교과목개요
대학원 교과목 개요는 국문과 영문으로 제공됩니다. 원하시는 언어를 선택해 주세요.
Graduate School course descriptions are available in Korean and English. Please select your preferred language.
전공
[B12385] 로봇공학특론 ADVANCED ROBOTICS (3(3))
본 교과목에서는 로봇의 좌표변환, 정기구학 및 역기구학 해석, 자코비안 및 동적해석 및 제어와 같은 로봇의 기본이론과 구조에 관해서 연구한다. 이 과목을 통하여 3차원 기구학 및 동역학을 쉽게 이해할 수 있다.
[B12859] 컴퓨터비전을응용한영상기하학 VISUAL GEOMETRY IN COMPUTER VISION (3(3))
본 학과목은 최근의 컴퓨터 비전응용 분야 중, 3차원 복원 및 기하학 응용에 대한 내용을 다룬다. 로봇 산업의 발전에 따라 3D 환경맵, 로봇 위치 추정, 모바일 매니퓰레이터와 같이 3차원 모델링 및 응용에 대한 수요가 늘어나고 있다. 이를 위해서 3차원 모델을 센싱하는 다양한 방법과 이러한 정보를 로봇비전 응용에 최적화하는 여러 방법에 대해서 학습하고, 필요한 실험과 프로젝트를 수행한다.
[B13651] 고급딥러닝 ADVANCED DEEP LEARNING (3(3))
본 과목은 컴퓨터 비전을 위한 심층학습 기법에 대한 개론(인공지능신경망, 딥러닝을 위한 수학 기초)을 제공하며, Python/Pytorch 개발 환경에서 convolutional neural network을 이해하고, 객체 검출, 인식, 추적 등과 같은 시각 인식 문제에 응용하는 기초적인 방법을 이해하고 최신 연구 분야(다중센서영상융합, 인과관계/연관관계 XAI, Bayesian 딥러닝, GAN, Transformer, LLM 등)에 대해 소개한다. 또한, 이와 같은 이해를 바탕으로 실제 심층 신경망을 구현하여 실생활 문제 해결을 한다.
[B13797] 고급메카트로닉스(1) ADVANCED MECHATRONICS(1) (3(3))
본 교과목에서는 기계전기장치의 측정 및 제어를 다루는 메카트로닉스의 고급 이론과 기술을 소개한다. 본 강의에서는 실제 작동 시스템 (예 : 전기 모터 시스템, 공압 시스템 등), 신호 처리 기술, 아날로그 및 디지털 센서 신호 측정, 전기 요소 사용, 통신 방법 및 다양한 제어 알고리즘을 다루며, 실제 실습을 통해 학습한다.
[B13799] 로봇기구설계특론 ADVANCED ROBOT MECHANISM DESIGN (3(3))
기계 요소 및 시스템 설계, 정밀기계설계 이론 및 실습, 설계프로젝트 과제 진행
[B13801] 이동로봇특론 ADVANCED MOBILE ROBOTS (3(3))
본 교과목에서는 기계전기장치의 측정 및 제어를 다루는 메카트로닉스의 고급 이론과 기술을 소개한다. 본 강의에서는 실제 작동 시스템 (예 : 전기 모터 시스템, 공압 시스템 등), 신호 처리 기술, 아날로그 및 디지털 센서 신호 측정, 전기 요소 사용, 통신 방법 및 다양한 제어 알고리즘을 다루며, 실제 실습을 통해 학습한다.
[B14106] 멀티모달언택트센싱 MULTI-MODAL UNTACT SENSING (3(3))
급변하는 시대에 멀티모달 센싱 기술은 점점 중요해지고 있으며 이에 따라 다양한 언택트 센서들의 물리적 센싱 원리와 기본 신호처리 기술의 이해가 필요하다. 특히, 가시광 영상, 적외선 영상, 초분광 영상, 라이다, 레이더와 같이 다양한 전자기 스펙트럼에서의 기본 특성 이해를 바탕으로 신뢰성 높은 센싱을 위한 최신 멀티모달 센싱 융합 기술 동향에 대해 분석한다.
[B14217] 물류로봇구동시스템 LOGISTICS ROBOT DRIVE SYSTEMS (3(3))
이 교과목은 물류 로봇의 구동 시스템에 대한 기본적인 이해와 실무적인 응용 능력을 배양하는 것을 목표로 한다. 모터 선정, 모바일 로봇의 레이아웃 설계, 제어 알고리즘 등의 핵심 주제를 다룬다. 수강생들은 이 과정을 통해 물류 로봇 시스템 설계 및 개발에 필요한 기초 지식과 실습 경험을 쌓게 될 것이다.
[B14218] 강화학습특론 SPECIAL TOPICS TO REINFORCEMENT LEARNING (3(3))
본 강의에서는 강화학습(Reinforcement Learning)의 기본 내용 및 알고리즘과 함께 로봇 시스템으로의 응용에 대해 다룬다. 특히, 로봇 매니퓰레이션에 활용하기 좋은 DDPG, SAC, TD3, PPO와 같은 대표 알고리즘에 대한 개념 등을 배우고, Mujoco/Robosuite를 이용하여 학습 기법을 적용해볼 수 있도록 한다. 또한, 강화학습에 대한 최신 연구 논문을 이해하고, 강화학습 기법을 다른 분야의 문제에 적용하고, 강화학습의 연구 문제를 공식화/해결하는 능력을 기르는 것을 목표로 한다.
