로보틱스 알고리듬(데이터 과학)

[옮긴이의 말]
로봇이 정형화된 공장에서 벗어나 걷고 뛸 정도로 제어 기술이 고도화됐습니다. 또한 딥러닝의 발전에 힘입어 지능을 갖추고 있으므로 로봇이 우리 생활 전반에 스며들 날이 머지않았다고 생각합니다. 다만 로봇은 전자, 기계, 컴퓨터, 수학 전반에 걸쳐 있는 광범위한 공학이므로 연구실에서도 혼자만의 힘으로 연구를 진행하기가 어렵습니다. 이 책은 로봇의 기본적인 요소부터 시작해 로봇의 기초가 되는 알고리듬을 거쳐 최근 화두가 되고 있는 머신러닝과 인공 신경망에 이르기까지 다양한 주제를 다룹니다. 이론적인 내용뿐 아니라 실제 수행할 수 있는 활동이 곁들여져 있기 때문에 구체적으로 학습할 수 있습니다. 이 책을 통해 독자 여러분이 '로봇을 문화로'라는 목표를 갖고 있는 저와 함께 이 길을 걷는 동료가 된다면 더할 나위 없겠습니다.
2022년 미국 라스베이거스의 소비자 가전 전시회(CES)에서 연구실 로봇의 아바타 기술을 전시하고 돌아오던 중에 공항에서 받았던 에이콘출판사의 번역 제안 메일이 떠오릅니다. 일면식도 없고 번역이 처음인 저를 믿고 맡겨주신 에이콘출판사에 감사의 말씀을 드립니다. 마지막으로, 로봇을 마음껏 연구하도록 지원해주시는 박재흥 교수님과 무조건적인 응원을 해주는 우리 가족, 새로운 시도를 항상 장려하고 도전하게 해주는 채영이에게 고마움을 전합니다.

1장. 로봇과 로봇의 적용 분야
1.1 로봇의 분류
1.2 산업용 로봇
1.3 자율 주행 로봇
1.4 휴머노이드 로봇
1.5 교육용 로봇
1.6 일반 로봇
1.6.1 차동 구동
1.6.2 근접 센서
1.6.3 지면 센서
1.6.4 임베디드 컴퓨터
1.7 알고리듬 형식화
1.8 책의 개요
1.9 요약
1.10 추가 자료
참고 문헌

2장. 센서
2.1 센서의 분류
2.2 거리 센서
2.2.1 초음파 거리 센서
2.2.2 적외선 근접 센서
2.2.3 광학 거리 센서
2.2.4 삼각측량 센서
2.2.5 레이저 스캐너
2.3 카메라
2.4 기타 센서
2.5 센서 범위, 해상도, 정밀도, 정확도
2.6 비선형성
2.6.1 선형 센서
2.6.2 비선형 센서 변환
2.7 요약
2.8 추가 자료
참고 문헌

3장. 반응성 동작
3.1 브라이텐베르크 차량
3.2 물체 감지에 대한 반응
3.3 반응과 회전
3.4 라인 팔로잉
3.4.1 두 개의 지면 센서를 이용한 라인 팔로잉
3.4.2 한 개의 센서만을 이용한 라인 팔로잉
3.4.3 그라데이션 없는 라인 팔로잉
3.5 브라이텐베르크 차량
3.6 요약
3.7 추가 자료
참고 문헌

4장. 유한 상태 기계
4.1 상태 기계
4.2 상태를 이용한 반응성 동작
4.3 탐색과 접근
4.4 유한 상태 기계 구현
4.5 요약
4.6 추가 자료
참고 문헌

5장. 로봇 모션과 주행기록계
5.1 거리, 속도, 시간
5.2 속도 변화로 인한 가속도
5.3 분할된 선분에서 연속적인 모션으로의 변환
5.4 주행기록계를 이용한 내비게이션
5.5 직선에서의 주행기록계
5.6 회전할 때의 주행기록계
5.7 주행기록계 오차
5.8 휠 엔코더
5.9 관성 내비게이션 시스템
5.9.1 가속도계
5.9.2 자이로스코프
5.9.3 적용 사례
5.10 자유도와 구동기의 수
5.11 구동기의 수와 자유도의 상대적 차이
5.12 홀로노믹과 비홀로노믹
5.13 요약
5.14 추가 자료
참고 문헌

6장. 제어
6.1 제어 모델
6.1.1 개루프 제어
6.1.2 폐루프 제어
6.1.3 제어 알고리듬 주기
6.2 온-오프 제어
6.3 비례 제어기
6.4 비례-적분 제어기
6.5 비례-적분-미분 제어기
6.6 요약
6.7 추가 자료
참고 문헌

7장. 로컬 내비게이션: 장애물 회피
7.1 장애물 회피
7.1.1 벽 따라가기
7.1.2 방향을 알고 벽 따라가기
7.1.3 프레지 알고리듬
7.2 코드 표시를 읽으며 라인 팔로잉
7.3 먹이를 찾는 개미 군집
7.4 개미 움직임의 확률론적 모델
7.5 경로 찾기 알고리듬의 유한 상태 기계
7.6 요약
7.7 추가 자료
참고 문헌

