Site
»çÀÌÆ®
ȸ¿øÁ¤º¸
³í¹®
ÇÐȸ¼Ò°³
ÇÐȸ¼Ò°³
ȸÀå Àλ縻
ÇÐȸ¿¬Çõ
ÇÐȸÁ¤°ü ¹× ±ÔÁ¤
Æ÷»óÁ¦µµ
ÀÓ¿øÁø ¹× À§¿øÈ¸
¿¬±¸È¸/ÁöºÎ
À§Ä¡ ¹× ¿¬¶ôó
Çмú´ëȸ
±¹³»Çмú´ëȸ
±¹Á¦Çмú´ëȸ
ÀΰøÁö´É ¹× ·Îº¸Æ½½º ¿©¸§/°Ü¿ïÇб³
Àü¹®°¡ ½ÉÆ÷Áö¾ö
¿öÅ©¼¥
°£Ç๰
ÇÐȸÁö
·Îº¿ÇÐȸ ³í¹®Áö
Intelligent Service Robotics
ÇÐȸ¼Ò½Ä
ÇÐȸ¼Ò½Ä
´º½º·¹ÅÍ
Çà»ç¾È³»
ä¿ë°ø°í
ȸ¿ø¾È³»
ȸ¿ø°¡ÀÔ ¾È³»
Ưº°È¸¿ø
´Üüȸ¿ø
Çмú´ëȸ
Korea Robotics Society
Çмú´ëȸ
±¹³»Çмú´ëȸ
±¹Á¦Çмú´ëȸ
ÀΰøÁö´É ¹× ·Îº¸Æ½½º ¿©¸§/°Ü¿ïÇб³
Àü¹®°¡ ½ÉÆ÷Áö¾ö
¿öÅ©¼¥
Á¦21ȸ Çѱ¹·Îº¿Á¾ÇÕÇмú´ëȸ(KRoC 2026) - ÀϹÝ/Ưº°(OS)/·Îº¿ÇÐȸ³í¹®Áöµ¿½ÃÁ¦Ãâ
KRoC 2026 Çà»ç¾È³»
ÇÁ·Î±×·¥
³í¹® ¼±Á¤°øÁö
³í¹® Á¦Ãâ¾È³»
±âÁ¶°¿¬
Ưº°°¿¬
ÃÊû°¿¬
Ưº°¼¼¼Ç(OS)
½ÅÁø¿¬±¸ÀÚ
¿öÅ©¼¥
Æ©Å丮¾ó
Robot Competition
ÈÄ¿ø/Àü½Ã ¸ðÁý
ÈÄ¿ø/Àü½Ã ¼Ò°³
±³Åë/¼÷¹Ú
³í¹®Á¦Ãâ
µî·Ï¾È³»
> Çмú´ëȸ >
±¹³»Çмú´ëȸ
±¹³»Çмú´ëȸ
Æ©Å丮¾ó
[Æ©Å丮¾ó1]
ÁÖÁ¦
Áö´ÉÇü ·Îº¿À» À§ÇÑ ¸ð¼Ç »ý¼º ±â¼úÀÇ ÁøÈ
ÀϽÃ
2026³â 2¿ù 4ÀÏ(¼ö) 15:40~17:40
Àå¼Ò
1Ãþ ¿ÀµðÅ丮¿ò
Á¶Á÷ÀÚ
¼º ¸í
À±¼ºÀÇ
¼Ò ¼Ó
Çѱ¹°úÇбâ¼ú¿ø
Á÷ À§
±³¼ö
ÁÂÀå
¼º ¸í
À±¼ºÀÇ
¼Ò ¼Ó
Çѱ¹°úÇбâ¼ú¿ø
Á÷ À§
±³¼ö
¿ä¾à