[B14219] 물류인공지능 LOGISTICS ARTIFICIAL INTELLIGENCE (3(3))
"물류인공지능" 과목은 인공지능(AI) 기술을 활용하여 물류 및 공급망 관리의 효율성을 극대화하는 방법을 학습하는 것을 목표로 한다. 이 과목에서는 물류 산업의 주요 도전 과제를 이해하고, 이를 해결하기 위해 AI 기술이 어떻게 적용될 수 있는지를 탐구한다. 학생들은 머신러닝, 데이터 분석, 예측 모델링, 최적화 알고리즘 등 다양한 AI 기술을 학습하며, 이를 물류 관리, 재고 관리, 운송 최적화, 수요 예측 등 실제 문제에 적용하는 능력을 기른다. 또한, 이 과목에서는 AI를 활용한 물류 혁신 사례 연구를 통해 이론과 실무의 연결을 강조하며, 학생들이 최신 물류 트렌드와 기술 발전을 이해하고 적용할 수 있도록 돕는다. 수업은 이론 강의, 실습, 사례 분석, 프로젝트 기반 학습으로 구성되며, 학생들은 수업을 통해 실무에 바로 적용 가능한 지식과 기술을 습득하고자 한다.
[B14220] 로봇시스템제어응용 ROBOTIC SYSTEM CONTROL APPLICATION (3(3))
본 교과목에서는 로봇시스템을 제어하기 위한 고급 이론과 기술을 소개한다. 본 강의에서는 로봇 시스템 제어를 위해 필요한 센서 데이터 획득, 로봇 기구학, 제어 알고리즘을 다루며, 마이크로컨트롤러를 기반으로 로봇시스템을 실제 제작해보는 실습을 통해 학습한다.
[B14221] 로봇AI융합학과세미나 SEMINAR ON ROBOTICS AND AI INTEGRATION (1(1))
이 과목은 로봇과 인공지능(AI) 분야의 최신 연구와 기술 동향을 이해하기 위해 마련된 세미나 형식의 과목이다. 학기 동안 다양한 분야의 전문가들을 초청하여 강연을 듣고, 현장 실습을 통해 이론과 실제를 접목시키는 경험을 제공한다. 학생들은 강연 및 실습을 통해 로봇 AI 융합 기술의 다양한 측면을 이해하고, 산업 현장에서의 응용 가능성을 탐색할 수 있다.
[B14453] 로봇AI통신 ROBOT AI COMMUNICATION (3(3))
본 교과목은 협동 로봇 (Cooperative Robots) 시스템의 효율적 운용을 위해 필요한 인공지능(AI) 기반 통신 기술을 다룬다. 로봇 간 협업을 위한 실시간 데이터 교환, 학습 기반 의사소통 프로토콜, 지능형 네트워크 구조, 엣지-클라우드 협력형 제어 등 첨단 기술을 학습한다. 또한 강화학습, 분산 인공지능, 멀티에이전트 시스템 등 최신 연구 동향을 반영하여, 로봇이 자율적으로 통신 전략을 최적화하고 협력 행동을 수행할 수 있는 능력을 이해하고 구현한다. 실습 및 프로젝트를 통해 실제 협동 로봇 플랫폼에서의 AI 통신 알고리즘 설계 및 적용 경험을 제공한다.
[B14454] 로봇지능아키텍처 ROBOT AI ARCHITECTURE (3(3))
로봇지능아키텍처 강의에서는 VLM(Vision-Language Model)을 통한 시각·언어 기반 이해와 LMM(Large Multimodal Model)을 활용한 복합 센서 데이터 융합 능력을 다룬다. 또한 Agentic AI를 통해 자율적 목표 설정·계획·행동 수행 구조를 학습하며, Physical AI로 로봇이 실제 세계에서 물리적 제약을 고려해 안전·효율적으로 상호작용하는 방법을 익힌다. 이 과정을 통해 인지–계획–행동을 통합하는 차세대 로봇지능 아키텍처를 설계할 수 있도록 한다.
[B14455] 임베디드로보틱스 EMBEDDED ROBOTICS (3(3))
임베디드로보틱스 강좌는 로봇의 경량·저전력 플랫폼에서 지능형 동작을 구현하기 위한 핵심 기술을 다룬다. ROS2 기반 임베디드 시스템을 중심으로 RTOS(실시간 운영체제)의 태스크 관리, 센서 드라이버 개발 및 통신 인터페이스, 그리고 임베디드 보안 및 안정성 확보 기법을 학습한다. 이를 통해 차세대 자율로봇이 요구하는 실시간 제어·안전·확장성을 갖춘 임베디드 지능 설계 능력을 배양한다.
[B14456] 캡스톤디자인 CAPSTONE DESIGN (3(3))
이 교과목은 석박사 과정생들이 학문적 이론과 연구 역량을 실제 산업 현장의 R&D 문제에 적용하는 최고 수준의 실용 연구 프로젝트이다. 참여 학생들은 팀을 구성하여 협력 기업이 실제로 당면한 기술적 난제나 미래 신사업과 관련된 주제를 해결하는 과제 수행. 학생들은 본 교과목을 통해 미래 기술 산업을 선도할 핵심 연구자 또는 기술 창업가로서의 실전 역량을 키울 수 있다.
[B12385] 로봇공학특론 ADVANCED ROBOTICS (3(3))
본 교과목에서는 로봇의 좌표변환, 정기구학 및 역기구학 해석, 자코비안 및 동적해석 및 제어와 같은 로봇의 기본이론과 구조에 관해서 연구한다. 이 과목을 통하여 3차원 기구학 및 동역학을 쉽게 이해할 수 있다.
