확률론적 로보틱스 (로봇공학의 기초부터 SLAM과 자율 주행까지)

Name: 확률론적 로보틱스 (로봇공학의 기초부터 SLAM과 자율 주행까지)
Brand: 에이콘출판 - 세바스찬 스런
SKU: 9791161754079
Price: 51.2 USD
Availability: InStock
Rating: 0 (0 reviews)

$51.20

Ask a Question

Vendor: 에이콘출판 - 세바스찬 스런

Type: 인공지능

SKU: 9791161754079

Categories: ALL BOOKS 컴퓨터/인터넷 컴퓨터/인터넷_컴퓨터공학

Tags: 컴퓨터/IT_컴퓨터공학 확률론적로보틱스로봇공학의기초부터SLAM과자율주행까지

Description

수학 통계학 지식을 기반으로 하는 확률론적 로보틱스는 기존 로보틱스 연구의 한계를 극복하고자 새롭게 성장하고 있는 분야다. 이 책은 로보틱스 분야의 고전이라 할 수 있는 중요한 기술과 알고리즘을 종합적으로 소개한다. 탄탄한 수학 지식을 기반으로 각각의 개념을 깊이 있고 상세하게 설명한다. 또한 실제 환경에서 확률론적 로보틱스 연구 성과를 어떻게 적용할 수 있는지 이해할 수 있도록 풍부한 의사코드와 실제 시뮬레이션 결과도 제공한다.
로보틱스 전문가뿐만 아니라 데이터 과학자, 알고리즘 연구원, 지능형 소프트웨어 개발자에게도 매우 유용할 것이다.

☞ 선정 및 수상내역
2021년 대한민국학술원 우수학술도서 선정도서

저자

세바스찬스런

SebastianThrun
스탠포드대학교컴퓨터학과부교수로,스탠포드AI랩을맡고있다.

1부.기초

01.소개

1.1로보틱스분야의불확실성
1.2확률론적로보틱스
1.3시사점
1.4이책의구성
1.5확률론적로보틱스강의를위하여
1.6참고문헌

02.재귀스테이트추정

2.1개요
2.2확률의기본개념
2.3로봇환경의인터랙션
2.3.1스테이트
2.3.2환경인터랙션
2.3.3확률론적생성법칙
2.3.4빌리프분포
2.4베이즈필터
2.4.1베이즈필터알고리즘
2.4.2예제
2.4.3베이즈필터의수학적유도
2.4.4마르코프가정
2.5표현과계산
2.6요약
2.7참고문헌
2.8연습문제

03.가우시안필터

3.1개요
3.2칼만필터
3.2.1선형가우시안시스템
3.2.2칼만필터알고리즘
3.2.3칼만필터의상세설명
3.2.4칼만필터의수학적증명
3.3확장형칼만필터
3.3.1선형화작업의필요성
3.3.2테일러전개를통한선형화
3.3.3EKF알고리즘
3.3.4EKF의수학적유도
3.3.5실제활용시고려사항
3.4분산점칼만필터
3.4.1분산점칼만필터를통한선형화작업
3.4.2UKF알고리즘
3.5정보필터
3.5.1캐노니컬파라미터
3.5.2정보필터알고리즘
3.5.3정보필터알고리즘의수학적유도
3.5.4확장형정보필터알고리즘
3.5.5확장형정보필터알고리즘의수학적유도
3.5.6실제활용시고려사항
3.6요약
3.7참고문헌
3.8연습문제

04.비모수필터

4.1히스토그램필터
4.1.1이산형베이즈필터알고리즘
4.1.2연속형스테이트
4.1.3히스토그램근사화기법의수학적유도
4.1.4분해/분리기술
4.2정적스테이트를이용한이진베이즈필터
4.3입자필터
4.3.1기본알고리즘
4.3.2중요도샘플링
4.3.3입자필터의수학적유도
4.3.4입자필터의실제활용시고려사항과특징들
4.4요약
4.5참고문헌
4.6연습문제

