본문 바로가기
728x90
반응형

전체 글

[Diffusion Q-learning : simul] Diffusion Policies As An Expressive Policy Class For Offline Reinforcement Learning : simulation * In Linux, I can't use Korean Keyboard.. So I explain [how to do it] with English.. 해당 코드 링크 : https://github.com/Zhendong-Wang/Diffusion-Policies-for-Offline-RL GitHub - Zhendong-Wang/Diffusion-Policies-for-Offline-RL Contribute to Zhendong-Wang/Diffusion-Policies-for-Offline-RL development by creating an account on GitHub. github.com 1. Initial settings new start !! lets go... :D (1) install .. 더보기
딥러닝(6) 실습: RNN image classification 코드 https://github.com/rickiepark/handson-ml/ GitHub - rickiepark/handson-ml: 도서 "핸즈온 머신러닝"의 예제와 연습문제를 담은 주피터 노트북입니다 도서 "핸즈온 머신러닝"의 예제와 연습문제를 담은 주피터 노트북입니다. Contribute to rickiepark/handson-ml development by creating an account on GitHub. github.com 1. RNN image classification MNIST 숫자 이미지 데이터셋을 분류하는 분류기를 구현할 것이다. 사실 이미지 데이터 학습은 이미지의 공간(spatial) 구조를 활용하는 CNN 모델이 더 적합하다. 그러나 인접한 영역의 픽셀은 서로 연관되어 있으므로 .. 더보기
[RK-DCRNN] Runge–Kutta Type Discrete Circadian RNN for Resolving Tri-Criteria Optimization Scheme of Noises Perturbed Redundant Robot Manipulators 논문 리뷰-ing 해당 논문 링크 : https://ieeexplore.ieee.org/document/9199289 0. Abstract 로봇 하드웨어나 환경의 주기적인 방해에 저항하기 위해 RK-DCRNN 모델을 제안하고, 중복 로봇 조작기의 동작을 계획하기 위해 조사하였다. [1] 최적의 제어를 달성하기 위해 먼저 이차 프로그래밍 기반의 ALHT(Acceleration-Level Hybrid Tri-criteria) 체계를 설계하여 가속도 규범, 토크 규범, 관절각 무변위 지수를 동시에 최소화하는 방법을 제안했다. [2] neural dynamic 설계 방법에 따라 연속 시간 일주기 리듬 신경망 모델을 활용했다. 그리고 룬지-쿠타 수치 미분법을 기반으로 이로부터 이산 시간 일주기 리듬 신경망 모델을 얻는다. [3] .. 더보기
딥러닝(5) 실습: LSTM 코드 1. RNN (1) RNN의 구조 Sequence data란 현재 state가 그 다음 state에 영향을 미치는 데이터이다. 아래 그림과 같이, x라는 입력을 넣으면 RNN에서 출력으로 나오는 state가 다시 RNN의 입력이 된다. 또한 각각 RNN 셀에서 y값을 뽑아낼 수가 있다. RNN을 계산할 때 state를 먼저 계산한 후 y를 구한다. state를 계산할 때 중요한 것은 tiem step 이전의 state가 입력으로 사용된다는 것이다. 즉 입력값은 2개로 [1] x, [2] 이전 RNN 셀에서의 state이다. 또한 RNN의 셀은 여러 개지만, 위의 그림처럼 구조를 표현하는 이유는 셀들마다 동일한 fW를 사용하기 때문이다. (2) Vanilla RNN RNN의 가장 기본적인 형태다. 시퀀스 .. 더보기
[SGN] Grasping Objects Sequentially Using Expanded Segmentation Masks and Linear Combination of RGB-D Heightmaps 논문 리뷰 해당 논문 링크 : https://ieeexplore.ieee.org/document/9739234 관련 논문(2019년도) 리뷰 : https://ufubbd.tistory.com/163 0. Abstract 복잡한 장면에서 사용자가 지정한 객체를 순차적으로 파악하자. 본 논문에서는 bin-picking에서 객체를 파악하지 위한 SGN(Sequantial Grasping Network)를 제안한다. 이는 크게 인스턴스 분할을 위한 Mask R-CNN, grasping evaluation을 위한 VPG(Visual Pushing Grasping) 네트워크로 구성된다. 세분화 네트워크의 경우 그립을 용이하게 하기 위해 대상 물체의 크기에 따른 mask의 neighborhood expansion method.. 더보기
[MASK R-CNN] Integration of deep learning-based object recognition and robot manipulator for grasping objects 논문 리뷰 해당 논문 링크 : https://ieeexplore.ieee.org/document/8768650 0. Abstract 많은 산업용 로봇들이 반복적인 작업을 요구하는 간단한 업무에 적용되어 왔다. 그러나 4차 산업혁명과 딥러닝의 신속한 발전을 통해, 로봇의 역할이 더욱 확대되어 '인간이 하는 일'을 수행할 것이라 전망하고 있다. 예를 들어 서비스 로봇 공학에선, 제품 자동 진열과 보충 그리고 집안 청소 등에 대한 연구를 진행 중이다. 이 논문에서, 우리는 딥러닝 방식을 이용한 물체 인식 시스템과 직렬 조작기와 그리퍼가 있는 grasping system(파악 시스템)을 통일하였다. 우리가 수행하는 bin-picking은 물체를 집어 쓰레기통으로 옮기는 작업이다. 해당 태스트에서 우리가 적용할 Mask R.. 더보기
[Fuzzy, CNN] Design of a Fuzzy Inference Based Robot Vision for CNN Training Image Acquisition 논문 리뷰 해당 논문 링크 : https://ieeexplore.ieee.org/document/9621830 1. Abstract 및 Introduction 4차 산업혁명의 추진과 함께, 인공지능은 manufacturing 분야에서 주목받고 있다. 특히 CNN과 같은 이미지 처리는 엔지니어가 수행하는 검사 및 테스트 공정에 활용되고 있다. 그러나 CNN과 같은 이미지 인식 학습은 [1] 대량의 이미지를 학습 데이터로 사용, [2] 이미지 획득에 많은 시간과 노력이 소요된다는 단점을 가진다. 본 논문에서는 로봇팔에 장착된 카메라로부터 CNN 학습 영상을 자동으로 획득하기 위한 퍼지 추론 기반 로봇 비전 시스템을 제안한다. 또한, 제안한 시스템은 퍼지 추론을 통해 로봇팔의 서보 모터 진동을 uppress하여 영상 획.. 더보기
딥러닝(4) ANN, DNN, CNN, RNN 개념과 차이 1. 인공지능, 머신러닝, 딥러닝 (1) 인공지능 : 인간의 지능을 기계 등에 인공적으로 구현한 것 (2) 머신러닝 : 컴퓨터가 학습할 수 있도록 하는 알고리즘과 기술을 개발하는 것 (3) 딥러닝 : 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화 즉 다량의 복잡한 자료들에서 핵심적인 내용만 추려해는 작업을 시도하는 기계학습 알고리즘 2. ANN, DNN, CNN, RNN (1) ANN Artificial Neural Network의 약자로, 인공 신경망을 의미한다. 사람의 신경망 구조 및 원리는 모방하여 만든 기게학습 알고리즘이다. 인간의 뇌에서 뉴런들이 어떤 신호나 자극을 받고, 그 자극이 일정 임계값(threshold)을 넘어서면 결과 신호를 전달한다. ANN은 이와 같은 과정으로 작동한다... 더보기
728x90
반응형

티스토리툴바