[B12859] 컴퓨터비전을응용한영상기하학 VISUAL GEOMETRY IN COMPUTER VISION (3(3))
본 학과목은 최근의 컴퓨터 비전응용 분야 중, 3차원 복원 및 기하학 응용에 대한 내용을 다룬다. 로봇 산업의 발전에 따라 3D 환경맵, 로봇 위치 추정, 모바일 매니퓰레이터와 같이 3차원 모델링 및 응용에 대한 수요가 늘어나고 있다. 이를 위해서 3차원 모델을 센싱하는 다양한 방법과 이러한 정보를 로봇비전 응용에 최적화하는 여러 방법에 대해서 학습하고, 필요한 실험과 프로젝트를 수행한다.
[B13651] 고급딥러닝 ADVANCED DEEP LEARNING (3(3))
본 과목은 컴퓨터 비전을 위한 심층학습 기법에 대한 개론(인공지능신경망, 딥러닝을 위한 수학 기초)을 제공하며, Python/Pytorch 개발 환경에서 convolutional neural network을 이해하고, 객체 검출, 인식, 추적 등과 같은 시각 인식 문제에 응용하는 기초적인 방법을 이해하고 최신 연구 분야(다중센서영상융합, 인과관계/연관관계 XAI, Bayesian 딥러닝, GAN, Transformer, LLM 등)에 대해 소개한다. 또한, 이와 같은 이해를 바탕으로 실제 심층 신경망을 구현하여 실생활 문제 해결을 한다.
[B13797] 고급메카트로닉스(1) ADVANCED MECHATRONICS(1) (3(3))
본 교과목에서는 기계전기장치의 측정 및 제어를 다루는 메카트로닉스의 고급 이론과 기술을 소개한다. 본 강의에서는 실제 작동 시스템 (예 : 전기 모터 시스템, 공압 시스템 등), 신호 처리 기술, 아날로그 및 디지털 센서 신호 측정, 전기 요소 사용, 통신 방법 및 다양한 제어 알고리즘을 다루며, 실제 실습을 통해 학습한다.
[B13799] 로봇기구설계특론 ADVANCED ROBOT MECHANISM DESIGN (3(3))
기계 요소 및 시스템 설계, 정밀기계설계 이론 및 실습, 설계프로젝트 과제 진행
[B13801] 이동로봇특론 ADVANCED MOBILE ROBOTS (3(3))
본 교과목에서는 기계전기장치의 측정 및 제어를 다루는 메카트로닉스의 고급 이론과 기술을 소개한다. 본 강의에서는 실제 작동 시스템 (예 : 전기 모터 시스템, 공압 시스템 등), 신호 처리 기술, 아날로그 및 디지털 센서 신호 측정, 전기 요소 사용, 통신 방법 및 다양한 제어 알고리즘을 다루며, 실제 실습을 통해 학습한다.
[B14106] 멀티모달언택트센싱 MULTI-MODAL UNTACT SENSING (3(3))
급변하는 시대에 멀티모달 센싱 기술은 점점 중요해지고 있으며 이에 따라 다양한 언택트 센서들의 물리적 센싱 원리와 기본 신호처리 기술의 이해가 필요하다. 특히, 가시광 영상, 적외선 영상, 초분광 영상, 라이다, 레이더와 같이 다양한 전자기 스펙트럼에서의 기본 특성 이해를 바탕으로 신뢰성 높은 센싱을 위한 최신 멀티모달 센싱 융합 기술 동향에 대해 분석한다.
[B14217] 물류로봇구동시스템 LOGISTICS ROBOT DRIVE SYSTEMS (3(3))
이 교과목은 물류 로봇의 구동 시스템에 대한 기본적인 이해와 실무적인 응용 능력을 배양하는 것을 목표로 한다. 모터 선정, 모바일 로봇의 레이아웃 설계, 제어 알고리즘 등의 핵심 주제를 다룬다. 수강생들은 이 과정을 통해 물류 로봇 시스템 설계 및 개발에 필요한 기초 지식과 실습 경험을 쌓게 될 것이다.
[B14218] 강화학습특론 SPECIAL TOPICS TO REINFORCEMENT LEARNING (3(3))
본 강의에서는 강화학습(Reinforcement Learning)의 기본 내용 및 알고리즘과 함께 로봇 시스템으로의 응용에 대해 다룬다. 특히, 로봇 매니퓰레이션에 활용하기 좋은 DDPG, SAC, TD3, PPO와 같은 대표 알고리즘에 대한 개념 등을 배우고, Mujoco/Robosuite를 이용하여 학습 기법을 적용해볼 수 있도록 한다. 또한, 강화학습에 대한 최신 연구 논문을 이해하고, 강화학습 기법을 다른 분야의 문제에 적용하고, 강화학습의 연구 문제를 공식화/해결하는 능력을 기르는 것을 목표로 한다.
