패스트캠퍼스
Physical AI
로보틱스
얼마 안 남았습니다!
지금이 가장 저렴해요🔥
본 강의는 7월 27일에 신규 런칭한 강의로
사전 구매하신 분들께 얼리버드 혜택을 제공하고 있습니다.
스페셜 얼리버드✨
8월 1일 ~ 9일까지
정가 800,000원
판매가 279,000원
12개월 할부 적용시
월 23,250원
슈퍼 얼리버드
8월 10일 ~ 26일까지
정가 800,000원
판매가 299,000원
12개월 할부 적용시
월 24,917원
정가
800,000원
🔥스페셜 얼리버드🔥까지 남은 시간
6일19시간43분36초
Physical AI 개발을 위해
반드시 알아두어야 할 핵심 요소 4가지
Physical AI 공부 시작에 필요한 기초 수학, 파이썬 프로그래밍부터
하드웨어 설계까지 모든 단계를 한 번에 배울 수 있는
Physical AI 입문
Physical AI 입문 All-In-One 초격차 패키지가
특별한 이유 3가지
Special 01
로봇이 처음이어도 OK! 비전공자도 시작할 수 있는 Physical AI 커리큘럼
파이썬 프로그래밍부터 로봇 제작까지, 어디서도 한 번에 수강할 수 없던
54시간 풀코스 커리큘럼! 패스트캠퍼스에서 시작 해 보세요.
Special 02
Hello,로보틱스!
대표 5가지 프로젝트로 알아보는 Physical AI 로봇 개발
로봇 개발의 대표 4가지 요소 인지-판단-제어-제작 각 과정을 학습하고
로봇에 어떻게 적용 되는지 이해할 수 있는 5가지 프로젝트 실습을 진행합니다.
로봇의 눈을 만들기 위한
Yolo 모델로 객체 인식과 자세 추정
사전학습 Yolo 모델로 검출과 분할을 수행하고, 나아가 키포인트로 관절 각도를 추정해보는 방법을 학습합니다.
Yolo 모델로 객체 인식과 자세 추정
사전학습 Yolo 모델로 검출과 분할을 수행하고, 나아가 키포인트로 관절 각도를 추정해보는 방법을 학습합니다.
전체 경로를 이해하여 장애물을
피하고 행동 순서를 결정하기
로봇이 이동하고자 하는 목표를 달성하기 위해 가능한 행동을 선택하고 순서를 정하는 방법을 학습합니다.
피하고 행동 순서를 결정하기
로봇이 이동하고자 하는 목표를 달성하기 위해 가능한 행동을 선택하고 순서를 정하는 방법을 학습합니다.
작업물을 건네주고 동시에 궤적을 그릴 수 있는
본딩 로봇 만들어보기
카메라가 준 좌표로 정확하고 부드럽게 움직이는 로봇 팔을 제어해볼 수 있는 방법을 학습합니다.
본딩 로봇 만들어보기
카메라가 준 좌표로 정확하고 부드럽게 움직이는 로봇 팔을 제어해볼 수 있는 방법을 학습합니다.
CAD 모델링 : 매니퓰레이터 Arm Link와
관절 구조 3D 설계
설계한 링크와 관절을 CAD로 모델링하고 어셈블리를 구성한 뒤, 공차를 기입한 2D 제작 도면까지 출력해보는 방법을 학습합니다.
관절 구조 3D 설계
설계한 링크와 관절을 CAD로 모델링하고 어셈블리를 구성한 뒤, 공차를 기입한 2D 제작 도면까지 출력해보는 방법을 학습합니다.
CAE 검증 : 응력·변형 해석과
설계 반복 개선
CAD 모델에 하중·구속 조건을 부여해 구조 해석을 수행하고 결과를 손 계산과 비교하며 취약부를 보강하는 설계 반복 루프를 구성합니다.
설계 반복 개선
CAD 모델에 하중·구속 조건을 부여해 구조 해석을 수행하고 결과를 손 계산과 비교하며 취약부를 보강하는 설계 반복 루프를 구성합니다.
Special 03
Physical AI 트렌드를 이끄는 비교불가 강사진
글로벌 대기업, ROBOTIS 로보틱스 엔지니어부터 서울대학교 모방학습 연구원까지!
학계와 업계에서 쟁쟁한 실력을 가진 강사님들과 함께 강의를 기획하였습니다.
로봇 입문이 처음이어도 괜찮습니다.
Physical AI 시작에 필요한 기초 지식을 완벽하게 끝내드립니다.
Point 01
Physical AI 시스템의 기본 구조
Physical AI 시스템 개발에 필요한
기초 4가지 요소를 학습합니다.
핵심 개념 1 ㅣ 선형대수학과 미적분학
로봇의 움직이고, 힘을 견디며, 자신의 위치를 계산하는 모든 과정에 꼭 필요한 선형대수학과 미적분학의 기초 지식을 학습합니다.
핵심 개념 2 ㅣ 파이썬 프로그래밍
Physical AI 개발에 필요한 기초 프로그래밍 언어를 활용하는 방법을 학습합니다.
핵심 개념 3 ㅣ Physical AI와 로봇 시스템의 구조
Physical AI 로봇을 관측-판단-행동-피드백 반영 시스템으로 이해하고, 센서·컴퓨팅·액추에이터·전원·통신 사이의 데이터 흐름을 학습합니다.
핵심 개념 4 ㅣ 좌표계와 변환
로봇의 위치와 방향을 수학적으로 계산하고, 센서(눈)이 본 장면을 ‘전체 지도’의 위치와 맞게 연결하는 방법을 학습합니다.
