다. 마지막으로 GAN, VAE, 확산모델 등 다양한 생성 모델들을 공부한다. 강의는 구현보다는 이론적인 측면에 초점을 맞춘다.

시퀀스기계학습모델의이해(Understanding Sequence Machine Learning Model)

전반부에는 데이터의 순서를 고려하여 패턴을 학습하고 예측하는데 사용되는 대표적인 시퀀스 모델들인 RNN, LSTM, Transformer 모델을 이해하고 시간에 따라 변하는 데이터를 기반으로 모델을 학습시키고 미래의 값을 예측한다. 후반부에는 최근 발표된 시퀀스 모델들과 LLM 기반의 시퀀스 모델들을 이해하고, 핀테크 분야에 초점을 맞추어 시계열 예측을 수행한다.

산학협력프로젝트(Industry-Academy Collaboration Project)

본 강의는 대학원 인력양성사업의 수혜학생들을 위한 산학협력프로젝트 과목으로서, 지도 교수님과 기업체 현장전문가의 지도를 통해 산학 프로젝트의 주제를 선정하고 진행 상황을 발표한다. 대학원 인력양성사업의 수혜학생은 졸업 전에 반드시 수강하여야 한다.

자기로봇특론(Advanced Magnetic Robotics)

자기로봇의 각 분야별 연구 방법 및 최근 연구 동향을 학습한다.

온디바이스인공지능의이해(On-device AI)

전반부에는 온디바이스 인공지능을 구현하기 위해 필요한 기본 지식을 익힌다.

생성AI모델의이해(Understanding Generative AI)

이 강의는 생성 AI 모델에 대한 심도 있는 이해를 돕기 위해 다양한 최신 기술을 다룹니다. 수학적 기초부터 시작하여 여러 생성 모델의 원리와 응용을 체계적으로 학습합니다. 또한, 생성 모델의 이론적 기초부터 실제 응용까지 폭넓은 내용을 포괄하며, 최신 AI 기술들이 인공지능 로봇 연구에 어떻게 적용될 수 있는지에 대해 함께 고민합니다.

Physical-AI의이해(Understanding Physical AI)

이 대학원 과목은 Physical AI의 핵심이 되는 생성 모델과 멀티모달 모델의 이론 및 최신 발전을 다룹니다. 먼저 생성 모델을 이해하기 위한 기초 수학을 학습하고, 이후 Transformer, VAE, GAN, VQ-VAE 등의 주요 아키텍처를 이해합니다. 또한 CLIP을 포함한 VLM(Vision-Language Model) 및 최근 멀티모달 모델을 통해 시각-언어 간의 통합 이해도 함께 다룹니다.