[B14219] 물류인공지능 LOGISTICS ARTIFICIAL INTELLIGENCE (3(3))
"물류인공지능" 과목은 인공지능(AI) 기술을 활용하여 물류 및 공급망 관리의 효율성을 극대화하는 방법을 학습하는 것을 목표로 한다. 이 과목에서는 물류 산업의 주요 도전 과제를 이해하고, 이를 해결하기 위해 AI 기술이 어떻게 적용될 수 있는지를 탐구한다. 학생들은 머신러닝, 데이터 분석, 예측 모델링, 최적화 알고리즘 등 다양한 AI 기술을 학습하며, 이를 물류 관리, 재고 관리, 운송 최적화, 수요 예측 등 실제 문제에 적용하는 능력을 기른다. 또한, 이 과목에서는 AI를 활용한 물류 혁신 사례 연구를 통해 이론과 실무의 연결을 강조하며, 학생들이 최신 물류 트렌드와 기술 발전을 이해하고 적용할 수 있도록 돕는다. 수업은 이론 강의, 실습, 사례 분석, 프로젝트 기반 학습으로 구성되며, 학생들은 수업을 통해 실무에 바로 적용 가능한 지식과 기술을 습득하고자 한다.
[B14220] 로봇시스템제어응용 ROBOTIC SYSTEM CONTROL APPLICATION (3(3))
본 교과목에서는 로봇시스템을 제어하기 위한 고급 이론과 기술을 소개한다. 본 강의에서는 로봇 시스템 제어를 위해 필요한 센서 데이터 획득, 로봇 기구학, 제어 알고리즘을 다루며, 마이크로컨트롤러를 기반으로 로봇시스템을 실제 제작해보는 실습을 통해 학습한다.
[B14221] 로봇AI융합학과세미나 SEMINAR ON ROBOTICS AND AI INTEGRATION (1(1))
이 과목은 로봇과 인공지능(AI) 분야의 최신 연구와 기술 동향을 이해하기 위해 마련된 세미나 형식의 과목이다. 학기 동안 다양한 분야의 전문가들을 초청하여 강연을 듣고, 현장 실습을 통해 이론과 실제를 접목시키는 경험을 제공한다. 학생들은 강연 및 실습을 통해 로봇 AI 융합 기술의 다양한 측면을 이해하고, 산업 현장에서의 응용 가능성을 탐색할 수 있다.
[B14453] 로봇AI통신 ROBOT AI COMMUNICATION (3(3))
본 교과목은 협동 로봇 (Cooperative Robots) 시스템의 효율적 운용을 위해 필요한 인공지능(AI) 기반 통신 기술을 다룬다. 로봇 간 협업을 위한 실시간 데이터 교환, 학습 기반 의사소통 프로토콜, 지능형 네트워크 구조, 엣지-클라우드 협력형 제어 등 첨단 기술을 학습한다. 또한 강화학습, 분산 인공지능, 멀티에이전트 시스템 등 최신 연구 동향을 반영하여, 로봇이 자율적으로 통신 전략을 최적화하고 협력 행동을 수행할 수 있는 능력을 이해하고 구현한다. 실습 및 프로젝트를 통해 실제 협동 로봇 플랫폼에서의 AI 통신 알고리즘 설계 및 적용 경험을 제공한다.
[B14454] 로봇지능아키텍처 ROBOT AI ARCHITECTURE (3(3))
로봇지능아키텍처 강의에서는 VLM(Vision-Language Model)을 통한 시각·언어 기반 이해와 LMM(Large Multimodal Model)을 활용한 복합 센서 데이터 융합 능력을 다룬다. 또한 Agentic AI를 통해 자율적 목표 설정·계획·행동 수행 구조를 학습하며, Physical AI로 로봇이 실제 세계에서 물리적 제약을 고려해 안전·효율적으로 상호작용하는 방법을 익힌다. 이 과정을 통해 인지–계획–행동을 통합하는 차세대 로봇지능 아키텍처를 설계할 수 있도록 한다.
[B14455] 임베디드로보틱스 EMBEDDED ROBOTICS (3(3))
임베디드로보틱스 강좌는 로봇의 경량·저전력 플랫폼에서 지능형 동작을 구현하기 위한 핵심 기술을 다룬다. ROS2 기반 임베디드 시스템을 중심으로 RTOS(실시간 운영체제)의 태스크 관리, 센서 드라이버 개발 및 통신 인터페이스, 그리고 임베디드 보안 및 안정성 확보 기법을 학습한다. 이를 통해 차세대 자율로봇이 요구하는 실시간 제어·안전·확장성을 갖춘 임베디드 지능 설계 능력을 배양한다.
[B14456] 캡스톤디자인 CAPSTONE DESIGN (3(3))
이 교과목은 석박사 과정생들이 학문적 이론과 연구 역량을 실제 산업 현장의 R&D 문제에 적용하는 최고 수준의 실용 연구 프로젝트이다. 참여 학생들은 팀을 구성하여 협력 기업이 실제로 당면한 기술적 난제나 미래 신사업과 관련된 주제를 해결하는 과제 수행. 학생들은 본 교과목을 통해 미래 기술 산업을 선도할 핵심 연구자 또는 기술 창업가로서의 실전 역량을 키울 수 있다.
기초공통
[B01397] 랜덤신호처리 RANDOM SIGNAL PROCESSING (3(3))
멀티모달 센싱에서 잡음을 모델링하고 신호처리 하는 기술은 매우 중요하다. 확률이론을 바탕으로 랜덤 변수의 정의를 이해하고, 관련된 수학적인 지식을 습득한다. Cumulative distribution function으로부터 확률밀도함수를 유도하는 과정을 이해한다. 시스템에 입력된 랜덤신호가 출력될 때 이 출력을 시스템의 impulse response와 입력 랜덤변수의 확률밀도함수로 표현하는 과정에 대해 이해한다. 파라미터 추정, 검출, 분류, 추적, 딥러닝에 랜덤신호처리를 응용하는 기법에 대하여 공부한다.