05.로봇모션

5.1개요
5.2기본정보
5.2.1키네마틱환경설정
5.2.2확률론적키네마틱스
5.3속도모션모델
5.3.1닫힌형태계산
5.3.2샘플링알고리즘
5.3.3속도모션모델의수학적유도
5.4오도메트리모션모델
5.4.1닫힌형태계산
5.4.2샘플링알고리즘
5.4.3오도메트리모션모델의수학적유도
5.5모션과맵
5.6요약
5.7참고문헌
5.8연습문제

06.로봇인식

6.1개요
6.2맵
6.3레이저범위파인더의빔모델
6.3.1기본측정알고리즘
6.3.2내재된모델파라미터조정
6.3.3빔모델의수학적유도
6.3.4실제활용시고려사항6.3.5빔모델의한계
6.4범위파인더를위한유사가능도필드
6.4.1기초알고리즘
6.4.2확장알고리즘
6.5상관관계기반측정모델
6.6피처기반측정모델
6.6.1피처추출
6.6.2랜드마크측정
6.6.3알려진대응변수를지닌센서모델
6.6.4샘플링포즈
6.6.5추가고려사항
6.7실제활용시고려사항
6.8요약
6.9참고문헌
6.10연습문제

2부.로컬화

07.모바일로봇로컬화:마르코프와가우시안

7.1로컬화문제의분류
7.2마르코프로컬화
7.3그림을통한마르코프로컬화의이해
7.4EKF로컬화
7.4.1상세설명
7.4.2EKF로컬화알고리즘
7.4.3EKF로컬화의수학적유도262
7.4.4알고리즘의실제구현
7.5대응변수추정
7.5.1알려지지않은대응변수를이용한EKF로컬화
7.5.2최대유사가능도데이터연관의수학적유도
7.6다중가설추적
7.7UKF로컬화
7.7.1UKF로컬화의수학적유도
7.7.2상세설명
7.8실제활용시고려사항
7.9요약
7.10참고문헌
7.11연습문제

08.모바일로봇로컬화:그리드와몬테카를로

8.1개요
8.2그리드로컬화
8.2.1기본알고리즘
8.2.2그리드해상도
8.2.3계산상의고려사항
8.2.4상세설명
8.3몬테카를로로컬화
8.3.1상세설명
8.3.2MCL알고리즘
8.3.3구현
8.3.4MCL의속성
8.3.5랜덤입자MCL:실패복구
8.3.6제안분포의수정
8.3.7KLD샘플링:샘플집합크기조정
8.4동적환경에서의로컬화
8.5실제활용시고려사항
8.6요약
8.7참고문헌
8.8연습문제

3부.매핑

09.점유그리드매핑

9.1개요
9.2점유그리드매핑알고리즘
9.2.1멀티센서퓨전
9.3역측정모델학습
9.3.1측정모델의역변환
9.3.2포워드모델에서의샘플링
9.3.3오차함수
9.3.4예제및추가고려사항
9.4최대사후확률점유매핑
9.4.1의존관계가유지되는경우
9.4.2포워드모델을이용한점유그리드매핑
9.5요약
9.6참고문헌
9.7연습문제

10.동시로컬화와매핑

10.1개요
10.2확장형칼만필터를이용한SLAM모델
10.2.1준비작업과가정사항10.2.2알려진대응변수를이용한SLAM모델
10.2.3EKFSLAM의수학적유도
10.3알려지지않은대응변수를이용한EKFSLAM모델
10.3.1일반EKFSLAM알고리즘
10.3.2예제
10.3.3피처선택과맵관리
10.4요약
10.5참고문헌
10.6연습문제