¸ð¼Ç Ç÷¡´×(Motion Planning)Àº ·Îº¿ÀÌ º¹ÀâÇÑ È¯°æ ¼Ó¿¡¼ È¿À²ÀûÀÌ°í ¾ÈÀüÇÏ°Ô ¿òÁ÷ÀÏ ¼ö ÀÖµµ·Ï °æ·Î¸¦ ¼³°èÇÏ´Â ÇÙ½É ±â¼úÀÔ´Ï´Ù. ÀÌ·¯ÇÑ ±â¼úÀÇ ¹ßÀüÀº »ê¾÷, ÀÇ·á, Ž»ç µî ´Ù¾çÇÑ ¿µ¿ª¿¡¼ ·Îº¿ÀÇ È°¿ë °¡´É¼ºÀ» Å©°Ô È®Àå½Ã۰í ÀÖ½À´Ï´Ù. ¡¸¸ð¼Ç Ç÷¡´× °³¿ä¡¹¼¼¼Ç¿¡¼´Â ·Îº¿ ¸ð¼Ç Ç÷¡´×ÀÇ ±âº» °³³ä ¹× ´Ù¾çÇÑ Àû¿ë »ç·ÊµéÀ» ¼Ò°³ÇÕ´Ï´Ù. ÀÌ¾î¼ ¡¸½ÉÃþ °È ÇнÀ ÀÀ¿ë ±â¼ú ¼Ò°³ – ·Îº¿ ÆÈ ¹× »çÁ· ·Îº¿¡¹¼¼¼Ç¿¡¼´Â °ÈÇнÀ°ú ½ÉÃþ ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ ·Îº¿ Á¦¾î ¹× ¸ð¼Ç »ý¼º ±â¹ýÀ» ´Ù·ç¸ç, ½ÇÁ¦ ·Îº¿ ÆÈ°ú »çÁ· ·Îº¿¿¡ Àû¿ëµÈ ÃֽŠ¿¬±¸ ¼º°ú¸¦ »ìÆìº¾´Ï´Ù. ´ÙÀ½À¸·Î ¡¸Vision-Language-Action(VLA) ¸ðµ¨ ¼Ò°³¡¹¿¡¼´Â ½Ã°¢·¾ð¾î·Çൿ Á¤º¸¸¦ ÅëÇÕÀûÀ¸·Î ÀÌÇØÇØ ÀÚÀ²Àû ÆÇ´Ü°ú ÇൿÀ» °¡´ÉÇÏ°Ô ÇÏ´Â ÃֽŠÁö´ÉÇü ·Îº¿ ±â¼úÀ» ¼Ò°³ÇÕ´Ï´Ù. ¸¶Áö¸·À¸·Î, ¡¸È®»ê ¹× È帧 ¸ðµ¨ ±â¹Ý Çൿ Á¦¾î¡¹¼¼¼Ç¿¡¼´Â È®»ê ¸ðµ¨(Diffusion Model)°ú ÇÃ·Î¿ì ¸ðµ¨(Flow Model)À» Ȱ¿ëÇÑ ¿¬¼ÓÀû Çൿ »ý¼º ¹× Á¦¾î ±â¹ýÀ» ´Ù·ç¸ç, °íÂ÷¿ø µ¿ÀÛ °ø°£¿¡¼ÀÇ ¾ÈÁ¤ÀûÀ̰í À¯¿¬ÇÑ ·Îº¿ Çൿ »ý¼º ¹æ¹ýÀ» ¼Ò°³ÇÕ´Ï´Ù. º» Æ©Å丮¾óÀº ¸ð¼Ç Ç÷¡´×, ÇнÀ ±â¹Ý Á¦¾î, Áö´ÉÇü Çൿ »ý¼ºÀ¸·Î À̾îÁö´Â ·Îº¸Æ½½º ±â¼ú Àü¹ÝÀ» Æ÷°ýÀûÀ¸·Î ´Ù·ç¸ç, ÃֽŠ¿¬±¸ µ¿Çâ°ú ¹ßÀü ¹æÇâÀ» ¼Ò°³ÇÕ´Ï´Ù.
