미리보기

• 라이다 SLAM 기능 향상

- 지도 작성의 정확성을 높이고, 현재 위치를 더욱 정확하게 판단할 수 있도록 최적화

- 평가를 위한 데이터 수집을 자동화하고 평가 결과를 그래프, 표와 이미지로 출력하여 분석과 근거 제공

- 사용된 기술과 사용 방법을 문서화

- SLAM에 전반적인 기술을 이해하고 최적화를 위해 ROS, PCL, RVIZ 등을 활용(python, C++)

• 데이터 업로더

- 특정 조건에 따라 로봇 로컬 스토리지에서 클라우드로 데이터 업로드

- 추후 오류 분석/디버깅 자료 수집에 사용

• 확률적 로보틱스 스터디

- SLAM에 대해 더욱 이해하기 위해 팀원들과 스터디를 진행

- 기본 확률 개념부터 KF, EFK, PF 등에 대해 공부

- 기존에 했던 SLAM 개발에 대해 다시 정리하고 이해하는 시간이 되었음

- 스터디 정리 : https://url.kr/tqxe5c

• 프로젝트 소개

  자전거 무선 브레이크와 보조 기능 개발

  - 보조 기능 : 브레이크 패드 교체 알람, 속력/이동거리 계기판, 전조등, 방향 지시

• 나의 역할

  자전거 무선 브레이크, 브레이크 패드 교채 알람, 속력/이동거리 계기판 개발 담당

• 과정

  1. 제안서 및 개발 계획 작성

  2. 각 센서를 실사용에 맞게 데이터 값들을 전처리

  3. 센서들을 활용하여 각 기능을 개발 후 블루투스로 데이터 전달하여 동시에 작동이 가능하도록 연결

• 결과

  해당 주제로 교내 대회에서 수상

• 느낀점

  여러 데이터를 실시간으로 처리할 때 추가 정보로 데이터를 구분하고, 조건이나 인터럽트에 신

  중해야 함을 배움

• 프로젝트 소개

  모방 학습과 강화학습 비교를 위한 자율주행 게임 에이전트 개발

  openAI Gym의 Car Racing 환경 사용

• 나의 역할

  데이터 수집부터 모델 학습까지 전과정 참여

• 과정

  1. 교수님과의 주 1회 미팅으로 진행사항 공유 및 보완점에 대해 논의

  2. 게임 환경을 분석하고, 모방학습을 위한 데이터를 수집/가공 후 모방 학습 모델 개발

  3. 강화학습의 구성요소와 학습 방식에 대해 스터디 진행

  4. 강화학습 모델을 개발 후 모방학습과 성능 비교

• 결과

  완주 실패부터 367점(모방학습), 861점(DQN)까지 성능 향상

• 느낀점

  동일한 모델에도 불구하고 데이터 전처리 과정에 따라 달라지는 성능을 통해 전처리의 중요성을 배움

• 프로젝트 소개

  밤 운전의 어두운 시야을 밝히고, 빛 번짐을 완화하여 운전자의 시야를 개선하는 인공지능 모델 개발

• 나의 역할

  빛 번짐 완화 모델 개발

• 과정

  1. 이미지 생성(GAN) 모델 종류와 인공지능에 관해 공부(https://url.kr/wrgwnw)

  2. 학습에 필요한 데이터 수집과 데이터의 질을 높이기 위해 전처리

  3. 다양한 모델(SRGAN, pix2pix, cycleGAN) 학습을 시도

  4. 모델의 속도와 성능 개선

  5. 서비스 개발을 위해 웹과 연동

• 결과

  CycleGAN을 사용하여 빛번짐 완화 모델을 개발하였지만 실시간 목표엔 도달하지 못함

• 느낀점

  생성형 모델의 각 장단점을 학습을 통해 배울 수 있었음