[B04566] 프로그래밍언어특론 ADVANCED PROGRAMMING LANGUAGES (3(3))
프로그래밍언어는 컴퓨터공학의 각 분야의 학습, 연구 및 구현의 필수적인 도구로서, 본 강의에서는 프로그래밍언어에 관한 최신 주제들 특히 abstraction, overloading, polymorphism, abstract data type, encapsulation, information hiding, inheritance 등에 관해 심도있게 다룬다.
[B13793] 선형대수학특론 ADVANCED LINEAR ALGEBRA (3(3))
본 교과목에서는 로봇공학을 포함한 공학을 공부하는 데 필수적인 선형대수학(벡터, 행렬, 연립 선형방정식, 유클리우드 공간에서의 선형 변환, 선형 독립, 베이스, 고유값, 고유벡터, 스칼라 및 벡터곱, 행렬식 등)에 관하여 다룬다. 본 교과목은 학생들에게 선행 대수에 대한 기본 개념을 이해 시키고 선형 대수 관련 계산능력을 함양시키는 데 목적이 있다.
[B13794] 선형시스템제어 LINEAR SYSTEM CONTROL (3(3))
본 교과목에서는 선형 공간과 대수의 기본적 수학적인 back ground와 동적 시스템, 펀드멘털 행렬, 상태 천이 행렬, 가제어성과 가관측성, 안정도, 캐노니컬 구조, 관측기 설계법 등을 다룬다.
[B01397] 랜덤신호처리 RANDOM SIGNAL PROCESSING (3(3))
멀티모달 센싱에서 잡음을 모델링하고 신호처리 하는 기술은 매우 중요하다. 확률이론을 바탕으로 랜덤 변수의 정의를 이해하고, 관련된 수학적인 지식을 습득한다. Cumulative distribution function으로부터 확률밀도함수를 유도하는 과정을 이해한다. 시스템에 입력된 랜덤신호가 출력될 때 이 출력을 시스템의 impulse response와 입력 랜덤변수의 확률밀도함수로 표현하는 과정에 대해 이해한다. 파라미터 추정, 검출, 분류, 추적, 딥러닝에 랜덤신호처리를 응용하는 기법에 대하여 공부한다.
[B04566] 프로그래밍언어특론 ADVANCED PROGRAMMING LANGUAGES (3(3))
프로그래밍언어는 컴퓨터공학의 각 분야의 학습, 연구 및 구현의 필수적인 도구로서, 본 강의에서는 프로그래밍언어에 관한 최신 주제들 특히 abstraction, overloading, polymorphism, abstract data type, encapsulation, information hiding, inheritance 등에 관해 심도있게 다룬다.
[B13793] 선형대수학특론 ADVANCED LINEAR ALGEBRA (3(3))
본 교과목에서는 로봇공학을 포함한 공학을 공부하는 데 필수적인 선형대수학(벡터, 행렬, 연립 선형방정식, 유클리우드 공간에서의 선형 변환, 선형 독립, 베이스, 고유값, 고유벡터, 스칼라 및 벡터곱, 행렬식 등)에 관하여 다룬다. 본 교과목은 학생들에게 선행 대수에 대한 기본 개념을 이해 시키고 선형 대수 관련 계산능력을 함양시키는 데 목적이 있다.
[B13794] 선형시스템제어 LINEAR SYSTEM CONTROL (3(3))
본 교과목에서는 선형 공간과 대수의 기본적 수학적인 back ground와 동적 시스템, 펀드멘털 행렬, 상태 천이 행렬, 가제어성과 가관측성, 안정도, 캐노니컬 구조, 관측기 설계법 등을 다룬다.
전공
[B12385] 로봇공학특론 ADVANCED ROBOTICS (3(3))
This course provides the structure and basic theory such as Coordiate transformation, forward and inverse kinematics, Jacobian, Dynamics and Control of a robot. By this course, 3 dimensional Kinematics and dynamics can be understood easily.
[B12859] 컴퓨터비전을응용한영상기하학 VISUAL GEOMETRY IN COMPUTER VISION (3(3))
This lecture deals with 3D reconstruction and Visual geometry as a presentative application of computer vision. As the demand for 3D vision technology increases with the development of the robot industry, the needs for 3D modeling and 3D reconstruction is also increasing to handle SLAM and robotic grasping. To deal with this topic, students will learn several techniques of 3D sensing and optimization methods and will do experiments and projects related to them.
[B13651] 고급딥러닝 ADVANCED DEEP LEARNING (3(3))
This course provides an introduction to deep learning techniques for computer vision (artificial intelligence neural networks, mathematical basics for deep learning). In addition, this course handles convolutional neural networks, basic methods applied to visual recognition problems such as object detection, recognition, and tracking in a Python/Pytorch development environment.
[B13797] 고급메카트로닉스(1) ADVANCED MECHATRONICS(1) (3(3))
This course deals with advanced theories and techniques in mechatronics for dealing with electrical devices, measurements, and controls of mechanical systems. Practical examples given in the lecture include actuating systems (e.g., electric motor systems, pneumatic systems, etc.), signal processing techniques, measurement of analog and digital sensor signals, use of electric elements, communication methods, and implementation of various control algorithms. In this course, hands-on experiences through a set of laboratory sessions are emphasized particularly.
[B13799] 로봇기구설계특론 ADVANCED ROBOT MECHANISM DESIGN (3(3))
Mechanical Element and System Design, Precision Mechanical Design Theory and Practice, Design Project will be processed.