ÇÁ·Î±×·¥
Á¦¸ñ
¼º¸í
¼Ò¼Ó
Á÷À§
¸ð¼Ç Ç÷¡´× °³¿ä
À±¼ºÀÇ
Çѱ¹°úÇбâ¼ú¿ø
Á¤±³¼ö
½ÉÃþ °È ÇнÀ ÀÀ¿ë ±â¼ú ¼Ò°³ – ·Îº¿ ÆÈ ¹× »çÁ· ·Îº¿
À±¹Î¼º
Çѱ¹°úÇбâ¼ú¿ø
¹Ú»ç°úÁ¤
Vision-Language-Action(VLA) ¸ðµ¨ ¼Ò°³
¾çűÙ
Çѱ¹°úÇбâ¼ú¿ø
¹Ú»ç°úÁ¤
È®»ê ¹× È帧 ¸ðµ¨ ±â¹Ý Çൿ Á¦¾î
Á¤¾Øµå·ù
Çѱ¹°úÇбâ¼ú¿ø
¹Ú»ç°úÁ¤
[Æ©Å丮¾ó2]
ÁÖÁ¦
ROS-MCP: Connecting LLMs with ROS Robots
ÀϽÃ
2026³â 2¿ù 5ÀÏ(¸ñ) 09:00~10:40
Àå¼Ò
1Ãþ ¿ÀµðÅ丮¿ò
Á¶Á÷ÀÚ
¼º ¸í
±è¿Ï¼ö
¼Ò ¼Ó
ÇѾç´ëÇб³
Á÷ À§
±³¼ö
ÁÂÀå
¼º ¸í
±è¿Ï¼ö
¼Ò ¼Ó
ÇѾç´ëÇб³
Á÷ À§
±³¼ö
¿ä¾à
Model Context Protocol (MCP)´Â Claude, ChatGPT, Gemini¿Í °°Àº ´ë±Ô¸ð ¾ð¾î ¸ðµ¨(LLM)À» ¿ÜºÎ ½Ã½ºÅÛ°ú ¿¬°áÇÏ´Â ¿ÀÇ ÇÁ·ÎÅäÄÝÀÔ´Ï´Ù. MCP¸¦ Ȱ¿ëÇÏ¸é »ç¿ëÀÚ°¡ AI ¸ðµ¨°ú ´Ù¾çÇÑ ¿ÜºÎ ½Ã½ºÅÛÀ» ¼Õ½±°Ô ¿¬µ¿ÇÒ ¼ö ÀÖÀ¸¸ç, À̸¦ ÅëÇØ º¸´Ù È¿À²ÀûÀ̰í À¯¿¬ÇÑ ½Ã½ºÅÛ °³¹ßÀÌ °¡´ÉÇÕ´Ï´Ù. ROS-MCP´Â ÀÌ·¯ÇÑ MCP¸¦ ·Îº¿ °³¹ßÀÇ Ç¥ÁØ Ç÷§ÆûÀÎ ROS¿Í °áÇÕÇÏ¿© AI ¸ðµ¨°ú ·Îº¿À» ¿¬°áÇÏ´Â ÇÁ·¹ÀÓ¿öÅ©ÀÔ´Ï´Ù. À̸¦ ÅëÇØ »ç¿ëÀÚ´Â º°µµÀÇ º¹ÀâÇÑ °³¹ß °úÁ¤ ¾øÀÌ AI ¸ðµ¨ÀÇ °·ÂÇÑ Áö´ÉÀ» ·Îº¿ Á¦¾î¿¡ Á÷Á¢ ÅëÇÕÇÒ ¼ö ÀÖ½À´Ï´Ù.
º» Æ©Å丮¾ó¿¡¼´Â ¸ÕÀú MCPÀÇ °³³ä°ú ±¸Á¶¸¦ ¼³¸íÇϰí, ROS¿Í MCP¸¦ ¿¬µ¿ÇÏ¿© ±¸ÇöÇÑ ROS-MCP ÇÁ·¹ÀÓ¿öÅ©¸¦ ¼Ò°³ÇÕ´Ï´Ù. ´ÙÀ½À¸·Î ROS-MCPÀÇ ³»ºÎ ±¸Á¶¿Í µ¿ÀÛ ¹æ½Ä¿¡ ´ëÇØ ¼Ò°³ÇÕ´Ï´Ù. ³¡À¸·Î ROS-MCP¸¦ Ȱ¿ëÇÏ¿© Gazebo ȯ°æ ³»¿¡¼ TurtleBotÀ» Á¦¾îÇÏ´Â ½Ç½ÀÀ» ÁøÇàÇÔÀ¸·Î½á, ROS-MCPÀÇ ¼³Ä¡, ±¸¼º, Ȱ¿ë ¹æ¹ý°ú ½ÇÁ¦ Àû¿ë »ç·Ê¸¦ ´Ü°èÀûÀ¸·Î º¸¿©µå¸®°íÀÚ ÇÕ´Ï´Ù. À̸¦ ÅëÇØ Âü°¡ÀÚµéÀº MCP¿Í ROS-MCP¸¦ ÀÌÇØÇϰí, ÀÚ½ÅÀÌ °³¹ßÇÏ´Â ·Îº¿ ½Ã½ºÅÛ¿¡ AI ¸ðµ¨À» ¿¬µ¿ÇÏ¿© Ȱ¿ëÇÒ ¼ö ÀÖ´Â ½ÇÁúÀûÀÎ °æÇèÀ» ¾òÀ» ¼ö ÀÖ½À´Ï´Ù.