11.GraphSLAM알고리즘

11.1개요
11.2직관적개념설명
11.2.1그래프생성
11.2.2추론
11.3GraphSLAM알고리즘
11.4GraphSLAM의수학적유도
11.4.1전체SLAM사후확률계산
11.4.2음의로그사후확률계산
11.4.3테일러전개
11.4.4정보폼생성
11.4.5정보폼축소
11.4.6경로와맵의복구
11.5GraphSLAM의데이터연관
11.5.1알려지지않은대응변수를이용한GraphSLAM알고리즘
11.5.2대응테스트의수학적유도
11.6효율성을위해고려해야할사항
11.7구현
11.8기타최적화기술
11.9요약
11.10참고문헌
11.11연습문제

12.희소한확장정보필터

12.1개요
12.2직관적개념설명
12.3SEIFSLAM알고리즘
12.4SEIF알고리즘의수학적유도
12.4.1모션업데이트
12.4.2측정업데이트
12.5희소화단계
12.5.1기본아이디어
12.5.2SEIF의희소화
12.5.3희소화작업의수학적유도
12.6어몰타이즈드근사화를통한맵복구
12.7SEIF는얼마나희소한가?
12.8증분형데이터연관
12.8.1증분형데이터연관확률계산
12.8.2실제활용시고려사항.
12.9분기한정알고리즘기반데이터연관
12.9.1재귀적탐색
12.9.2임의적데이터연관확률계산
12.9.3동치제약조건
12.10실제활용시고려사항
12.11다중로봇SLAM
12.11.1맵통합
12.11.2맵통합의수학적유도
12.11.3대응변수생성
12.11.4예제
12.12요약
12.13참고문헌
12.14연습문제

13.FastSLAM알고리즘

13.1기본알고리즘
13.2SLAM사후확률인수분해
13.2.1인수분해된SLAM알고리즘의수학적유도
13.3알려진데이터연관을이용한FastSLAM
13.4제안분포개선방법
13.4.1새로운포즈의샘플링을통한경로사후확률확장방법
13.4.2관찰된피처추정값업데이트
13.4.3중요도인자계산
13.5알려지지않은데이터연관
13.6맵관리
13.7FastSLAM알고리즘
13.8효율적인구현
13.9피처기반맵을위한FastSLAM
13.9.1실험을통한통찰
13.9.2루프클로저
13.10그리드기반FastSLAM
13.10.1알고리즘
13.10.2실험을통한통찰
13.11요약
13.12참고문헌
13.13연습문제

4부.플래닝과제어

14.마르코프결정프로세스(MDP)

14.1모티브
14.2액션선정의불확실성
14.3밸류이터레이션
14.3.1목표와페이오프
14.3.2완전히관찰가능한경우에대해최적의제어정책찾기
14.3.3밸류함수계산
14.4로봇제어애플리케이션
14.5요약
14.6참고문헌
14.7연습문제

15.부분적으로관찰가능한마르코프결정프로세스(POMDP)

15.1모티브
15.2예제를통한설명
15.2.1준비작업
15.2.2제엇값선택
15.2.3센싱
15.2.4예측
15.2.5딥호라이즌과프루닝
15.3유한한월드에서POMDP알고리즘
15.4POMDP의수학적유도
15.4.1빌리프공간에서의밸류이터레이션
15.4.2밸류함수표현
15.4.3밸류함수계산
15.5실제활용시고려사항
15.6요약
15.7참고문헌
15.8연습문제

16.근사화POMDP기술

16.1모티브
16.2QMDP
16.3증강마르코프결정프로세스(AMDP)
16.3.1증강스테이트공간
16.3.2AMDP알고리즘
16.3.3AMDP의수학적유도
16.3.4모바일로봇내비게이션에적용
16.4몬테카를로POMDP
16.4.1입자집합을이용하는방법16.4.2MC-POMDP알고리즘
16.4.3MC-POMDP의수학적유도
16.4.4실제활용시고려사항
16.5요약
16.6참고문헌
16.7연습문제

17.탐사

17.1개요
17.2기본적인탐사알고리즘
17.2.1정보이득
17.2.2그리디기술
17.2.3몬테카를

출판사 서평

★이책에서다루는내용★

확률론적로보틱스는불확실성에도불구하고인식과제어에관심을갖는로보틱스분야에서새롭게성장하는분야다.수학통계분야를기반으로하는확률론적로보틱스는실제상황에서로봇이더욱견고해지게한다.
이책은로보틱스분야의풍부한기술과알고리즘을소개한다.모든알고리즘은하나의포괄적인수학내용을기반으로한다.각장에서는의사코드,상세한수학유도,실무자관점에서의토론,광범위한연습문제,수업프로젝트목록에서의구현사례를제공한다.