[B13801] 이동로봇특론 ADVANCED MOBILE ROBOTS (3(3))
This course deals with advanced theories and techniques in mechatronics for dealing with electrical devices, measurements, and controls of mechanical systems. Practical examples given in the lecture include actuating systems (e.g., electric motor systems, pneumatic systems, etc.), signal processing techniques, measurement of analog and digital sensor signals, use of electric elements, communication methods, and implementation of various control algorithms. In this course, hands-on experiences through a set of laboratory sessions are emphasized particularly.
[B14106] 멀티모달언택트센싱 MULTI-MODAL UNTACT SENSING (3(3))
In a rapidly changing era, multi-modal sensing technology is becoming increasingly important, and thus it is necessary to understand the physical sensing principles and basic signal processing technology of various untact sensors. In particular, we analyze the latest multi-modal sensing convergence technology trends for highly reliable sensing based on an understanding of the basic characteristics of various electromagnetic spectra such as visible light images, infrared images, hyperspectral images, lidar, and radar.
[B14217] 물류로봇구동시스템 LOGISTICS ROBOT DRIVE SYSTEMS (3(3))
This course aims to provide a comprehensive understanding of the drive systems used in logistics robots, with a focus on practical applications. Topics include motor selection, mobile robot layout design, and control algorithms. Students will gain foundational knowledge and hands-on experience necessary for designing and developing logistics robot systems.
[B14218] 강화학습특론 SPECIAL TOPICS TO REINFORCEMENT LEARNING (3(3))
In this lecture, we will learn the basic theory and practical algorithm of Reinforcement Learning and their application to the robot systems. In particular, students learn about the concepts of representative algorithms such as DDPG, SAC, TD3, and PPO that are useful for robot manipulation, and apply learning techniques using Mujoco/Robosuite. It also aims to develop the ability to understand research papers on reinforcement learning, apply reinforcement learning techniques to problems in other fields, and formulate/solve research problems in reinforcement learning.
[B14219] 물류인공지능 LOGISTICS ARTIFICIAL INTELLIGENCE (3(3))
The "Logistics Artificial Intelligence" course aims to equip students with the knowledge and skills to leverage artificial intelligence (AI) technologies to enhance the efficiency of logistics and supply chain management. In this course, students will gain an understanding of the key challenges in the logistics industry and explore how AI can be applied to address these challenges. The course covers various AI techniques, including machine learning, data analytics, predictive modeling, and optimization algorithms, and demonstrates their application in real-world logistics scenarios such as inventory management, transportation optimization, and demand forecasting. Additionally, the course emphasizes the connection between theory and practice by analyzing case studies of AI-driven logistics innovations. Students will be exposed to the latest trends and technological advancements in logistics and learn how to apply these insights in practical settings. The course is structured with a mix of lectures, hands-on exercises, case analyses, and project-based learning, enabling students to acquire knowledge and skills that are immediately applicable in the field.
[B14220] 로봇시스템제어응용 ROBOTIC SYSTEM CONTROL APPLICATION (3(3))
This course explores advanced theories and techniques for controlling robotic systems. This lecture focuses on sensor data acquisition, robot kinematics, and the control algorithms essential for robotic system control. Students will gain practical experience by constructing and programming a robot system using a Microcontroller.
[B14221] 로봇AI융합학과세미나 SEMINAR ON ROBOTICS AND AI INTEGRATION (1(1))
This course is a seminar designed to explore the latest research and technological trends in the fields of robotics and artificial intelligence (AI). Throughout the semester, various experts from related fields will be invited to give guest lectures, and students will participate in hands-on activities that bridge theory and practice. This course aims to provide students with a comprehensive understanding of the diverse aspects of robotics and AI integration and explore its potential applications in the industry.
[B14453] 로봇AI통신 ROBOT AI COMMUNICATION (3(3))
This course explores AI-based communication technologies essential for the efficient operation of collaborative robot systems. Topics include real-time data exchange among robots, learning-based communication protocols, intelligent network architectures, and edge–cloud cooperative control. Students will study reinforcement learning, distributed AI, and multi-agent collaboration frameworks to understand how robots can autonomously optimize communication strategies and perform coordinated tasks. Through hands-on exercises and project work, students will design and implement AI-driven communication algorithms on actual or simulated collaborative robot platforms.
[B14454] 로봇지능아키텍처 ROBOT AI ARCHITECTURE (3(3))
The course on Robot Intelligence Architecture covers vision- and language-based understanding through VLM (Vision-Language Models) and multimodal sensor data integration using LMM (Large Multimodal Models). It also explores Agentic AI, enabling autonomous goal-setting, planning, and action execution, as well as Physical AI, which addresses safe and efficient interaction under real-world physical constraints. Through this process, students will learn to design next-generation robot intelligence architectures that integrate perception, planning, and action.
[B14455] 임베디드로보틱스 EMBEDDED ROBOTICS (3(3))
The Embedded Robotics course covers the core technologies required to implement intelligent functions on lightweight and low-power robotic platforms. Centered on ROS2-based embedded systems, it explores task management in RTOS (Real-Time Operating Systems), sensor driver development and communication interfaces, as well as embedded security and reliability techniques. Through this, students cultivate the ability to design embedded intelligence with real-time control, safety, and scalability for next-generation autonomous robots.