8장. 로컬화
8.1 랜드마크
8.2 위치가 알려진 물체로 위치 구하기
8.2.1 각도와 거리를 이용해 위치 구하기
8.2.2 삼각측량법을 이용해 위치 구하기
8.3 GPS
8.4 확률론적 로컬화
8.4.1 확실성을 늘리는 센싱
8.4.2 센서 불확실성
8.5 움직임의 불확실성
8.6 요약
8.7 추가 자료
참고 문헌

9장. 매핑
9.1 이산 지도와 연속 지도
9.2 격자 지도 셀의 정보
9.3 경계 알고리듬으로 탐색하며 지도 만들기
9.3.1 점유 확률을 나타낸 격자 지도
9.3.2 경계 알고리듬
9.3.3 경계 알고리듬에서의 우선순위
9.4 환경 정보를 이용한 지도 제작
9.5 슬램 알고리듬의 예시
9.6 슬램 알고리듬 적용하기
9.7 슬램 알고리듬 형식화
9.8 요약
9.9 추가 자료
참고 문헌

10장. 지도를 이용한 내비게이션
10.1 격자 지도에서의 데이크스트라 알고리듬
10.1.1 비용이 일정한 경우의 데이크스트라 알고리듬
10.1.2 비용이 다양한 경우의 데이크스트라 알고리듬
10.2 연속 지도에서의 데이크스트라 알고리듬
10.3 A* 알고리듬을 이용한 경로 계획
10.4 경로 추종과 장애물 회피
10.5 요약
10.6 추가 자료
참고 문헌

11장. 퍼지 논리 제어
11.1 퍼지화
11.2 규칙 적용
11.3 역퍼지화
11.4 요약
11.5 추가 자료
참고 문헌

12장. 이미지 처리
12.1 이미지 획득
12.2 디지털 이미지 처리 개요
12.3 이미지 향상
12.3.1 공간 필터
12.3.2 히스토그램 조작
12.4 윤곽선 검출
12.5 모서리 검출
12.6 얼룩 검출
12.7 요약
12.8 추가 자료
참고 문헌

13장. 인공 신경망
13.1 생물학적 신경계
13.2 인공 신경망
13.3 인공 신경망으로 브라이텐베르크 차량 구현하기
13.4 인공 신경망 구조
13.4.1 다층 구조
13.4.2 메모리
13.4.3 공간 필터
13.5 학습
13.5.1 학습 알고리듬의 분류
13.5.2 헤비안 규칙을 이용한 인공 신경망 학습
13.6 요약
13.7 추가 자료
참고 문헌

14장. 머신러닝
14.1 두 가지 색 분류하기
14.1.1 평균을 이용한 판별 기준
14.1.2 평균과 분산을 이용한 판별 기준
14.1.3 색 구별 학습 알고리듬
14.2 선형 판별 분석
14.2.1 선형 판별 분석을 사용하는 이유
14.2.2 선형 판별 기준
14.2.3 선형 판별을 위한 점 정하기
14.2.4 기울기 구하기
14.2.5 선형 판별 예시
14.2.6 판별 기준의 성능 비교하기
14.2.7 선형 판별 분석을 이용한 활동
14.3 선형 판별의 일반화
14.4 퍼셉트론
14.4.1 기울기 감지
14.4.2 퍼셉트론을 이용한 분류
14.4.3 퍼셉트론 학습
14.4.4 예제
14.4.5 퍼셉트론 매개변수 조절
14.5 요약
14.6 추가 자료
참고 문헌

15장. 군집 로봇
151 로봇 협업 구현 방법
15.2.1 직접적 통신
15.2.2 간접적 통신
15.2.3 벌 군집 알고리듬
15.2.4 ASSISIbf 프로젝트에서의 벌 군집 알고리듬
15.3 물리적 상호 작용을 통한 군집 로봇
15.3.1 물리적인 작업 협업
15.3.2 여러 로봇의 힘 합치기
15.3.3 가림 기반 집단 밀기
15.4 요약
15.5 추가 자료
참고 문헌

16장. 로봇 팔의 기구학
16.1 정기구학
16.2 역기구학
16.3 회전
16.3.1 벡터 회전
16.3.2 좌표계 회전
16.3.3 한 좌표계의 벡터를 다른 좌표계로 변환하기
16.4 좌표계 회전과 평행이동
16.5 3차원 회전 맛보기
16.5.1 세 축을 중심으로 하는 회전
16.5.2 오른손 법칙
16.5.3 3차원 회전 행렬
16.5.4 여러 번의 회전
16.5.5 오일러 각
16.5.6 서로 다른 오일러 각 회전의 경우의 수
16.6 3차원 변환에서의 심화 주제
16.7 요약
16.8 추가 자료
참고 문헌

부록 A. 측정 단위
부록 B. 수식 유도와 튜토리얼
B.1 조건부 확률과 베이즈 정리
B.2 정규화
B.3 평균과 분산
B.4 공분산
B.5 벡터와 행렬의 곱
B.6 삼각형 하단 사다리꼴의 면적
B.7 cos 15°를 수학적으로 구하기

모르데하이 벤 아리 Mordechai Ben-Ari
바이츠만 과학 연구소의 과학교육과에 재직 중이며 『Mathematical Logic for Computer Science』(Springer, 2021)를 비롯한 여러 교재를 저술했다. ACM(Association for Computing Machinery)에서 우수 교육자(Distinguished Educator)로 선정됐으며, 컴퓨터공학 교육에 크게 기여한 공로로 ACM/SIGCSE 상을 수상했다.