★이책의대상독자★

학생,연구원,실무자를대상으로한다.로봇을만드는모든사람이소프트웨어를개발해야한다고생각하므로이책의내용은모든로보틱스학자와도관련이있다.또한응용통계학자및로보틱스분야외의실제센서데이터와관련된사람에게도유용할것이다.다양한기술배경을가진광범위한독자를대상으로,가능한한스스로공부할수있도록집필했다.선형대수와기본확률및통계에관한사전지식이있다면이책을읽는데도움이될것이다.확률의기본법칙에관한입문서를포함했으며전반적으로고급수학기법은가급적사용하지않았다

★지은이의말★

새로운로보틱스분야를포괄적으로소개한다.확률론적로보틱스는인식,제어와관련된로보틱스의하위분야다.이는정보를표현하고의사결정을내리는통계기술에의존한다.이렇게해서대부분의현대로보틱스애플리케이션에서발생하는불확실성을수용한다.최근에는확률론적기술이로보틱스에서알고리즘설계의지배적인패러다임중하나가됐다.이책은로보틱스분야의주요기술에관한포괄적인소개를제공하며알고리즘에중점을두고있다.모든알고리즘은베이즈규칙과베이즈필터라는임시확장을기반으로하며,통합수학프레임워크는확률론적알고리즘의공통점이다.
이책을쓰면서가능한한기술적으로완벽해지려고노력했다.각장에서는하나이상의주요알고리즘을설명하는데,각알고리즘은다음네가지를제공한다.
(1)의사코드의구현예
(2)다양한가정을명시적으로만드는첫번째원칙으로부터완전한수학적유도
(3)책에서제시된알고리즘의이해를돕는경험적결과
(4)실무관점에서각알고리즘의강점과약점설명
수학적유도과정은필요없을경우건너뛰어도괜찮지만꾸준히읽지않으면책내용을소화하기어려울수있다.이책을열심히공부해서이주제를피상적이고비수학적인표현으로전달하는것보다훨씬더깊이있게이해할수있기를바란다.

★옮긴이의말★

2020년현재인공지능,머신러닝,딥러닝은모든분야에서엄청난성과를만들어내고있습니다.불과몇년전만해도딥러닝,머신러닝이컴퓨터비전,이미지분석,자연어처리등에서제한적인결과만얻는수준이었음을생각하면놀라울따름입니다.
한편자율주행차량분야역시도인공지능과딥러닝등을활용하는대표적인분야중하나일것입니다.이런것들에서연상되는인공지능,머신러닝,딥러닝,강화학습등을가장잘적용할수있는분야중하나로로보틱스가있습니다.
로보틱스에서도기존의한계를극복하기위한성과를만들어내고변화무쌍한실제환경에서좀더똑똑하게적응하고자많은양의데이터와고도의수학,통계학,알고리즘기법들이동원되고있습니다.즉,훨씬복잡한환경에서각종상황파악을기반으로최적의액션을선택하게하려면이들을수학적으로모델링하고,논리적으로증명하고,일관성있게동작할수있도록하는알고리즘의개발이필수적입니다.
이책은확률론,통계학,선형대수등다양한수학적지식을기반으로한로보틱스분야의연구성과를풍부하게소개하고있습니다.내용을이해하기다소어려울수도있지만,기본개념을확실히다지고,이를어떻게수학적으로유도하는지연습하고,알고리즘으로어떻게표현하며,실제시뮬레이션결과는어떻게나오는지등을차근차근학습하면좋은결과를얻을수있으리라생각합니다.