-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathCS 285 Lecture 2, Part 3.ko.srt
156 lines (121 loc) · 4.14 KB
/
CS 285 Lecture 2, Part 3.ko.srt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
1
00:00:01,325 --> 00:00:03,746
이번 강의의 다음 파트에서는
2
00:00:03,787 --> 00:00:13,443
모방 학습에 관한 짧은 사례연구를 보여드릴 건데요, 영리한 방법으로 실제로 로보틱스 분야에 사용된 논문입니다.
3
00:00:14,740 --> 00:00:15,743
이 논문 이름은
4
00:00:15,767 --> 00:00:17,638
산길 환경에서 로봇의 시각 인지를 위한 머신 러닝 접근
(machine learning approach to visual Perception of
5
00:00:17,662 --> 00:00:20,471
Forest Trails for mobile robots) 입니다.
6
00:00:20,831 --> 00:00:25,314
이 논문에서의 목적은 드론(quadrotor)이
숲을 가로질러 나는 것입니다.
7
00:00:25,434 --> 00:00:28,981
비디오를 다시 돌려봅시다.
8
00:00:30,839 --> 00:00:35,113
여기엔 드론이 숲을 날아다니고 있는 예시를 볼 수 있습니다.
9
00:00:35,367 --> 00:00:39,127
그리고 논문의 목적은 모방학습과 알고리즘을 이용해
드론을 학습시키는 것입니다.
10
00:00:39,350 --> 00:00:43,715
어떻게 보면, 이전에 보여줬던 자율주행 논문과
유사해보입니다.
11
00:00:44,596 --> 00:00:47,604
여기에는 극복해야할 과제가 있는데요,
12
00:00:48,231 --> 00:00:51,219
시스템을 학습시키기 위해
실제 데이터를 수집할 수 있어야 합니다.
13
00:00:51,410 --> 00:00:59,966
그리고 안정성 이슈를 바로 잡을 필요가 있습니다. 왜냐하면
분포 이동으로 인해 복합적인 오류가 발생하기 때문입니다.
14
00:01:00,049 --> 00:01:05,873
그리고 이 문제를 다루는 데에는
원칙적 접근으로 다루는 게 필요할 수도 있고,
15
00:01:05,898 --> 00:01:08,564
아니면 실제로 경험적
접근을 통해 다뤄야할 수도 있습니다.
16
00:01:10,695 --> 00:01:18,695
지금 논문에서 다뤄보려는 문제는 분류 문제이기 때문에,
왼쪽, 오른쪽, 직진과 같은 이산적 행동을 가져야 합니다.
17
00:01:18,757 --> 00:01:24,024
그리고 어떻게 이 문제를 해결했는지 말하자면,
3가지 분류를 3가지 정답값을 주어 해결했습니다.
18
00:01:26,457 --> 00:01:28,520
그럼 데이터는 어디서 왔을까요?
19
00:01:28,710 --> 00:01:31,022
음... 드론이 매우 오랫동안 날아서?
20
00:01:31,102 --> 00:01:33,574
이건 조금 이상합니다.
왜냐하면 배터리가 방전되기 때문이죠.
21
00:01:33,658 --> 00:01:38,741
그래서 논문에서는 사람이 직접 데이터를 수집하려고 해보았고,
22
00:01:38,991 --> 00:01:47,003
딥러닝 분류기를 학습시키기 위해
사람이 직접 돌아다니면서 데이터를 수집했습니다.
23
00:01:47,089 --> 00:01:52,283
이 분류기는 많은 레이어와 가중치 등
멋진 것들을 가지고 있는 딥러닝 분류기입니다.
24
00:01:53,992 --> 00:01:55,405
그렇다면 어떻게 될까요?
25
00:01:55,875 --> 00:02:05,144
(영상 시청)
26
00:02:06,176 --> 00:02:11,368
위 그림을 보면서 여러분 중 많은 사람들이 이 시점에서 무슨 일이 일어나고 있는지 추측할 수 있을 겁니다.
27
00:02:11,607 --> 00:02:13,474
왜 카메라가 3대나 있을까요??
28
00:02:13,990 --> 00:02:18,967
이 시점에서는 자율주행 논문과 비슷한 생각을 추측해볼 수 있을것 같습니다.
29
00:02:19,128 --> 00:02:25,834
왼쪽은 처음에 오른쪽으로 분류되고, 오른쪽 이미지는 왼쪽, 전방 이미지는 직선으로 분류될 것입니다.
30
00:02:25,929 --> 00:02:32,138
여러분은 스위스 시골길을 산책할 수 있고,
이 것을 이용해서 드론을 훈련시킬 수 있습니다.
31
00:02:33,080 --> 00:02:37,639
앞으로 빠르게 나아가면서 실제로 무엇을 하는지
볼 수 있습니다.
32
00:02:37,710 --> 00:02:42,341
아래를 보면 분류기가 좌우에 대한 확률을 보여주는 것을 볼 수 있습니다.
33
00:02:42,579 --> 00:02:44,296
위 영상은 사람이 얻는 데이터를 보여줍니다.
34
00:02:45,672 --> 00:02:47,352
이건 드론이 얻는 데이터입니다.
35
00:02:54,989 --> 00:03:00,539
지금까지 모방학습에 대한 사례 연구를
빠르게 보여드렸습니다.