Point 02
Physical AI 로봇의 눈. 인지 시스템
로봇이 시각 센서로 환경이나 사물을 인식하여 공간에 있는
대상물을 찾아 위치와 방향을 계산하는 방법을 학습합니다.
핵심 개념 (1) 로봇 비전
필터·엣지·특징점·변환을 활용한 '기계적인 방법'의 사고방식 학습
학습 포인트———————————————————————————
· 이미지를 숫자 행렬로 보고 필터를 씌우는 기본 영상 처리 개념을 학습합니다.
· 엣지, 직선, 특징점 매칭을 직접 실행하고 조건이 바뀌면 결과가 무너지는 지점을 확인하면서 학습 기반 방법이 필요한 이유를 이해합니다.
주요 학습 내용———————————————————————————
01. 기본 영상 처리: 이미지는 숫자 행렬이다
02. 엣지와 선 검출: Canny Edge Detector와 Hough Transform
03. 지역 특징점 맛보기: FAST · SIFT · SURF
04. 영상 변환과 정합: 2D Transformation · Warping · RANSAC
05. (실습) OpenCV로 고전 비전 파이프라인 돌려보기
핵심 개념 (2) 딥러닝을 활용한 비전 시스템
학습을 통해 대상을 인지하는 방법 학습
학습 포인트———————————————————————————
· 손으로 설계하던 필터를 데이터로 학습하는 방법을 학습합니다.
· 학습의 기본 원리부터 라벨(대상의 특징) 없는 데이터를 다루는 비지도 학습 방법까지 학습합니다.
주요 학습 내용———————————————————————————
01. Basic ML, 학습의 기본 원리
02. DNN, 깊은 신경망 만들기
03. CNN, 이미지를 위한 신경망 만들기
04. RNN과 Transformer, 순차적으로 데이터 다루기
05. Unsupervised Learning, 라벨 없이 데이터 배우기
핵심 개념 (3) 현실 세계를 데이터로 바꾸는 과정
현실의 물리량과 센서 측정값을 데이터로 변환하는 방법 학습
학습 포인트———————————————————————————
· 센서가 물리량을 측정해 Raw 데이터와 가공 데이터로 만드는 기본 과정과 데이터의 공통 속성을 학습합니다.
주요 학습 내용———————————————————————————
01. 로봇에게 센서가 필요한 이유와 물리량
02. Raw 데이터와 가공된 데이터
03. 단위, 측정범위, 해상도, Sampling Rate
04. Sensor Frame과 Timestamp
05. (실습) 같은 장면을 서로 다른 센서 데이터로 관찰하기
핵심 개념 (4) 주요 센서와 데이터 형태 이해
움직임, 접촉, 환경을 측정하는 주요 센서의 출력 데이터와 활용 범위 비교
학습 포인트———————————————————————————
· 로봇 자체의 움직임·위치·관절 상태·힘·접촉을 측정하는 센서의 출력과 대표 활용 사례를 학습합니다.
· 빛·거리·음파·적외선으로 주변을 관측하는 센서의 데이터 형태와 Range, FOV, Occlusion을 비교합니다.
주요 학습 내용———————————————————————————
01. IMU(가속도와 각속도), Wheel Encoder(바퀴 회전량과 이동 정보)
02. Joint Encoder(관절 위치와 움직임), GNSS(전역 위치와 정확도)
03. Force/Torque Sensor(힘과 모멘트), Contact Sensor(접촉 여부와 지면 반력)
04. RGB(이미지와 픽셀) & Depth(Depth 이미지와 3D Point) Camera
05. Ultrasonic(음파를 이용한 거리 측정) Sensor & Infrared(적외선을 이용한 거리와 물체 감지) Sensor
06. (실습) Sensor Range, FOV, Occlusion 비교하기
핵심 개념 (5) 센서 데이터를 그대로 믿을 수 없는 이유
센서 데이터의 오차와 한계 학습
학습 포인트———————————————————————————
· 센서 데이터에 생기는 대표적인 값·시간·환경 오류를 구분하고 오류 조건에 따른 실패 양상을 학습합니다.
주요 학습 내용———————————————————————————
01. 무작위로 흔들리는 값, 일정한 치우침, 시간에 따라 커지는 오차를 구분
02. 센서가 표현할 수 있는 간격과 범위의 한계, 비정상적으로 튀는 값을 구분
03. 측정 빈도, 전달 지연, 데이터 누락이 빠르게 움직이는 로봇의 상태 해석에 미치는 영향을 학습
04. 환경 조건에 따라 Camera, Depth, LiDAR, 거리 센서가 잘못 보거나 보지 못하는 사례를 학습
05. (실습) 센서 데이터에 오류를 추가하고 결과 비교하기
Point 03
Physical AI 로봇의 의사 결정, 판단 시스템
로봇에게 주어진 목표를 달성하기 위해 어떤 순서로
움직이고 어떤 경로를 선택하는지 학습합니다.
핵심 개념 (1) 로봇의 이동 특성과 Odometry
로봇 플랫폼의 이동 제약과 Odometry를 이해하고, 명령한 움직임과 추정한 움직임의 차이 학습
로봇 동체의 구조가 만드는 움직임의 제약
바퀴형, 드론, 사족보행, 휴머노이드, 이동형 매니퓰레이터 등 로봇 플랫폼 구조에 따라 가능한 움직임과 물리적 제약이 달라지는 이유를 비교합니다.
바퀴형, 드론, 사족보행, 휴머노이드, 이동형 매니퓰레이터 등 로봇 플랫폼 구조에 따라 가능한 움직임과 물리적 제약이 달라지는 이유를 비교합니다.
명령한 움직임과 추정한 움직임의 차이
이동 명령과 실제 움직임의 차이, Odometry의 계산 개념과 누적 오차를 이해합니다.
이동 명령과 실제 움직임의 차이, Odometry의 계산 개념과 누적 오차를 이해합니다.
핵심 개념 (2) 위치 추정, Mapping, SLAM
로봇이 위치 추정과 지도 작성이 필요한 이유 학습
Odometry를 보정하는 위치 추정
로봇의 Odometry에서 발생할 수 있는 오차를 막기 위해 센서로 주변을 탐지하여 진짜 로봇의 위치를 파악하는 방법을 학습합니다.
로봇의 Odometry에서 발생할 수 있는 오차를 막기 위해 센서로 주변을 탐지하여 진짜 로봇의 위치를 파악하는 방법을 학습합니다.
Scan Matching과 Mapping
센서로 찍은 수많은 찰나의 순간들을 이어 붙여, 로봇이 다닐 수 있게 지도를 만들어보는 방법을 학습합니다.
센서로 찍은 수많은 찰나의 순간들을 이어 붙여, 로봇이 다닐 수 있게 지도를 만들어보는 방법을 학습합니다.
SLAM과 Loop Closure
로봇이 지도를 그리며 돌아다니다 생긴 ‘누적 오차’, 아는 길을 만났을 때 완벽하게 교정하여 지도를 구성하는 방법을 학습합니다.
로봇이 지도를 그리며 돌아다니다 생긴 ‘누적 오차’, 아는 길을 만났을 때 완벽하게 교정하여 지도를 구성하는 방법을 학습합니다.
핵심 개념 (3) 경로 계획과 행동 계획
지도도 확보했고, 내 위치도 알았으니 목적지까지 가장 빠르고 안전하게 가는 방법 학습
Planning 문제와 지도 표현
로봇이 지도를 그리며 돌아다니다 생긴 ‘누적 오차’, 아는 길을 만났을 때 완벽하게 교정하여 지도를 구성하는 방법을 학습합니다.
로봇이 지도를 그리며 돌아다니다 생긴 ‘누적 오차’, 아는 길을 만났을 때 완벽하게 교정하여 지도를 구성하는 방법을 학습합니다.
Global Planning(전체 경로 파악)과 최단 경로 탐색
출발지와 목적지 사이 Dijkstra & A* 알고리즘을 활용하여 가장 빠른 지름길을 효율적으로 찾아내는 방법을 학습합니다.
출발지와 목적지 사이 Dijkstra & A* 알고리즘을 활용하여 가장 빠른 지름길을 효율적으로 찾아내는 방법을 학습합니다.
Local Planning과 행동 계획
갑작스럽게 나타난 장애물을 회피하고 행동 순서를 결정하여 순발력 있게 피해가는 방법을 학습합니다.
갑작스럽게 나타난 장애물을 회피하고 행동 순서를 결정하여 순발력 있게 피해가는 방법을 학습합니다.
Point 04
Physical AI 로봇의 동작 제어, 제어 시스템
인지 & 판단 단계에서 명령을 내린 물체의 좌표로 로봇 팔의
끝을 정확하고 부드럽게 움직이는 방법을 학습합니다.
핵심 개념 (1) 로봇의 물리적 구조와 운동학의 기초
로봇의 움직임을 수학적으로 모델링하고 다루는 방법을 학습
핵심 개념 (2) 필터의 중요성
모델링 된 로봇에 실제 센서가 달렸을 때 안정적으로 제어하는 방법 학습
핵심 개념 (3) 스플라인 곡선
로봇의 경로와 궤적 사이에서 ‘부드럽게 움직이는 방법’ 을 학습
Point 05
Physical AI 로봇의 하드웨어 제작, 동체 설계
Physical AI를 구현하는 로봇 하드웨어를 이해하고 연구·개발
목적에 맞는 하드웨어를 스스로 설계·제작하는 방법을 학습합니다.
핵심 개념 (1) 고체역학과 정역학
로봇 구조가 하중을 견디는지 계산으로 판단하는 근거 학습
학습 포인트———————————————————————————
· 고체역학과 정역학의 기초를 학습하며 기계·로봇 설계의 근거를 계산으로 확보하기 위한 개념을 이해합니다.
주요 학습 내용———————————————————————————
01. 응력의 세 가지 기본 형태 : 인장, 압축, 전단
02. 축 하중 부재 해석 : 축 하중을 받는 부재의 거동을 해석하고, 변형 에너지와 응력 집중이 설계에서 중요한 이유 학습
03. 비틀림과 굽힘 : 축과 팔이 받는 비틀림·굽힘 하중을 해석하고, 최대 응력이 발생하는 위치 발견
04. 응력 행렬과 평면응력 변환 : 응력을 행렬로 표현하고, 좌표계를 회전시켰을 때 응력 성분의 변환 방법 학습
05. Mohr 원과 주응력 : 고유 벡터로 구하는 주 방향과 평면 응력의 적용
핵심 개념 (2) 기계 제도와 기계 요소
도면을 읽고 그리며 기계 부품을 근거 있게 선정하는 방법 학습
학습 포인트———————————————————————————
· 하드웨어 제작을 위한 기계 설계 도면과 로봇 구성 요소의 특징을 배우며, 기계 부품의 선정 및 적용 기준을 학습합니다.
주요 학습 내용———————————————————————————
01. 제도 기초와 투상법 : 제도의 기초, 형상의 투시 방법, 3차원 부품을 2차원 도면으로 옮기는 규약을 학습
02. 치수 기입법과 끼워맞춤 공차 : 부품이 실제로 맞물리게 만드는 방법 학습
03. 기하 공차의 표면 거칠기 : 형상, 자세, 표면 품질의 정량 지정
04. 체결 지지 요소 : 부품을 고정하고 회전을 지지하는 나사, 베어링, 축의 특징과 선정 기준을 학습
05. 동력의 전달 요소인 기어, 스프링의 선정 기준을 학습
핵심 개념 (3) 기계 요소 설계
실제 매니퓰레이터(로봇 팔) 설계 방법 학습
학습 포인트———————————————————————————
· 역학, 도면, 기계 요소 지식을 결합하여 매니퓰레이터의 Arm Link와 관절 구조를 설계하고 CAD 모델링과 CAE 해석으로 설계를 반복 검증합니다.
주요 학습 내용———————————————————————————
01. 설계 목표 설정과 설계 구상
02. Arm Link 설계 : 하중과 안전율로 단면 형상 결정하기
03. 관절 구조 설계 : 베어링, 축, 감속기, 체결부의 조합
핵심 개념 (4) 마이크로컨트롤러와 회로 설계
로봇의 ‘판단’ 역할을 수행하는 회로를 MCU로 설계하는 방법 학습
학습 포인트———————————————————————————
· 마이크로컨트롤러를 활용하여 로봇의 ‘판단’ 역할을 수행하는 회로 시스템을 기계적으로 설계하는 방법을 학습합니다.
주요 학습 내용———————————————————————————
01. MCU의 기본 구조와 동작
02. GPIO, 타이머, PWM 제어 : 입출력, 핀, 타이머, PWM으로 엑추에이터와 신호를 제어하는 방법 학습
03. 인터럽트와 실시간 처리 : 인터럽트 구조로 센서 이벤트를 놓치지 않고 처리하는 실시간 설계 학습
04. 센서·엑추에이터 인터페이싱 : 모터·센서를 MCU에 연결하는 회로·신호 인터페이스를 설계
05. 판단 회로 시스템 설계
핵심 개념 (5) 신호 및 시스템
로봇의 센서 신호를 다루기 위한 신호 및 시스템의 기초와 하드웨어 필터 구성 방법 학습
학습 포인트———————————————————————————
· 센서 신호를 시간·주파수 영역에서 이해하고, ADC·통신 프로토콜·아날로그 필터를 통해 신뢰할 수 있는 데이터로 만드는 과정을 학습합니다.
주요 학습 내용———————————————————————————
01. Time 도메인과 주파수 도메인 : 신호를 시간 영역과 주파수 영역에서 이해
02. ADC와 샘플링 : 아날로그 신호를 디지털 신호로 바꾸는 과정 학습
03. 아날로그 필터링 : High & Low Pass로 노이즈 다루기
04. 디지털 통신 프로토콜 : I2C와 CAN
여기서 끝이라 생각하셨나요? 배웠던 이론들을 활용하여
Physical AI 로봇에 적용하기 위한 프로젝트 실습까지 준비하였습니다.
Project
Hello, 로보틱스! 대표 5가지 프로젝트로
알아보는 Physical AI 로봇 개발
로봇 개발의 대표 4가지 요소 인지-판단-제어-제작 각 과정을 학습하고
로봇에 어떻게 적용될 수 있는지 이해하기 위한 5가지 프로젝트 실습을 진행합니다.
학습 포인트———————————————————————————
∙ YOLO를 파인튜닝하고, 검출과 인스턴스 분할 결과를 정량 지표로 평가합니다.
∙ YOLO Pose로 관절 키포인트를 추출하고, 좌표로부터 관절 각도를 계산하여 기구학과 연결합니다.
주요 학습 내용———————————————————————————
∙ Object Detection과 Segmentation 수행
∙ Pose Estimation으로 Kinematic Estimation 수행
학습 포인트———————————————————————————
∙ 센서 범위와 로봇·장애물 속도를 조절하며 Global Path, Local 회피, Replanning의 관계를 관찰합니다.
주요 학습 내용———————————————————————————
∙ Global Plan과 Local Plan 구분
∙ DWA 기반 장애물 회피
∙ 동적 장애물 파악 후 Replanning
학습 포인트———————————————————————————
∙ 카메라가 준 좌표로 정확하고 부드럽게 움직이는 로봇 팔을 제어해볼 수 있는 방법을 학습합니다.
주요 학습 내용———————————————————————————
∙ 좌표 변환 + 역기구학 + 스플라인 곡선/가감속 + 연속 역기구학 조합
∙ 중요한 포인트 : 2개의 좌표가 한 지점에서 번역표 하나로 합의
학습 포인트———————————————————————————
∙ 하드웨어로 제작하게 될 로봇의 실제 형상을 스스로 정의해보고 만들어볼 수 있는 방법을 학습합니다.
주요 학습 내용———————————————————————————
∙ 링크·브래킷·하우징을 파트로 모델링하고 조립 구속을 부여해 매니퓰레이터 어셈블리를 완성
∙ 관절 가동 범위 전체에서 간섭을 검사하고 치수·기하 공차를 기입한 제작 도면을 출력
학습 포인트———————————————————————————
∙ 로봇의 컨트롤러, 엑추에이터, 센서의 회로 Wiring을 위한 회로 설계와 PCB 제작 경험으로 각 목적에 맞는 회로 제작 방법을 배울 수 있습니다.
주요 학습 내용———————————————————————————
∙ 하중·구속 조건과 메시를 설정해 정적 구조 해석을 수행하고, 손계산 값과 비교해 셋업을 검증
∙ 최대 응력·주응력 방향과 변형량을 확인하고, 취약부를 보강한 뒤 재해석해 설계를 수렴
글로벌 대기업과 ROBOTIS 실무진, 서울대학교 로봇 연구원
강사님들과 함께 강의를 준비하였습니다.
강사 소개
Physical AI, 아무나 가르칠 수 없으니까 !
패스트캠퍼스의 ‘검증된 강사님’만 모셨습니다.
✦ Point 1, 2, 3
글로벌 대기업 로봇 개발 연구 전문가 &
패스트캠퍼스 로봇 카테고리 강의 1위 Robby 강사님
안녕하세요, 여러분! Robby입니다.
저도 처음 로봇을 공부할 때 “도대체 무엇부터 시작해야 하지?”
“이 많은 내용을 전부 알아야 로봇을 만들 수 있는 걸까?”라는 고민을
정말 많이 했습니다. 특히 처음 접하는 용어와 수식이 한꺼번에 나오면,
각각의 내용이 왜 필요한지 이해하기도 전에
공부 자체가 어렵게 느껴지곤 했습니다.
그래서 이번 강의는 로봇이나 인공지능을 처음 접하는 분들도 부담 없이 시작할 수 있도록 구성했습니다.
특정 로봇이나 프로그램의 사용법만 배우는 강의도 아닙니다.
바퀴로 움직이는 로봇부터 드론, 사람처럼 걷는 로봇, 로봇팔까지 다양한 사례를 살펴보며 서로 무엇이 같고 다른지 전체 구조를 이해할 수 있는 기초를 만들어 드리겠습니다.
글로벌 대기업 로봇 개발 연구 전문가 &
패스트캠퍼스 로봇 카테고리 강의 1위 Robby 강사님
안녕하세요, 여러분! Robby입니다.
저도 처음 로봇을 공부할 때 “도대체 무엇부터 시작해야 하지?”
“이 많은 내용을 전부 알아야 로봇을 만들 수 있는 걸까?”라는 고민을
정말 많이 했습니다. 특히 처음 접하는 용어와 수식이 한꺼번에 나오면,
각각의 내용이 왜 필요한지 이해하기도 전에
공부 자체가 어렵게 느껴지곤 했습니다.
그래서 이번 강의는 로봇이나 인공지능을 처음 접하는 분들도 부담 없이 시작할 수 있도록 구성했습니다.
특정 로봇이나 프로그램의 사용법만 배우는 강의도 아닙니다.
바퀴로 움직이는 로봇부터 드론, 사람처럼 걷는 로봇, 로봇팔까지 다양한 사례를 살펴보며 서로 무엇이 같고 다른지 전체 구조를 이해할 수 있는 기초를 만들어 드리겠습니다.
✦ Point 4
25년차 로봇 외길 인생을 걸어오신,
온진욱 강사님
안녕하세요. 로보틱스 엔지니어 온진욱입니다.
저는 산업용 로봇부터 교육용 로봇까지 20년 넘게 로봇을 만들어 왔습니다.
이 강의에서 하고 싶은 것은 하나입니다
“카메라가 준 좌표로, 로봇팔을 정확하고 부드럽게 가져간다”는 한 문장을,
여러분이 처음부터 끝까지 스스로 설명할 수 있게 되는 것. 수식이 나올 때마다 3D 화면에서 로봇이 실제로 움직이는 것을 함께 보면서 가겠습니다.
로봇이 처음이어도 괜찮습니다. 같이 한 걸음씩 가 보시죠.
25년차 로봇 외길 인생을 걸어오신,
온진욱 강사님
안녕하세요. 로보틱스 엔지니어 온진욱입니다.
저는 산업용 로봇부터 교육용 로봇까지 20년 넘게 로봇을 만들어 왔습니다.
이 강의에서 하고 싶은 것은 하나입니다
“카메라가 준 좌표로, 로봇팔을 정확하고 부드럽게 가져간다”는 한 문장을,
여러분이 처음부터 끝까지 스스로 설명할 수 있게 되는 것. 수식이 나올 때마다 3D 화면에서 로봇이 실제로 움직이는 것을 함께 보면서 가겠습니다.
로봇이 처음이어도 괜찮습니다. 같이 한 걸음씩 가 보시죠.
✦ Point 1, 2, 5
비전공자와 하드웨어 설계를 처음 시작하시는 분들도
쉽게 따라올 수 있게 강의를 준비한
서울대학교 로봇 공학 연구원 Kyle 강사님
안녕하세요, 서울대학교에서 로봇 공학 연구원으로 재직 중인 Kyle입니다.
로봇 동체 설계를 처음 시작하시는 분들의 경우 3D CAD부터 회로, MCU 프로그래밍까지 어디서부터 어떻게 시작해야 할 지 모르거나 3D 프린터로 뽑은 결과가 로봇의 하중을 견디지 못하고 부러지거나 회로 노이즈로 인해 제대로 움직이지 않는다는 고민을 정말 많이 들었습니다.
처음 시작하시는 분들도 이해하실수 있게 ‘왜 이 두께여야 하는가?’ 와 같이 확실한 계산과 설계 근거를 밑바탕에 두고, 그에 필요한 기초적인 공학 지식부터 3D 설계, CAE 구조 해석, EAGLE 기반 PCB 제어 보드까지 한 단계식 완성해나가실 수 있도록 강의를 구성하였습니다.
로봇의 동체 설계를 처음 배우시는 분들도 강의를 수강하시고 나면 직접 설계하고 하드웨어를 만들어가는 기초 개념에 대해 이해하실 수 있도록 최선을 다해 강의를 만들겠습니다. 감사합니다.
비전공자와 하드웨어 설계를 처음 시작하시는 분들도
쉽게 따라올 수 있게 강의를 준비한
서울대학교 로봇 공학 연구원 Kyle 강사님
안녕하세요, 서울대학교에서 로봇 공학 연구원으로 재직 중인 Kyle입니다.
로봇 동체 설계를 처음 시작하시는 분들의 경우 3D CAD부터 회로, MCU 프로그래밍까지 어디서부터 어떻게 시작해야 할 지 모르거나 3D 프린터로 뽑은 결과가 로봇의 하중을 견디지 못하고 부러지거나 회로 노이즈로 인해 제대로 움직이지 않는다는 고민을 정말 많이 들었습니다.
처음 시작하시는 분들도 이해하실수 있게 ‘왜 이 두께여야 하는가?’ 와 같이 확실한 계산과 설계 근거를 밑바탕에 두고, 그에 필요한 기초적인 공학 지식부터 3D 설계, CAE 구조 해석, EAGLE 기반 PCB 제어 보드까지 한 단계식 완성해나가실 수 있도록 강의를 구성하였습니다.
로봇의 동체 설계를 처음 배우시는 분들도 강의를 수강하시고 나면 직접 설계하고 하드웨어를 만들어가는 기초 개념에 대해 이해하실 수 있도록 최선을 다해 강의를 만들겠습니다. 감사합니다.
* 강사님들의 강의 수강생 후기
질의 응답
본 강의의에서 사용하는 실습 환경 안내드립니다.
* Host PC
(Windows, mac, Linux, Ubuntu 중 본인의 환경에 맞는 PC 선택하여 사용 가능)
· 단, 제어 시스템을 학습 시에는 Windows OS 필요합니다.
* Python, Pytorch, VS Code, Jypyter Notebook, Google Colab
* OpenJigware(오픈소스)
* Autodesk Inventor
* Autodesk Fusion 360
* Yolo 모델
* 실습에서 활용되는 도구 사용법은 강의에서 모두 알려드릴 예정이니 선수지식 없이도 수강하실 수 있습니다.
* 26년 7월 기준 정보
* 본 강의는 촬영 시점을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 기술 변화에 따른 내용 수정이나 추가는 제공되지 않습니다.
* 본 강의에서 안내되는 툴의 무료 크레딧 제공 여부 및 요금제 가격은 각 서비스 제공사의 정책에 따라 변경되거나 종료될 수 있습니다. 이용 전 반드시 해당 서비스의 최신 정책 및 요금을 확인해 주시기 바랍니다.
(Windows, mac, Linux, Ubuntu 중 본인의 환경에 맞는 PC 선택하여 사용 가능)
· 단, 제어 시스템을 학습 시에는 Windows OS 필요합니다.
* Python, Pytorch, VS Code, Jypyter Notebook, Google Colab
* OpenJigware(오픈소스)
* Autodesk Inventor
* Autodesk Fusion 360
* Yolo 모델
* 실습에서 활용되는 도구 사용법은 강의에서 모두 알려드릴 예정이니 선수지식 없이도 수강하실 수 있습니다.
* 26년 7월 기준 정보
* 본 강의는 촬영 시점을 기준으로 학습 흐름과 개념 전달에 중점을 두었으며, 이후 기술 변화에 따른 내용 수정이나 추가는 제공되지 않습니다.
* 본 강의에서 안내되는 툴의 무료 크레딧 제공 여부 및 요금제 가격은 각 서비스 제공사의 정책에 따라 변경되거나 종료될 수 있습니다. 이용 전 반드시 해당 서비스의 최신 정책 및 요금을 확인해 주시기 바랍니다.
실습 중 에러가 나거나 궁금한 점이 있다면?
질의응답 채널을 통해 빠르게 강사님에게 질문하세요!
질의응답 채널을 통해 빠르게 강사님에게 질문하세요!
* 강사님께서 직접 질문에 답변해주시는 기간은
2026년 8월 28일 ~ 2029년 7월 27일까지 운영됩니다.
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준
7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.
2026년 8월 28일 ~ 2029년 7월 27일까지 운영됩니다.
* 강사님이 현업 중 답변 하시기에 답변까지 영업일 기준
7일 내외 시간이 소요될 수 있습니다.
* 강의와 무관한 질문에 대해서는 답변이 필수로 제공되지 않습니다.
강의 로드맵
어떤 강의를 먼저 들으면 좋을지 고민되시나요?
Physical AI를 처음 시작하시는 분들부터
VLA, CAN & UDS 통신까지 부분을
VLA와 휴머노이드까지 주제별로 구성되어 있습니다.
Q&A
Question.1
Q. 선수 지식이 있을까요?
필요하다면 어떤 지식이 필요하나요?
Q. 선수 지식이 있을까요?
필요하다면 어떤 지식이 필요하나요?
로봇공학이나 인공지능을 전공하지 않았더라도 수강할 수 있도록 구성했습니다.
대학교 1~4학년 수준의 수강생을 대상으로 하며, 로봇을 처음 접하는 분도 로보틱스의 전체 흐름을 이해할 수 있도록 기초 개념부터 설명합니다.
고등학교 수준의 기본적인 수학과 그래프를 읽는 정도의 경험이 있다면 강의 이해에 도움이 됩니다. 좌표계, 선형대수, 행렬, 확률, 미적분과 같은 개념도 사용하지만 복잡한 수식 유도나 증명보다 그림과 움직임을 통해 직관적으로 이해하는 데 집중하므로 별도의 공학 수학 선수 학습은 필요하지 않습니다.
프로그래밍 언어의 경우 강의에서 파이썬 프로그래밍 기초부터 개발 환경 구축,
핵심 문법까지 빠르고 탄탄하게 다지고 시작하므로 사전 프로그래밍 경험이 없거나 적으셔도 강의 수강에 문제가 되지 않습니다.
그 외 다루는 실습 도구들도 모두 강의에서 학습하실 수 있어 선수 지식이 필요하지 않습니다.
대학교 1~4학년 수준의 수강생을 대상으로 하며, 로봇을 처음 접하는 분도 로보틱스의 전체 흐름을 이해할 수 있도록 기초 개념부터 설명합니다.
고등학교 수준의 기본적인 수학과 그래프를 읽는 정도의 경험이 있다면 강의 이해에 도움이 됩니다. 좌표계, 선형대수, 행렬, 확률, 미적분과 같은 개념도 사용하지만 복잡한 수식 유도나 증명보다 그림과 움직임을 통해 직관적으로 이해하는 데 집중하므로 별도의 공학 수학 선수 학습은 필요하지 않습니다.
프로그래밍 언어의 경우 강의에서 파이썬 프로그래밍 기초부터 개발 환경 구축,
핵심 문법까지 빠르고 탄탄하게 다지고 시작하므로 사전 프로그래밍 경험이 없거나 적으셔도 강의 수강에 문제가 되지 않습니다.
그 외 다루는 실습 도구들도 모두 강의에서 학습하실 수 있어 선수 지식이 필요하지 않습니다.
Question.2
강의에서 배우는 내용들로
어떤 것들을 배울 수 있나요?
강의에서 배우는 내용들로
어떤 것들을 배울 수 있나요?
강의의 전체적인 흐름과 실습은 특정 로봇이나 프로그램의 사용법을 배우는 강의가
아니라 Physical AI 공부 시작에 처음 필요한 개념들을 담아 강의를 구성하였습니다.
첫째, 로보틱스와 로봇 시스템의 전체 흐름을 학습합니다.
센서가 현실을 관측하고, 컴퓨팅 시스템이 상태를 판단하고, 액추에이터가 행동한 뒤
,그 결과를 다시 센서로 확인하는 관측→판단→행동→피드백의 전체 흐름을 이해합니다.
드라이버에서 인지→판단→제어 과정까지 데이터가 어떻게 전달되는지도 함께 살펴봅니다.
둘째, Physical AI가 개발에 필요한 핵심 AI 알고리즘을 학습합니다.
다수의 신호(흐름이 있는)를 입력으로 받아 ‘흐른다/안 흐른다’(1 또는 0)라는 정보를 앞으로 전달하는 신경망의 기원이 되는 알고리즘 ‘퍼셉트론’ 을 먼저 학습합니다.
그 이후 다층 신경망(DNN), 공간 특징을 다루는 CNN, 시간에 따른 움직임을 다루는 RNN/LSTM, 그리고 Transformer와 비지도 학습(Auto Encoder, PCA)까지 Physical AI 개발에 필요한 핵심 AI 알고리즘들의 활용 방법을 함께 학습합니다.
셋째, 서로 다른 로봇 플랫폼을 바라보는 공통 관점을 학습합니다.
바퀴형 로봇, 드론, 사족보행 로봇, 휴머노이드, 매니퓰레이터는 몸체 구조와 이동 방식이 다르지만 센서로 상태를 관측하고, 좌표계 안에서 위치를 표현하고, 목표 행동을 계획한 뒤 피드백으로 결과를 확인한다는 공통점이 있습니다.
플랫폼별 차이를 비교하면서 특정 로봇에 종속되지 않는 Physical AI의 배경지식을 학습할 수 있습니다.
넷째, 로봇 하드웨어(동체) 설계의 전체 흐름을 학습합니다.
수학(선형대수)와 역학(고체역학)이 로봇 설계 수치로 이어지는 프로세스를 이해합니다.
설계의 출발점이 되는 이론을 먼저 이해하고, 이를 CAD/CAE 해석과 회로 설계 값으로 직접 확인하면서 로봇 동체 설계 시스템의 전체 흐름을 이해할 수 있습니다.
아니라 Physical AI 공부 시작에 처음 필요한 개념들을 담아 강의를 구성하였습니다.
첫째, 로보틱스와 로봇 시스템의 전체 흐름을 학습합니다.
센서가 현실을 관측하고, 컴퓨팅 시스템이 상태를 판단하고, 액추에이터가 행동한 뒤
,그 결과를 다시 센서로 확인하는 관측→판단→행동→피드백의 전체 흐름을 이해합니다.
드라이버에서 인지→판단→제어 과정까지 데이터가 어떻게 전달되는지도 함께 살펴봅니다.
둘째, Physical AI가 개발에 필요한 핵심 AI 알고리즘을 학습합니다.
다수의 신호(흐름이 있는)를 입력으로 받아 ‘흐른다/안 흐른다’(1 또는 0)라는 정보를 앞으로 전달하는 신경망의 기원이 되는 알고리즘 ‘퍼셉트론’ 을 먼저 학습합니다.
그 이후 다층 신경망(DNN), 공간 특징을 다루는 CNN, 시간에 따른 움직임을 다루는 RNN/LSTM, 그리고 Transformer와 비지도 학습(Auto Encoder, PCA)까지 Physical AI 개발에 필요한 핵심 AI 알고리즘들의 활용 방법을 함께 학습합니다.
셋째, 서로 다른 로봇 플랫폼을 바라보는 공통 관점을 학습합니다.
바퀴형 로봇, 드론, 사족보행 로봇, 휴머노이드, 매니퓰레이터는 몸체 구조와 이동 방식이 다르지만 센서로 상태를 관측하고, 좌표계 안에서 위치를 표현하고, 목표 행동을 계획한 뒤 피드백으로 결과를 확인한다는 공통점이 있습니다.
플랫폼별 차이를 비교하면서 특정 로봇에 종속되지 않는 Physical AI의 배경지식을 학습할 수 있습니다.
넷째, 로봇 하드웨어(동체) 설계의 전체 흐름을 학습합니다.
수학(선형대수)와 역학(고체역학)이 로봇 설계 수치로 이어지는 프로세스를 이해합니다.
설계의 출발점이 되는 이론을 먼저 이해하고, 이를 CAD/CAE 해석과 회로 설계 값으로 직접 확인하면서 로봇 동체 설계 시스템의 전체 흐름을 이해할 수 있습니다.
Question.3
이 강의만이 가지고 있는 특별한 차별점이
있다면 무엇일까요?
이 강의만이 가지고 있는 특별한 차별점이
있다면 무엇일까요?
첫째, Physical AI를 위한 전공 배경지식을 하나의 흐름으로 연결
좌표계, 센서, Odometry, SLAM, 경로 계획을 서로 분리된 이론으로 배우지 않고,
로봇이 현실을 관측해 목표 행동을 결정하는 하나의 흐름으로 연결합니다. 이후 어떤 로봇 플랫폼이나 프레임워크를 접하더라도 전체 시스템 안에서 각 기술의 역할을 이해할 수 있습니다.
둘째, 비전공자도 바로 시작할 수 있는 프로젝트 실습
일반 실습에 별도의 프로그램 설치나 고성능 장비가 필요하지 않습니다. 브라우저에서 값을 바꾸고 결과를 관찰하는 방식으로 진행하므로 개발 환경 구성보다 개념 이해에 집중할 수 있고, 수강 후에도 같은 실습을 반복해 복습할 수 있습니다.
셋째, 여러 로봇 플랫폼을 공통 원리와 차이점으로 비교
모바일 로봇 하나에만 한정하지 않고 바퀴형 로봇, 드론, 사족보행, 휴머노이드, 매니퓰레이터의 움직임과 센서 구성을 비교합니다. 모든 로봇에 공통으로 적용되는 원리와 플랫폼에 따라 달라지는 제약을 함께 이해할 수 있습니다.
넷째, 어려운 알고리즘보다 다음 학습을 위한 직관에 집중
ICP, Particle Filter, FastSLAM, Dijkstra, A* 등 알고리즘을 직접 구현하거나 수식을 암기하는 데 집중하지 않습니다. 시각적인 실습으로 핵심 아이디어와 실패 조건을 먼저 이해하고, 이후 전공 수업, 논문, 오픈소스 코드, 로봇 프로젝트를 공부할 수 있는 기반을 만듭니다.
좌표계, 센서, Odometry, SLAM, 경로 계획을 서로 분리된 이론으로 배우지 않고,
로봇이 현실을 관측해 목표 행동을 결정하는 하나의 흐름으로 연결합니다. 이후 어떤 로봇 플랫폼이나 프레임워크를 접하더라도 전체 시스템 안에서 각 기술의 역할을 이해할 수 있습니다.
둘째, 비전공자도 바로 시작할 수 있는 프로젝트 실습
일반 실습에 별도의 프로그램 설치나 고성능 장비가 필요하지 않습니다. 브라우저에서 값을 바꾸고 결과를 관찰하는 방식으로 진행하므로 개발 환경 구성보다 개념 이해에 집중할 수 있고, 수강 후에도 같은 실습을 반복해 복습할 수 있습니다.
셋째, 여러 로봇 플랫폼을 공통 원리와 차이점으로 비교
모바일 로봇 하나에만 한정하지 않고 바퀴형 로봇, 드론, 사족보행, 휴머노이드, 매니퓰레이터의 움직임과 센서 구성을 비교합니다. 모든 로봇에 공통으로 적용되는 원리와 플랫폼에 따라 달라지는 제약을 함께 이해할 수 있습니다.
넷째, 어려운 알고리즘보다 다음 학습을 위한 직관에 집중
ICP, Particle Filter, FastSLAM, Dijkstra, A* 등 알고리즘을 직접 구현하거나 수식을 암기하는 데 집중하지 않습니다. 시각적인 실습으로 핵심 아이디어와 실패 조건을 먼저 이해하고, 이후 전공 수업, 논문, 오픈소스 코드, 로봇 프로젝트를 공부할 수 있는 기반을 만듭니다.