ÇØ´ç Æ©Å丮¾óÀº ´ÙÀ½ÀÇ Github ÀúÀå¼Ò¸¦ ±â¹ÝÀ¸·Î ÁøÇàµË´Ï´Ù.
https://github.com/robotmcp/ros-mcp-server
½Ç½À¿¡ ¾Õ¼ ¾Æ·¡ ÀúÀå¼Ò¿¡¼ Á¦°øÇÏ´Â ¿¹Á¦µéÀ» ¼³Ä¡ ¹× ½ÇÇàÀ» ±ÇÀåÇÕ´Ï´Ù.
https://github.com/robotmcp/ros-mcp-server/tree/main/examples
ÇÁ·Î±×·¥
Á¦¸ñ
¼º¸í
¼Ò¼Ó
Á÷À§
MCP ¹× ROS-MCP ¼Ò°³
±è¿Ï¼ö
ÇѾç´ëÇб³
±³¼ö
ROS-MCP ±¸Á¶ ¹× µ¿ÀÛ ¹æ½Ä ¼Ò°³
ÀÌÁ¤¼ö
ÇѾç´ëÇб³
¹Ú»ç°úÁ¤
ROS-MCP ½Ç½À
¹ÚÀç±Õ
ÇѾç´ëÇб³
¼®»ç°úÁ¤
[Æ©Å丮¾ó3]
ÁÖÁ¦
Spatial AI Tutorial Part 1: History and Introduction to SLAM
ÀϽÃ
2026³â 2¿ù 5ÀÏ(¸ñ) 18:00~19:40
Àå¼Ò
1Ãþ ¿ÀµðÅ丮¿ò
Á¶Á÷ÀÚ
¼º ¸í
±è±â¼·, Á¶¿µ±Ù, ÀÓÇüÅÂ
¼Ò ¼Ó
DGIST, ÀÎÇÏ´ëÇб³, MIT
Á÷ À§
±³¼ö, ±³¼ö, ¹Ú»çÈÄ¿¬±¸¿ø
ÁÂÀå
¼º ¸í
Á¶¿µ±Ù
¼Ò ¼Ó
ÀÎÇÏ´ëÇб³
Á÷ À§
±³¼ö
¿ä¾à
SLAM(Simultaneous Localization and Mapping)Àº ·Îº¿ÀÌ ÀÚ½ÅÀÇ ¼¾¼¸¦ ÀÌ¿ëÇØ ÁÖº¯ ȯ°æÀ» ÀνÄÇϰí ÀÚÀ²ÀûÀ¸·Î À̵¿Çϱâ À§ÇØ ¹Ýµå½Ã ÇÊ¿äÇÑ ÇÙ½É ±â¼úÀÌ´Ù. º» ¼¼¼ÇÀº SLAMÀÇ ¿ª»çÀû ¹ßÀü °úÁ¤°ú °³³äÀû ±â¹ÝÀ» ÇÔ²² »ìÆìº¸´Â ÀÔ¹® °¿¬ÀÌ´Ù.
