본문 영역으로 바로가기
[집콕]자율주행 인공지능 시스템 이미지

[집콕]자율주행 인공지능 시스템




강좌소개

수업내용/목표

자율주행 자동차의 시대가 성큼 앞으로 다가오고있습니다.
이렇게 빨리 다가오고 있는 자율주행 원리에 대해 여러분은 얼마나 알고 계시나요?
자율주행은 레벨 0단계에서 5단계까지 총 6단계로 구분되어 있습니다.
궁극의 자율주행 레벨 5에 도달하기 위한 열쇠는 바로 인공지능에 있습니다.
본 강좌에서는 자율주행의 핵심 인공지능 기술과 시스템에 대해 알아보겠습니다.
여러분들은 이 강좌를 통해 어떻게 인공지능이 자율주행의 모든 기능을 구현하고 있는지 어떻게 더 발전할 것인지를 이해하게될 것입니다.

홍보/예시영상

강좌운영계획

주차

주차명

차시명

세부 내용

1

자율주행 Overview 1

자율주행 자동차 소개

자율주행 정의 / 자율주행 시스템의 발전

자율주행 시스템의 구성 요소

자율주행 시스템 핵심 구성 / 자율주행 센서 시스템

2

자율주행 Overview 2

인식 및 측위 인공지능 소개

자율주행 인공지능 기술의 발전 / 센서 퓨전

판단 및 제어 인공지능 소개

경로 계획 / 주변 예측 / 종단간 제어

3

자율주행과 인공지능
: 합성곱신경망

Convolutional Neural Network 1

MLP / CNN / ResNet / Residual Block

Convolutional Neural Network 2

Classifier/ Optimization / Batch Normalization

4

자율주행과 인공지능
: 전이 학습

Transfer Learning

전이학습의 정의, 필요성, 예제

Object Detection 1

객체인식의 정의 / YOLO 구조

5

카메라와 인공지능 1

Object Detection 2

YOLO 손실함수 / SSD / FPN

Semantic Segmentation

Semantic segmentation / FCN / U-Net / DeepLabV3+

6

카메라와 인공지능 2

Lane Detection

이미지 처리 기반 차선 인식

/ 심층 학습 기반 차선 인식

Convolutional Neural Network
최근 동향

Backbone network / Compact network architecture / NAS

7

LiDAR와 인공지능

LiDAR의 원리와 전처리

LiDAR 센서의 원리 /

Point Cloud Data 전처리 알고리즘

LiDAR와 딥러닝

PointNet / PointPillars

8

Radar와 인공지능

LiDARFrustum PointNet

PointNet++ / Frustum PointNet

Radar의 원리와 딥러닝

Radar, FMCW Radar의 원리 / Radar와 딥러닝

9

자율주행을 위한
측위 기술

GPS와 위치 인식

GPS, GNSS의 원리 및 센서 퓨전

/ V2X 기반 위치 인식

Kalman Filtering

칼만필터 기초 / 차량 위치·속도 추정

10

자율주행을 위한
예측 기술

전역경로계획/Routing

전역 경로 계획 및 제어 / 경로 생성 알고리즘

Prediction

칼만필터 기반 예측 / 심층 학습 기반 예측

11

자율주행을 위한
계획 기술

Behavior Decision

Finite state machine / Behavior tree

Motion Planning

·횡 방향 경로 계획

/ 최적 기반 경로 계획 / 심층 학습 기반 경로 계획

12

자율주행을 위한
제어 기술

제어/Control

PID 제어 / MPC 제어

End-To-End Driving

모듈러 방식 vs. 종단간 방식

13

자율주행과 인공지능
: 강화학습

강화학습 기초

강화학습 기초 / MDP

강화학습 기본 알고리즘

벨만 방정식 / Deep Q-Network

/ Policy gradient

14

자율주행의 미래

최신 강화학습 기술

Soft Actor Critic / Model-based RL

OOD (Out of distribution)문제와
자율주행 레벨5

i.i.d 조건과 OOD 문제 / Meta RL / Inverse RL

15

기말고사

 

 

 

강좌운영팀 소개

교수자

공승현 professor
공승현 교수
현) 한국과학기술원 조천식녹색교통대학원 교수
전) Qualcomm, Corp. R&D, Staff Engineer
Ph.D. 항공우주공학, Stanford University

2018 국제 대학생 자율주행 경진대회 1위, 대통령상

강좌지원팀

현대엔지비 기술교육팀
현대엔지비 기술교육팀
E-mail : ngvcampus2@hyundai-ngv.com

강좌수강정보

이수/평가정보

과제명 퀴즈 기말고사
반영비율 50% 50%

※ 총60%이상 점수획득시, 이수증을 발급받을 수 있습니다.

강좌수준및선수요건

자율주행 시스템에 관련된 기초 인공지능 기술부터 최신 인공지능기술을전반적으로다루기때문에, 확률과 통계, 선형대수학, Deep Learning(딥러닝)에 대한 기초적인지식이필요합니다.

교재및참고문헌

이 강좌를 위한 교재는 없습니다.

자주 묻는 질문

강좌교재는 어디에서 볼 수 있나요?

강좌교재는 학습자료 메뉴에서 볼 수 있습니다.

관련 강좌

현재 강좌와 관련있는 강좌를 찾을 수 없습니다.
  1. 분야

    공학
    (컴퓨터ㆍ통신)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    난이도

    전공심화
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    운영기관

    연세대학교
  4. 운영 기관의 전화번호 입니다.

    전화번호

    -
  5. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    주차
    (주간 학습 권장 시간)

    15주
    (주당 03시간 00분)
  6. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    학습인정시간
    (총 동영상시간)

    49시간 00분
    (13시간 20분)
  7. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    수강 신청 기간

    2021.02.01 ~ 2021.03.31
  8. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    강좌 운영 기간

    2021.02.15 ~ 2021.04.11