[B14456] 캡스톤디자인 CAPSTONE DESIGN (3(3))
This course is a highest-level, practical research project where Master's and Ph.D. students apply their academic theory and research capabilities to real-world R&D problems in the industry. Participating students will form teams to carry out projects that solve technological challenges or address themes related to new future businesses faced by partner companies. Through this course, students can cultivate the real-world competencies to become key researchers or tech entrepreneurs who will lead the future technology industry.
[B12385] 로봇공학특론 ADVANCED ROBOTICS (3(3))
This course provides the structure and basic theory such as Coordiate transformation, forward and inverse kinematics, Jacobian, Dynamics and Control of a robot. By this course, 3 dimensional Kinematics and dynamics can be understood easily.
[B12859] 컴퓨터비전을응용한영상기하학 VISUAL GEOMETRY IN COMPUTER VISION (3(3))
This lecture deals with 3D reconstruction and Visual geometry as a presentative application of computer vision. As the demand for 3D vision technology increases with the development of the robot industry, the needs for 3D modeling and 3D reconstruction is also increasing to handle SLAM and robotic grasping. To deal with this topic, students will learn several techniques of 3D sensing and optimization methods and will do experiments and projects related to them.
[B13651] 고급딥러닝 ADVANCED DEEP LEARNING (3(3))
This course provides an introduction to deep learning techniques for computer vision (artificial intelligence neural networks, mathematical basics for deep learning). In addition, this course handles convolutional neural networks, basic methods applied to visual recognition problems such as object detection, recognition, and tracking in a Python/Pytorch development environment.
[B13797] 고급메카트로닉스(1) ADVANCED MECHATRONICS(1) (3(3))
This course deals with advanced theories and techniques in mechatronics for dealing with electrical devices, measurements, and controls of mechanical systems. Practical examples given in the lecture include actuating systems (e.g., electric motor systems, pneumatic systems, etc.), signal processing techniques, measurement of analog and digital sensor signals, use of electric elements, communication methods, and implementation of various control algorithms. In this course, hands-on experiences through a set of laboratory sessions are emphasized particularly.
[B13799] 로봇기구설계특론 ADVANCED ROBOT MECHANISM DESIGN (3(3))
Mechanical Element and System Design, Precision Mechanical Design Theory and Practice, Design Project will be processed.
[B13801] 이동로봇특론 ADVANCED MOBILE ROBOTS (3(3))
This course deals with advanced theories and techniques in mechatronics for dealing with electrical devices, measurements, and controls of mechanical systems. Practical examples given in the lecture include actuating systems (e.g., electric motor systems, pneumatic systems, etc.), signal processing techniques, measurement of analog and digital sensor signals, use of electric elements, communication methods, and implementation of various control algorithms. In this course, hands-on experiences through a set of laboratory sessions are emphasized particularly.
[B14106] 멀티모달언택트센싱 MULTI-MODAL UNTACT SENSING (3(3))
In a rapidly changing era, multi-modal sensing technology is becoming increasingly important, and thus it is necessary to understand the physical sensing principles and basic signal processing technology of various untact sensors. In particular, we analyze the latest multi-modal sensing convergence technology trends for highly reliable sensing based on an understanding of the basic characteristics of various electromagnetic spectra such as visible light images, infrared images, hyperspectral images, lidar, and radar.
[B14217] 물류로봇구동시스템 LOGISTICS ROBOT DRIVE SYSTEMS (3(3))
This course aims to provide a comprehensive understanding of the drive systems used in logistics robots, with a focus on practical applications. Topics include motor selection, mobile robot layout design, and control algorithms. Students will gain foundational knowledge and hands-on experience necessary for designing and developing logistics robot systems.
[B14218] 강화학습특론 SPECIAL TOPICS TO REINFORCEMENT LEARNING (3(3))
In this lecture, we will learn the basic theory and practical algorithm of Reinforcement Learning and their application to the robot systems. In particular, students learn about the concepts of representative algorithms such as DDPG, SAC, TD3, and PPO that are useful for robot manipulation, and apply learning techniques using Mujoco/Robosuite. It also aims to develop the ability to understand research papers on reinforcement learning, apply reinforcement learning techniques to problems in other fields, and formulate/solve research problems in reinforcement learning.
[B14219] 물류인공지능 LOGISTICS ARTIFICIAL INTELLIGENCE (3(3))
The "Logistics Artificial Intelligence" course aims to equip students with the knowledge and skills to leverage artificial intelligence (AI) technologies to enhance the efficiency of logistics and supply chain management. In this course, students will gain an understanding of the key challenges in the logistics industry and explore how AI can be applied to address these challenges. The course covers various AI techniques, including machine learning, data analytics, predictive modeling, and optimization algorithms, and demonstrates their application in real-world logistics scenarios such as inventory management, transportation optimization, and demand forecasting. Additionally, the course emphasizes the connection between theory and practice by analyzing case studies of AI-driven logistics innovations. Students will be exposed to the latest trends and technological advancements in logistics and learn how to apply these insights in practical settings. The course is structured with a mix of lectures, hands-on exercises, case analyses, and project-based learning, enabling students to acquire knowledge and skills that are immediately applicable in the field.
[B14220] 로봇시스템제어응용 ROBOTIC SYSTEM CONTROL APPLICATION (3(3))
This course explores advanced theories and techniques for controlling robotic systems. This lecture focuses on sensor data acquisition, robot kinematics, and the control algorithms essential for robotic system control. Students will gain practical experience by constructing and programming a robot system using a Microcontroller.
