강의자료 · 전기공학을 위한 강화학습

전기공학을 위한 강화학습

대학원 · 시험 없이 설계과제로 평가

  1. 1주

    과목 안내와 실험 환경 준비

    CPU 기본 경로·공개 환경·실험 기록

  2. 2주

    공개 환경과 MDP·보상 설계

    관측·행동·종료와 Random·Rule 기준 정책

    이어서 할 실습
    Reinforcement Learning 소개
  3. 3주

    Value-Based Reinforcement Learning

    Transition에서 Target·갱신을 계산하고 정책 비교

  4. 4주

    DQN과 공개 구현

    함수 근사·Replay와 동일 환경 비교

  5. 5주

    DQN Variants와 Replay Buffer Sampling

    Double·Dueling·PER의 역할과 방문 범위

  6. 6주

    Policy Gradient와 Actor–Critic

    Return·Baseline과 기준 제어

  7. 7주

    PPO와 공개 Benchmark

    평가군·학습 예산을 맞춘 비교 / 설계주제 안내

    참고 실습PPO와 공개 Benchmark
  8. 8주

    SAC·연속 제어와 설계주제 확정

    자유주제 또는 분야 내 자유주제의 문제·Baseline·평가계획 확정

    참고 실습SAC와 연속 제어
  9. 9주

    Sim-to-Real: Model Uncertainty와 Action Delay

    입력 지연·모델 변화에 대한 평가

  10. 10주

    Isaac Lab과 Robot Simulation

    Isaac Lab 경로 또는 CPU Transition 분석

  11. 11주

    Robot Dataset 분석과 VLA 입출력

    Episode 단위 분리·입출력·기준 모델

  12. 12주

    Robot Dataset 분석과 VLA 입출력

    교과 진도 마무리 / 데이터·비교군·평가 지표 점검

    참고 실습Sim-to-Real: Model Uncertainty와 Action Delay · Isaac Lab과 Robot Simulation · Robot Dataset 분석과 VLA 입출력
  13. 13주

    Sim-to-Real: Model Uncertainty와 Action Delay

    선택한 공개 환경·데이터에서 Baseline과 재현 기록

    참고 실습SAC와 연속 제어 · Sim-to-Real: Model Uncertainty와 Action Delay
  14. 14주

    Robot Dataset 분석과 VLA 입출력

    한 가지 개선의 효과와 한계 검증

    참고 실습Sim-to-Real: Model Uncertainty와 Action Delay · Robot Dataset 분석과 VLA 입출력
  15. 15주

    설계과제: 결과 발표·정리

    실행 가능한 코드·결과·기여와 한계 정리