ù ¹øÂ° ¿¬»çÀÎ ¼¿ï´ëÇб³ ±è¾Æ¿µ ±³¼ö´Â SLAMÀÇ ¹ßÀü»ç¸¦ ü°èÀûÀ¸·Î Á¤¸®Çϰí, ´ëÇ¥ ¿¡µðÅÍ·Î Âü¿©ÇÑ SLAM Handbook ÇÁ·ÎÁ§Æ®¸¦ ¼Ò°³ÇÑ´Ù. À̸¦ ÅëÇØ SLAM ±³À° ¹× ¿¬±¸ ÀÔ¹®ÀÚµéÀÌ ÇØ´ç ÀڷḦ ¾î¶»°Ô Ȱ¿ëÇÒ ¼ö ÀÖÀ»Áö ³íÀÇÇÒ ¿¹Á¤ÀÌ´Ù. ¼¿ï°úÇбâ¼ú´ëÇб³ÀÇ ÃÖ¼º·Ï ±³¼ö´Â SLAMÀ» ½ÃÀÛÇϱâ À§ÇÑ 3Â÷¿ø °ø°£ÀÇ Ç¥Çö¹ý ¹× ·Îº¿°øÇÐÀ» À§ÇÑ ÄÄÇ»ÅÍ ºñÀüÀÇ ±âÃÊ¿¡ ´ëÇØ ³íÇÑ´Ù. À̸¦ ÅëÇØ Âü°¡ÀÚµéÀº SLAMÀÌ ¹«¾ùÀ̸ç, ¿Ö Áß¿äÇÑÁö, ±×¸®°í ÃÖ±ÙÀÇ AI ±â¹Ý ·Îº¸Æ½½º ¿¬±¸¿Í ¾î¶»°Ô ¿¬°áµÇ´ÂÁö¸¦ Á÷°üÀûÀ¸·Î ÀÌÇØÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
Æ©Å丮¾ó À¥»çÀÌÆ®:
https://sites.google.com/view/kroc26-spatial-ai-tutorial/home
ÇÁ·Î±×·¥
Á¦¸ñ
¼º¸í
¼Ò¼Ó
Á÷À§
History of SLAM and the SLAM Handbook Project
±è¾Æ¿µ
¼¿ï´ëÇб³
ºÎ±³¼ö
A Short Journey from 3D Vision to 3D Representations
ÃÖ¼º·Ï
¼¿ï°úÇбâ¼ú´ëÇб³
Á¶±³¼ö
[Æ©Å丮¾ó4]
ÁÖÁ¦
Spatial AI Tutorial Part 2a: From Sensor Fusion to Deep Learning
ÀϽÃ
2026³â 2¿ù 6ÀÏ(±Ý) 09:00~10:40
Àå¼Ò
1Ãþ ¿ÀµðÅ丮¿ò
Á¶Á÷ÀÚ
¼º ¸í
±è±â¼·, Á¶¿µ±Ù, ÀÓÇüÅÂ
¼Ò ¼Ó
DGIST, ÀÎÇÏ´ëÇб³, MIT
Á÷ À§
±³¼ö, ±³¼ö, ¹Ú»çÈÄ¿¬±¸¿ø
ÁÂÀå
¼º ¸í
Á¶¿µ±Ù
¼Ò ¼Ó
ÀÎÇÏ´ëÇб³
Á÷ À§
±³¼ö
¿ä¾à
Spatial AI (°ø°£Áö´É) ´Â ·Îº¿ÀÌ ½º½º·ÎÀÇ ¼¾¼¸¦ ÀÌ¿ëÇØ ÁÖº¯ ȯ°æÀ» ÀÌÇØÇÏ°í »õ·Î¿î °ø°£À» ÇâÇØ ³ª¾Æ°¡±â À§ÇØ ÇʼöÀûÀÎ ÇÙ½É ±â¼úÀÌ´Ù. À̸¦ ´Þ¼ºÇϱâ À§Çؼ´Â ÀüÅëÀûÀÎ SLAM ÀÇ ¼öÇÐÀû À̷кÎÅÍ ÃÖ±ÙÀÇ µö·¯´× ±â¹ÝÀÇ ÀÎ½Ä ±â¹ýµé±îÁö ¾Æ¿ì¸£´Â ÀÌÇØ°¡ ¿ä±¸µÈ´Ù. º» Æ©Å丮¾óÀº ÀÌ·¯ÇÑ Spatial AIÀÇ ±Ùº» °³³äµé ¹× ¿©·¯ ¾îÇø®ÄÉÀ̼ǿ¡ ´ëÇÑ ±âÃʸ¦ ´Ù·é´Ù. ±¸Ã¼ÀûÀ¸·Î´Â Æ÷ÀÎÆ®Å¬¶ó¿ìµå Á¤ÇÕ, ¹é¿£µå ÃÖÀûÈ, IMU À¶ÇÕ, ±×¸®°í AI ±â¹Ý SLAM µîÀ¸·Î ±¸¼ºµÈ´Ù.
