Day 1(2월 26일(월))
| 시간 | 강좌명 | 강사명 |
| 10:00-11:30 | 강화학습 기초 이론과 심층 강화학습 응용 | 김중헌 교수 |
| 최근 컴퓨팅 기술과 알고리즘이 발전함에 따라, 네트워크 관리, 로봇 제어, 자율주행 등 다양한 분야에서 강화학습을 사용한 기술이 연구되고 있다. 강화학습은 기존의 지도 및 비지도 학습과는 다르게 시간의 흐름에 따라 연속적인 의사결정을 할 수 있으며, 수학적으로 모델링 할 수 없거나 불확실한 요소에 의해 예측할 수 없는 환경 내에서도 적용할 수 있다는 점에 이점이 있어 많은 주목을 받고 있다. 본 강연에서는 강화학습의 기본 원리와 개념을 소개하고 다양한 종류의 심층강화학습 알고리즘이 네트워크 환경에서 어떻게 적용되는지에 대해 살펴본다. | ||
| 11:30-13:00 | 중식 | |
| 13:00-14:30 | ML Agent를 활용한 Unity 환경에서의 강화학습 기초 1 - 설치 및 사용법 | 노지민 연구원 |
| 본 강연에서는 강화학습 알고리즘의 대표적인 시뮬레이터 중 하나인 Unity에 대해 다룬다. Unity 설치 방법과 ML Agent, Python API 사용법을 익히고 Unity 사용법을 익히기 위해 가장 기본적인 예제 프로젝트를 생성하고 3D 환경을 구성, 인터페이스 조작 방법을 익힌다. 추후 진행되는 실습 강의에 대한 적응과 이해를 위해 Unity 활용에 대한 단계적 실습을 목적으로 한다. | ||
| 14:30-14:45 | Break | |
| 14:45-16:15 | ML Agent를 활용한 Unity 환경에서의 강화학습 기초 2 - 기본 예제 실습 | 손석빈 연구원 |
| Unity에서 제공하는 3D-ball, GridWorld, Hallway 등의 기본 예제를 활용하여 강화학습 알고리즘의 학습 과정 및 결과를 시각적으로 확인한다. Agent, Observation, Actions 및 Reward 스크립트를 통해 Unity에서 강화학습 알고리즘의 동작을 이해한다. https://github.com/Unity-Technologies/ml-agents/tree/main/Project/Assets/ML-Agents/Examples/ | ||
| 16:15-16:30 | Break | |
| 16:30-17:30 | ML Agent를 활용한 Unity 환경에서의 강화학습 기초 3 - 응용 예제 실습 | 조예령 연구원 |
| 본 강의에서는 보다 더 심화된 수준의 실습을 진행한다. Unity에서 제공하는 PushBlock, Crawler 등 응용 예제를 활용하여 강화학습 알고리즘의 학습 과정 및 결과를 시각적으로 확인하고 Agent, Observation, Actions 및 Reward 스크립트를 통해 Unity에서 강화학습 알고리즘의 동작을 이해한다. https://github.com/Unity-Technologies/ml-agents/tree/main/Project/Assets/ML-Agents/Examples/ | ||
Day 1(2월 27일(화))
| 시간 | 강좌명 | 강사명 |
| 10:00-11:30 | 강화학습 알고리즘 개요 -DQN, A2C, DDPG | 김중헌 교수 |
| 본 강의에서는 실습해 볼 강화학습 알고리즘에 대한 전반적인 이해도를 높이기 위해 실제 연구에서 많이 활용되는 DQN, DDPG 등 다양한 심층 강화학습 알고리즘에 대해 소개한다. | ||
| 11:30-13:00 | 중식 | |
| 13:00-14:30 | 강화학습 알고리즘 실습 -DQN, A2C, DDPG | 정재현 연구원 |
| 본 강의에서는 실습해 볼 강화학습 알고리즘에 대한 전반적인 이해도를 높이기 위해 실제 연구에서 많이 활용하는 DQN, DDPG 등 다양한 심층 강화학습 알고리즘을 직접 구현하고, 이를 통해 각 알고리즘에 대한 이해도와 활용 능력을 높인다. | ||
| 14:00-14:15 | Break | |
| 14:15-15:15 | ML Agent를 활용한 Unity 환경에서의 강화학습 응용 1 - 직접 작성한 강화학습 알고리즘을 통해 | 이현수 연구원 |
| 본 강의에서는 유니티에서 제공하는 강화학습 알고리즘을 활용하지 않고, 직접 작성한 강화학습 알고리즘을 통해 학습을 진행하는 방법에 대해 알아본다. | ||
| 15:15-15:30 | Break | |
| 15:30-17:00 | ML Agent를 활용한 Unity 환경에서의 강화학습 응용 2 - 드론 환경에서의 학습 진행 | 이현수 연구원 |
| 본 강의에서는 Asset store를 통해 필요한 환경을 Import하고, 해당 환경에서 학습을 수행하는 과정까지 함께 살펴본다. DDPG 알고리즘을 적용하고, 주변 환경에 대한 정보를 습득할 수 있는 센서를 이용해 상태 정보에 추가하는 방법을 다룬다. | ||
| 17:00-17:10 | Break | |
| 17:10-18:00 | ML Agent를 활용한 Unity 환경에서의 강화학습 응용 3 - 다양한 환경에서의 실습 | 김규선 연구원 |
| 보다 다양한 환경을 학습하기 위해, 자율주행 환경 또는 차량 주차 등의 추가적인 응용 예제들을 학습한다. | ||