[B14221] 로봇AI융합학과세미나 SEMINAR ON ROBOTICS AND AI INTEGRATION (1(1))
This course is a seminar designed to explore the latest research and technological trends in the fields of robotics and artificial intelligence (AI). Throughout the semester, various experts from related fields will be invited to give guest lectures, and students will participate in hands-on activities that bridge theory and practice. This course aims to provide students with a comprehensive understanding of the diverse aspects of robotics and AI integration and explore its potential applications in the industry.
[B14453] 로봇AI통신 ROBOT AI COMMUNICATION (3(3))
This course explores AI-based communication technologies essential for the efficient operation of collaborative robot systems. Topics include real-time data exchange among robots, learning-based communication protocols, intelligent network architectures, and edge–cloud cooperative control. Students will study reinforcement learning, distributed AI, and multi-agent collaboration frameworks to understand how robots can autonomously optimize communication strategies and perform coordinated tasks. Through hands-on exercises and project work, students will design and implement AI-driven communication algorithms on actual or simulated collaborative robot platforms.
[B14454] 로봇지능아키텍처 ROBOT AI ARCHITECTURE (3(3))
The course on Robot Intelligence Architecture covers vision- and language-based understanding through VLM (Vision-Language Models) and multimodal sensor data integration using LMM (Large Multimodal Models). It also explores Agentic AI, enabling autonomous goal-setting, planning, and action execution, as well as Physical AI, which addresses safe and efficient interaction under real-world physical constraints. Through this process, students will learn to design next-generation robot intelligence architectures that integrate perception, planning, and action.
[B14455] 임베디드로보틱스 EMBEDDED ROBOTICS (3(3))
The Embedded Robotics course covers the core technologies required to implement intelligent functions on lightweight and low-power robotic platforms. Centered on ROS2-based embedded systems, it explores task management in RTOS (Real-Time Operating Systems), sensor driver development and communication interfaces, as well as embedded security and reliability techniques. Through this, students cultivate the ability to design embedded intelligence with real-time control, safety, and scalability for next-generation autonomous robots.
[B14456] 캡스톤디자인 CAPSTONE DESIGN (3(3))
This course is a highest-level, practical research project where Master's and Ph.D. students apply their academic theory and research capabilities to real-world R&D problems in the industry. Participating students will form teams to carry out projects that solve technological challenges or address themes related to new future businesses faced by partner companies. Through this course, students can cultivate the real-world competencies to become key researchers or tech entrepreneurs who will lead the future technology industry.
기초공통
[B01397] 랜덤신호처리 RANDOM SIGNAL PROCESSING (3(3))
In multimodal sensing, noise modeling and signal processing techniques are very important. This course deals with following items: Understand the definition of random variables based on probability theory and acquire related mathematical knowledge. Understand the process of deriving probability density functions from cumulative distribution functions. Understand the process of expressing the output of a random signal input to a system as the system's impulse response and the probability density function of the input random variable. Study techniques for applying random signal processing to parameter estimation, detection, classification, tracking, and deep learning.
[B04566] 프로그래밍언어특론 ADVANCED PROGRAMMING LANGUAGES (3(3))
Programming language is an essential tool for study, research, and implementation of Computer engineering. This course deals with recent topics such as abstraction, overloading, polymorphism, abstractdatatype, encapsulation, informationhiding, and inheritence.
[B13793] 선형대수학특론 ADVANCED LINEAR ALGEBRA (3(3))
This course deals with the linear algebra including: vectors, matrices, systems of linear equations, linear transformations in Euclidean space, linear independence, bases, eigenvalues, eigenvectors, dot and cross products, determinants, etc which are indispensable tools in engineering including robotics. It is designed to develop intuition for the key ideas of linear algebra, and ability to do linear algebra computations.
[B13794] 선형시스템제어 LINEAR SYSTEM CONTROL (3(3))
This course deals with basic mathematics in linear space and algebra, dynamical system, fundamental matrices and state transition matrix, controllability and observability, stability issues, interconnection methods, canonical structure, stabilizable and detectable systems, Observer design methods.
[B01397] 랜덤신호처리 RANDOM SIGNAL PROCESSING (3(3))
In multimodal sensing, noise modeling and signal processing techniques are very important. This course deals with following items: Understand the definition of random variables based on probability theory and acquire related mathematical knowledge. Understand the process of deriving probability density functions from cumulative distribution functions. Understand the process of expressing the output of a random signal input to a system as the system's impulse response and the probability density function of the input random variable. Study techniques for applying random signal processing to parameter estimation, detection, classification, tracking, and deep learning.
[B04566] 프로그래밍언어특론 ADVANCED PROGRAMMING LANGUAGES (3(3))
Programming language is an essential tool for study, research, and implementation of Computer engineering. This course deals with recent topics such as abstraction, overloading, polymorphism, abstractdatatype, encapsulation, informationhiding, and inheritence.
[B13793] 선형대수학특론 ADVANCED LINEAR ALGEBRA (3(3))
This course deals with the linear algebra including: vectors, matrices, systems of linear equations, linear transformations in Euclidean space, linear independence, bases, eigenvalues, eigenvectors, dot and cross products, determinants, etc which are indispensable tools in engineering including robotics. It is designed to develop intuition for the key ideas of linear algebra, and ability to do linear algebra computations.
[B13794] 선형시스템제어 LINEAR SYSTEM CONTROL (3(3))
This course deals with basic mathematics in linear space and algebra, dynamical system, fundamental matrices and state transition matrix, controllability and observability, stability issues, interconnection methods, canonical structure, stabilizable and detectable systems, Observer design methods.