º» Spatial AI Tutorial Part 2a: From Sensor Fusion to Deep Learning ¿¡¼´Â ¼¾¼ Ç»Àü ¹× ÇнÀ±â¹Ý Spatial AI µ¿ÇâÀ» ÀÌÇØÇϱâ À§ÇÑ ±âÃÊ¿¡ ´ëÇØ ÇÔ²² ¾Ë¾Æº¸°íÀÚ ÇÑ´Ù. GISTÀÇ ±èÇ¥Áø ±³¼ö´Â Representations for 3D Visual World¸¦ ÁÖÁ¦·Î ·Îº¿ÀÌ ½Ã°¢Àû ¼¼»óÀ» ¾î¶»°Ô Ç¥ÇöÇϰí ÀÌÇØÇÏ´ÂÁö¿¡ ´ëÇÑ ±âÃÊ ÀÌ·ÐÀ» ¼Ò°³ÇÑ´Ù. ±×¸®°í ÀÎÇÏ´ëÇб³ Á¶¿µ±Ù ±³¼ö´Â SLAMÀÇ ¹é¿£µå¸¦ ±¸¼ºÇÏ´Â È®·ü·ÐÀû ¹× ¼±Çü´ë¼ö ±â¹ÝÀÇ ÃÖÀûÈ À̷п¡ ´ëÇÑ Æ©Å丮¾óÀ» Á¦°øÇÑ´Ù.
Âü°¡ÀÚ´Â ÀÌ Æ©Å丮¾óÀ» ÅëÇØ ÇâÈÄ SLAM ¹× Spatial AI ¿¬±¸ÀÇ ¹æÇ⼺À» ÇÔ²² ¸ð»öÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
Æ©Å丮¾ó À¥»çÀÌÆ®:
https://sites.google.com/view/kroc26-spatial-ai-tutorial/home
ÇÁ·Î±×·¥
Á¦¸ñ
¼º¸í
¼Ò¼Ó
Á÷À§
Representations for 3D Visual World
±èÇ¥Áø
±¤ÁÖ°úÇбâ¼ú¿ø
Á¶±³¼ö
SLAM Back-end: Probabilistic and Linear Algebra Foundations for Optimization
Á¶¿µ±Ù
ÀÎÇÏ´ëÇб³
Á¶±³¼ö
[Æ©Å丮¾ó5]
ÁÖÁ¦
Spatial AI Tutorial Part 2b: From Sensor Fusion to Deep Learning
ÀϽÃ
2026³â 2¿ù 6ÀÏ(±Ý) 13:50~15:30
Àå¼Ò
1Ãþ ¿ÀµðÅ丮¿ò
Á¶Á÷ÀÚ
¼º ¸í
±è±â¼·, Á¶¿µ±Ù, ÀÓÇüÅÂ
¼Ò ¼Ó
DGIST, ÀÎÇÏ´ëÇб³, MIT
Á÷ À§
±³¼ö, ±³¼ö, ¹Ú»çÈÄ¿¬±¸¿ø
ÁÂÀå
¼º ¸í
Á¶¿µ±Ù
¼Ò ¼Ó
ÀÎÇÏ´ëÇб³
Á÷ À§
±³¼ö
¿ä¾à
Spatial AI (°ø°£Áö´É) ´Â ·Îº¿ÀÌ ½º½º·ÎÀÇ ¼¾¼¸¦ ÀÌ¿ëÇØ ÁÖº¯ ȯ°æÀ» ÀÌÇØÇÏ°í »õ·Î¿î °ø°£À» ÇâÇØ ³ª¾Æ°¡±â À§ÇØ ÇʼöÀûÀÎ ÇÙ½É ±â¼úÀÌ´Ù. À̸¦ ´Þ¼ºÇϱâ À§Çؼ´Â ÀüÅëÀûÀÎ SLAM ÀÇ ¼öÇÐÀû À̷кÎÅÍ ÃÖ±ÙÀÇ µö·¯´× ±â¹ÝÀÇ ÀÎ½Ä ±â¹ýµé±îÁö ¾Æ¿ì¸£´Â ÀÌÇØ°¡ ¿ä±¸µÈ´Ù. º» Æ©Å丮¾óÀº ÀÌ·¯ÇÑ Spatial AIÀÇ ±Ùº» °³³äµé ¹× ¿©·¯ ¾îÇø®ÄÉÀ̼ǿ¡ ´ëÇÑ ±âÃʸ¦ ´Ù·é´Ù. ±¸Ã¼ÀûÀ¸·Î´Â Æ÷ÀÎÆ®Å¬¶ó¿ìµå Á¤ÇÕ, ¹é¿£µå ÃÖÀûÈ, IMU À¶ÇÕ, ±×¸®°í AI ±â¹Ý SLAM µîÀ¸·Î ±¸¼ºµÈ´Ù.
