로봇이 아닙니다.

Reference(원본): bair.berkeley.edu/blog/2021/03/23/universal-computation/ Pretrained Transformers as Universal Computation Engines The BAIR Blog bair.berkeley.edu 구독중인 버클리 대학의 블로그인데 영어 공부도 할겸 겸사겸사 번역작업 요약을 미리하지면, Transformer라는 자연어 학습용으로 개발된 신경망 모델이 있는데, 이 녀석이 일반화 능력이 엄청좋다는 것이다. 어느정도냐면 언어모델에 대해 미리 학습시키고 그 파라미터를 고정시킨 후 이미지 분류작업에대해 간단히 fine-tuning 학습만 시켜줘도 아주빨리 학습하고 정확도도 좋다는 것이다. 특히 대용량 언어모델에 대해서 미리 ..

이번 시간에는 지난 포스팅에서(2년전에 올린) 최종적으로 나온 수식을 이용하여 Matlab을 통해 실제 모터 모델링을 진행하는 시간을 가지도록 하겠습니다. 일단 지난 포스팅의 마지막에 나온 수식은 다음과 같습니다. $$V_a = Ri_a + L_a\frac{di_a}{dt}+K\omega$$ $$Ki_a = J\dot\omega + b\omega + T_L (\omega = \frac{d\theta}{dt})$$ 각 문자가 의미하는 바를 까먹지 않기 위해 다시 한번 정리를 하면, 전기자 회로(Motor) $v_a = La\frac{di_a}{dt} + R_ai_a + e_a$ $v_a : 전기자 회로에 가해지는 전압[V]$ $i_a : 전기자 권선의 전류[A]$ $R_a : 전기자 권선의 저항[\Omeg..

작성자 : 한양대학원 융합로봇시스템학과 유승환 석사과정 (CAI LAB) 이번에는 Policy Gradient 기반 강화학습 알고리즘인 DDPG : Continuous Control With Deep Reinforcement Learning 논문 리뷰를 진행해보겠습니다~! 제 선배님들이 DDPG를 너무 잘 정리하셔서 참고 링크에 첨부합니다! 그럼 리뷰 시이이작!!! 링크 0 (원문 ) : arxiv.org/pdf/1509.02971.pdf 링크 1 (DDPG 리뷰 1, ppt 정리) : ropiens.tistory.com/37 [Keep9oing] Deep deterministic policy gradient (DDPG) ddpg seminar from 민재 정 두번째 세미나 자료, 역시나 슬라이드 쉐어..

editor, Junyeob Baek Robotics Software Engineer /RL, Motion Planning and Control, SLAM, Vision 들어가는 글.. 논문 주제 잡고 회사에서 열심히 연구 진행은 하고 있는데 이걸 연구논문으로 쓰려하니 감이 1도 안 잡히네요.. 영어로 쓰는 건 둘째치고 한글로도 전혀 써 본 적이 없으니.. ㅜㅜ 아무도 논문 쓰는 법을 알려주지 않아서 혼자라도 써봐야지 하고 시작한 논문 작성..(도와줄 교수님이나 선배님 구함..) 천천히 알아보던 중 KOOC에서 제공하는 한 강의를 접했는데, 진짜 엄청 디테일하게 알려주시고 강의가 진짜 알찹니다 ㄷㄷ(주저리주저리) 논문 써야 되는데 아무것도 모르겠는 사람들 먼저 보시는 거 추천! 아래는 그다지 보기 좋은 ..

임피던스 제어란 힘과 위치에 대한 동적 제어와 관련이 있다. 주로 로봇팔에 작용하는 힘에 대해 고려해야하는 환경에 있을 때 적용 되는 제어이다. 기계적인 임피던스는 모션 인풋에 대한 힘의 아웃풋인데 당연하게도 이는 전류 인풋에 대한 전압 아웃풋의 비를 가지는 전기적 임피던스와 상사를 가진다. 그렇다면 먼저 전기 임피던스(electircal impedence)에 대해서 알아보자. 임피던스의 정의는 "전압을 인가했을 때 전류가 흐르는 것에 반항하는 정도" 이다. 저항과의 차이점은 저항은 DC전압, 임피던스는 AC전압이 들어올 때 저항하는 것을 말한다. 이런 차이는 그렇게 중요하지는 않고, 이 정의를 바탕으로 힘, 위치로 대입해보자. 제어에서 임피던스란 "힘을 인가했을 때 모션을 방해하는 정도" 라고 표현할 ..

# 지금 연구하는 분야를 설명하자면 멀티로봇시스템을 운용하게 될 때, 진행해야하는 다양한 작업들을 어떻게 효율적으로 로봇에 할당시켜 실행할 것인지를 결정하는 의사결정 알고리즘을 만드는 것이 목표이다. # 좀 간단하게 구체화 하자면 내가 운용할 $N$대의 멀티로봇 개체가 존재하고, $$(A_1, A_2, A_3, \cdots, A_N)$$ 내가 원하는 복합적 미션을 수행하기위한 임의의 작업이 $M$개 주어졌다고 했을 때 $$(T_1, T_2, T_3, \cdots, T_M)$$ 각 로봇들을 어떤 작업에, 어떤 순서로 할당해야 수행하고자하는 미션의 performance를 최대화하고 거기에 사용되는 cost를 최소화 할 수 있는지, 최대한 최적화된 의사결정을 하는 것을 의미한다. 여기서 작업(task)이란, ..

제어 엔지니어의 기초 : 물리현상을 선형 모델로 부끄럽지만 나는 아직 제어의 기초도 모르고 있다. 그럼에도 불구하고 논문을 작성해야할 시기가 다가와서 제어 엔지니어는 과연 어떤 workflow를 통해 문제를 정의하고 해결해나가는지 정리해보려 한다. 글의 전반적은 내용은 Brain Douglas 선생님 유튜브의 "Modeling Physical Systems ,An Overview" 에서 발취하였다. 이 글을 통해 조금이나마 제어 엔지니어의 기초를 쌓을 수 있으면 좋겠다. 문제 정의 제어 엔지니어로서 어떤 시스템을 제어할 것인지를 정의하는 것이 시작이다. 시스템이라는 단어는 여러 의미로 해석될 수 있다. 작은 시스템들이 복잡하게 구성되서 큰 시스템을 만들기도 하며, 작은 시스템 또한 하나의 복잡한 시스템일..

작성자 : 한양대학원 융합로봇시스템학과 유승환 석사과정 (CAI LAB) 오늘은 Jeston Nano에서 ORB SLAM2를 설치 및 실행을 해보겠습니다~! 참고로 ROS-Melodic으로 구동할겁니다. ORB SLAM2는 RGBD 카메라로 3D Mapping을 하는 기술입니다. 저는 카메라로 RealSense D435를 사용합니다. 제가 존경하는 분께서 SLAM을 작업해볼 기회를 주셔서 이번 기회에 작업을 정리해보고자 합니다! 참고 링크 : github.com/raulmur/ORB_SLAM2 raulmur/ORB_SLAM2 Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabi..