| 1 |
Introduction: 강의 소개, 수업 진행 방법 설명, 프로젝트 참여 구성 |
| 2 |
PICA-1: Perception, Imagenation, Cognition, Action 분야별 AI 모듈 |
| 3 |
PICA-2: 새로운 문제에 적응할 수 있는 AI 기술; 자기주도적 학습 |
| 4 |
LBA-1: Learning by asking; LLM 및 VLM 모델의 실세계 응용법 |
| 4 |
LBA-2: Multi-modality 연구 동향; LLM 및 VLM과 action module의 결합 |
| 5 |
체화 인공지능-1: Embodied AI의 정의; 상호작용의 역할 |
| 6 |
체화 인공지능-2: 로봇 하드웨어 및 ROS 개요; 로봇 에이전트 개발의 실제 |
| 7 |
중간 프로젝트 발표 |
| 8 |
강화학습-1: 심층 강화학습 기반 알고리즘 개발; 강화학습 기반 로봇 시뮬레이터 개요 |
| 9 |
강화학습-2: 멀티 에이전트 강화학습 및 실세계 시나리오에서의 문제점 |
| 10 |
SPARC-1: 인지과학적 관점에서 self-reflection 구조; action 대상 초거대 모델의 특성 |
| 11 |
SPARC-2: 실생활 문제 시나리오; Vision-Language-Action model에서의 self-reflection, self-refine 구현 방안 |
| 12 |
의료 및 바이오 인공지능: 바이오 데이터 개요 및 특성; 바이오 및 응급 의료 AI 개발 방향 |
| 13 |
제조 특화 AI: 산업 현장 데이터의 특성; 제조 및 조립 공정 AI 개발의 실제 |
| 14 |
Wrap-up: 전체 주차 요약; 인공지능의 미래 |
| 15 |
기말 프로젝트 발표 |