피지컬 AI로 배우는 4족 로봇 자율보행과 AI

전체 목차

프롤로그와 이 책의 사용법, 시작하기를 거쳐 5개 PART·25개 CHAPTER로 이어집니다. 출간 전 목차이므로 일부 표현이 바뀔 수 있습니다.

시작 전

PART 1 · EXPERIENCE

장애물을 보고 행동을 고르는 첫 실행

CHAPTER 01. 자율 주행 모드 첫 실행
1.1 QUAD-02 실습용 완성 로봇 불러오기
1.2 센서·로봇 상태·걸음 패턴 확인하기
1.3 목표점까지 처음 스스로 걷게 하기
CHAPTER 02. 장애물을 본 순간 멈추게 하기 (DistanceSensor)
2.1 거리가 바뀌는 모습과 감지 시점 보기
2.2 전진 중 장애물을 만나 OBSTACLE 상태로 바꾸기
2.3 멈춘 거리와 충돌 여부 기록하기
CHAPTER 03. 로봇은 어느 쪽으로 피해야 할까 (행동 선택)
3.1 좌우 센서값 비교하기
3.2 TURN_LEFT·TURN_RIGHT 동작 고르기
3.3 피한 뒤 다시 목표 방향 확인하기
CHAPTER 04. 넘어진 순간을 로봇은 어떻게 알까 (IMU)
4.1 일어서기·걷기·회전 때 IMU 값 보기
4.2 기울기와 로봇 상태 연결하기
4.3 넘어짐이 시작되는 신호 찾기
CHAPTER 05. 첫 자율보행 미션
5.1 걷기·감지·회피·다시 걷기 연결하기
5.2 상태와 동작을 실행 기록에 남기기
5.3 성공·충돌·복구를 처음 기록하기

PART 2 · UNDERSTAND

센서값이 판단과 행동이 되는 구조

CHAPTER 06. 센서 데이터에서 로봇 상태로
6.1 센서값을 그대로 읽기
6.2 판단 기준값으로 의미 있는 상태 만들기
6.3 같은 값도 상황에 따라 다르게 읽기
CHAPTER 07. 앞 권의 보행 기능 이어 쓰기
7.1 현재 걸음 패턴과 핵심 조절 값 읽기
7.2 walk()·turn()·stop()의 역할
7.3 관절 계산을 반복하지 않고 보행 동작 연결하기
CHAPTER 08. 로봇 상태를 설계하기
8.1 쉬고·준비하고·전진하는 상태 만들기
8.2 장애물·회피·회전 상태 만들기
8.3 복구하고 다시 시작하는 상태 만들기
CHAPTER 09. 로봇에게 판단하는 법 가르치기 (State Machine)
9.1 상태 전환 조건(Guard) 정하기
9.2 한 동작이 끝난 뒤 다음 상태 고르기
9.3 같은 상태에 갇히지 않게 하기
CHAPTER 10. 센서 흐름을 읽는 반복 제어
10.1 센서값을 읽는 간격 정하기
10.2 필터·상태 갱신·동작 반복 연결하기
10.3 반복을 끝내는 조건과 제한 시간 정하기

PART 3 · CONTROL

규칙으로 자율 행동 만들기

CHAPTER 11. 장애물을 알아보는 거리 기준 바꾸기
11.1 가까움·기준·멀음 기준값 정하기
11.2 늦게 멈추는 경우와 너무 일찍 멈추는 경우 보기
11.3 기준값이 상태 전환을 바꾸는 모습 보기
CHAPTER 12. 좌우 거리로 회피 방향 정하기
12.1 왼쪽·오른쪽 거리를 비교하기
12.2 거리가 같을 때 기본 방향 정하기
12.3 좁은 길에서 피하는 규칙 만들기
CHAPTER 13. 피하고 다시 걷는 동작 순서 만들기
13.1 멈추고·돌고·한 걸음 움직이기
13.2 남은 장애물 여부 판단
13.3 다시 걷기 전 안전 조건 점검
CHAPTER 14. 길을 잃거나 넘어지면 다시 시작하게 하기 (복구)
14.1 멈춤·넘어짐 후보·반복 충돌 찾기
14.2 안전하게 멈추고 복구 자세 만들기
14.3 다시 시도·다시 걷기·중단 중 고르기
CHAPTER 15. 규칙 기반 자율보행 완성하기
15.1 전체 상태 전환표 그리기
15.2 행동 선택과 보행 동작 연결하기
15.3 규칙 기반 비교 기준 실행하기

PART 4 · EXPERIMENT

로봇이 시행착오로 길을 배우게 하기

CHAPTER 16. 사람이 정한 규칙의 결과 먼저 보기
16.1 같은 장애물과 시작 자세 고정하기
16.2 성공률·충돌·미션 시간 기록하기
16.3 규칙이 잘하는 일과 못하는 일 찾기
CHAPTER 17. 로봇이 시행착오로 길을 배우는 한 번의 시도 (Q-Learning)
17.1 로봇이 볼 상태 정하기
17.2 로봇이 고를 수 있는 동작 정하기
17.3 한 번의 학습 시도(Episode) 시작과 끝 정하기
CHAPTER 18. 좋은 선택에는 왜 보상을 줄까 (Reward)
18.1 목표점·충돌·걸음에 줄 보상 점수 정하기
18.2 성공·실패·제한 시간 종료 정하기
18.3 같은 조건으로 환경을 처음 상태로 되돌리기
CHAPTER 19. 배우는 동안과 평가할 때 나누기
19.1 새로운 길을 시험하는 비율 정하기
19.2 학습률과 할인율이 하는 일 보기
19.3 학습 뒤 행동 선택 기준을 고정하기
CHAPTER 20. 로봇이 배운 길은 정말 더 나아졌을까 (규칙·Q-Learning)
20.1 학습 때와 다른 평가 실행 준비하기
20.2 성공률·충돌·복구·걸음 수 비교하기
20.3 좋아진 결과·나빠진 결과·판단하기 어려운 결과 나누기

PART 5 · PROJECT

AI 자율 4족 프로젝트

CHAPTER 21. 복합 장애물과 검증 기준 정하기
21.1 장애물 위치와 로봇 시작 자세 고정하기
21.2 두 방법에 공통으로 쓸 비교 지표 정하기
21.3 반복 횟수와 성공 기준 정하기
CHAPTER 22. 규칙 기반 자율행동 반복 검증
22.1 규칙 기반 행동 선택 기준 실행하기
22.2 대표 실패와 복구 과정 기록하기
22.3 규칙 기반 결과표 완성하기
CHAPTER 23. Q-Learning 학습 과정 보기
23.1 여러 Episode를 반복하며 값 바뀌는 모습 보기
23.2 보상 점수·탐색·실행 기록 남기기
23.3 학습을 끝낼 기준 정하기
CHAPTER 24. 학습 후 행동 선택 기준 평가하기
24.1 학습할 때와 다른 환경에서 실행하기
24.2 규칙 기반 결과와 같은 조건에서 비교하기
24.3 개선·악화·불확실 결과 구분하기
CHAPTER 25. AI 자율보행 최종 미션
25.1 목표점까지 독립 자율보행 실행하기
25.2 충돌·제한 시간·복구 확인하기
25.3 규칙과 학습 결과를 최종 보고서로 비교하기

에필로그

부록