º» Spatial AI Tutorial Part 2b: From Sensor Fusion to Deep Learning¿¡¼´Â ¼¾¼ Ç»Àü ¹× ÇнÀ±â¹Ý Spatial AI µ¿ÇâÀ» ÀÌÇØÇϱâ À§ÇÑ ±âÃÊ¿¡ ´ëÇØ ÇÔ²² ¾Ë¾Æº¸°íÀÚ ÇÑ´Ù. DGISTÀÇ ±è±â¼· ±³¼ö´Â °ÀÎÇÑ SLAMÀ» À§ÇØ ¾²ÀÌ´Â IMU ¼¾¼¿¡ ´ëÇØ ¼Ò°³Çϰí À̰ÍÀÌ ¾î¶»°Ô ±âÁ¸ÀÇ Ä«¸Þ¶ó ¹× ¶óÀÌ´Ù ±â¹Ý SLAM ±â¹ý¿¡ ÀüÅëÀû/ÇнÀ±â¹ÝÀûÀ¸·Î À¶ÇÕµÇ¾î ¾²ÀÏ ¼ö ÀÖ´ÂÁö¿¡ ´ëÇÑ °ÀǸ¦ Á¦°øÇÑ´Ù. ±×¸®°í MIT ¹Ú»çÈÄ¿¬±¸¿øÀÎ ÀÓÇüÅ ¹Ú»ç°¡ Æ÷ÀÎÆ®Å¬¶ó¿ìµå Á¤ÇÕÀ» À§ÇÑ ±âÃÊ ¼öÇÐ ÀÌ·Ð ¹× ÃÖ±ÙÀÇ ÇнÀ±â¹Ý Á¤ÇÕ ¹æ½ÄÀÇ ±âÃÊ¿¡ ´ëÇØ ¼Ò°³ÇÑ´Ù. ¸¶Áö¸·À¸·Î ¼÷¸í¿©ÀÚ´ëÇб³ ÀÌÁØÈ£ ±³¼ö´Â ÃÖ±Ù µö·¯´× ±â¹ÝÀÇ Visual SLAMÀ» ÀÌÇØÇϱâ À§ÇØ ÇÊ¿äÇÑ ·Îº¿°øÇÐÀÚ¸¦ À§ÇÑ AI ¹× µö·¯´× ±âÃÊÀÌ·Ð ¹× µ¿Çâ¿¡ ´ëÇØ ¼Ò°³ÇϰíÀÚ ÇÑ´Ù.
Âü°¡ÀÚ´Â ÀÌ Æ©Å丮¾óÀ» ÅëÇØ ÇâÈÄ Spatial AI ¿¬±¸ÀÇ ¹æÇ⼺À» ÇÔ²² ¸ð»öÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.
Æ©Å丮¾ó À¥»çÀÌÆ®:
https://sites.google.com/view/kroc26-spatial-ai-tutorial/home
ÇÁ·Î±×·¥
Á¦¸ñ
¼º¸í
¼Ò¼Ó
Á÷À§
IMU Basics and Inertial Aided Navigation
±è±â¼·
´ë±¸°æºÏ°úÇбâ¼ú¿ø
Á¶±³¼ö
From ICP to Learning-based Approaches: The Evolution of Point Cloud Registration
ÀÓÇüÅÂ
MIT
¹Ú»çÈÄ¿¬±¸¿ø
AI Fundamentals for Monocular Visual SLAM
ÀÌÁØÈ£
¼÷¸í¿©ÀÚ´ëÇб³
Á¶±³¼ö