진로 동아리 AURIX
최종 결과 보고서
한 달간의 인공지능과 자율주행 기술 탐구 기록
활동 개요
팀워크와 협업 환경 구축
본격적인 프로젝트에 앞서, 효과적인 협업을 위해 GitHub Team Organization을 생성하고 운영하는 방법을 익혔습니다. 멤버별 권한 설정, Git Branch 전략, Pull Request를 통한 코드 리뷰 및 병합 프로세스를 실습하며 협업의 기틀을 다졌습니다.
- GitHub Organization 생성 및 멤버 초대
- Branch 생성 및 Pull Request(PR) 실습
- 멤버 권한 관리 및 브랜치 병합 테스트
- 코드 리뷰 문화 정착
데이터 분석 및 시각화
모델 성능 최적화와 시각적 비교
다양한 데이터셋을 활용하여 모델을 훈련하고, Epoch 변화에 따른 성능 최적화 과정을 탐구했습니다. 특히 Matplotlib 라이브러리를 사용하여 훈련 결과를 다각도로 시각화함으로써, 모델의 성능 변화를 직관적으로 이해하고 개선 방향을 설정하는 능력을 길렀습니다.
> # 데이터 로드 및 전처리
> # 모델 훈련 및 Epoch별 성능 기록
> # 결과 시각화 (손실 함수, 정확도 등)
> print("모든 파일 준비 완료!")
SLAM 시뮬레이션 프로젝트
1. fastSLAMresampling.py
입자 필터 기반 SLAM 리샘플링 시뮬레이션
목적:
Systematic Resampling 기반 입자 필터의 동작 과정을 시각화하여 SLAM의 핵심 개념을 실습합니다.
주요 기능:
- 200개의 입자를 사용한 위치 추정
- Gaussian 노이즈를 적용한 센서 및 모션 모델링
- Systematic Resampling 알고리즘 적용
- 실제 경로, 추정 경로, 입자 분포 시각화
2. fastSLAM.py
개선된 제안 분포 기반 입자 필터
목적:
센서 정보를 고려한 '개선된 제안 분포'를 사용하여 입자 필터의 정확도 향상을 시뮬레이션합니다.
주요 기능:
- 100개의 입자를 사용한 효율적 연산
- 센서 측정치 기반 가중치 계산 (Gaussian likelihood)
- np.random.choice를 이용한 확률 기반 리샘플링
- 단일 스텝에서의 정확도 향상 효과 확인
비선형 시스템의 선형화
선형화.py - 야코비안 행렬 계산
비선형 시스템을 선형 시스템으로 근사하는 것은 EKF(Extended Kalman Filter)와 같은 고급 필터 구현의 핵심입니다. 상태 전이 및 관측 함수에 대한 야코비안 행렬을 수치적으로 계산하는 방법을 구현하고 테스트했습니다.
목적:
비선형 시스템의 선형화를 위해 수치적으로 야코비안(Jacobian) 행렬을 계산하는 예제를 실습합니다.
주요 기능:
- 상태 전이 함수 f(x): 선형 운동 모델
- 관측 함수 h(x): 원점 기준 거리 측정 모델
- 중앙차분 방식을 이용한 수치적 야코비안 계산
- EKF 구현에 필수적인 기법 학습