전체 글 (85) 썸네일형 리스트형 (Optics) Photocuring 광경화의 메커니즘에 대해 알아보자. 왜 '열'도 아닌, '빛'을 쐬어줬는데 경화가 되는가? 어째서 liquid resin이 crosslinked solid polymer가 되는가? 빛은 파동이며 입자이다.빛은 굴절, 반사, 간섭 등 파동으로서의 성질을 가진다. 동시에 광전효과를 통해 입자성도 가지는것으로 확인된다. 양자역학에선 이를 빛의 이중성이라 표현한다(고 한다.) 이때 빛의 입자단위를 photon(광자)라 하는데 개별 photon은 에너지 E를 갖는다. Photoinitiator는 Photon Energy를 흡수한다.광경화의 두번째 스텝이다. Monomer에 첨가된 Photoinitiator가 photon의 Energy를 흡수해 Excited state가 된다. (이때 PI는 아무 빛 에너지나 다 .. (Optics) Fourier slice theorem VAM의 투영 영상을 생성하는 원리를 공부해보자.. DLP처럼 One-shot으로 curing되는게 아니기때문에 단면 이미지 생성 난이도가 높다. 푸리에 슬라이스 정리의 내용은 아래와같다.- 2D 이미지를 라돈 변환 등 1D로 변환한 후 푸리에 변환을 한것은 그냥 바로 2D 푸리에 변환을 한 것과 같다. 위 그림과 같이 2D image data가 있다고 해보자. f(x,y) 형태이며, 각 pixel의 (x,y) Grayscale값이라 생각하면 되겠다. 이제 이 원 image를 x축에 수직인 방향으로 투영한다고 생각해보자 투영한 1D transform model을 위와같이 나타낼 수 있다. 의미를 생각해보면 단일 적분식은 '빨간 화살표 한 줄'을 의미한다. 이때 적분변수는 y이므로 y가 소거되고 x가 .. 26년 상반기 회고록.... 이것은 지난 1년을 돌아보는 나의 회고록... 이제 대학원에서 1년을 보냈고 2년차로 접어들었다. 시간이 너무빨리가서 마음이 초조하다.구영리 청학동 칼국수에서 먹었던 만두인데 빛깔이 너무 영롱해서 올려봄.. 암튼 나는 아직도 고민중이다.. 대학원 지원할때 '일단 석사 해보고 고민해라'라는 선배들의 조언을 뒤로하고 호기롭게 통합 지원을 해버린 내 어리석음! 아아! 요즘은 AI쪽은 거의 손떼고 프린팅 실험 위주로 하고있는데 나쁘지않다. 기계공학 전공자스럽게 길을 잡은것같아 다행이다. 삼산 근처 횟집.. 랩 선배와 구영리나가서 밥먹는다는걸 버스 잘못타서 삼산까지 나와서 먹게됐다. 참고로 왼쪽과 가운데/오른쪽은 같은식당이지만 다른날이다. 랩선배와 간게 가장 왼쪽이고 친한 형과 올해 초에간게 가운데/오른쪽 짤이.. [RL] Monte Carlo Prediction 지난 글에서 정리한내용 : 강화학습 모델은 'Expected discounted reward' 혹은 'Expected Return'을 maximize한다. 그러나 State S의 Return값은 매 Episode마다 달라지기에 이를 정제한(?) value function을 사용한다. 그렇다면 실제 모델이 학습할때 value function을 계산하는 방법을 알아보자. 우리는 모델에게 Environment에 대한 정보를 주지않는다. 그러므로 Transition probability, Reward에 대한 정보를 모델은 알 수 없다. (만약에 Env model을 안다면 그냥 Bellman Eq에 넣고 계산하면 끝이다.) 그렇다면 실제 모델은 Value function을 어떻게 계산할까? → Monte Carl.. [RL] Value Function 강화학습 모델은 'Expected sum of discounted reward'를 maximize 하는것을 목표로 한다. 이때 'sum of discounted reward'는 Return을 의미한다. Return Gt를 maximize하는 policy를 찾아가는것임..그러나 실제 Actor는 stochastic하게 행동한다. 즉, 같은 state를 거쳐가더라도 return값이 매 episode마다 달라질수있다.이후에 어떤 경로를 거치느냐, 그래서 최종적으로 Goal에 들어갔냐 실패했냐에 따라 state S의 Return값은 매번 다르다. 그러므로 모델학습 관점에서 '이 State가 평균적으로 얼만큼 좋은가?'를 따져봐야한다. 그것이 바로 Value Function이다. State value funct.. [RL] Markov Decision Process (MDP) 강화학습은 문제를 MDP로 정식화해 학습한다. Markov ChainMarkov Chain은 여러 state를 잇는 Chain중 위의 성질을 만족하는 Chain이다. 말로 풀면, state i는 state i-1의 영향만을 받는다는것이다. 이미 state i-1에 그 이전 과거 정보가 모두 반영되어있다고 생각한다. 예를들면, 로보틱스에서 pose를 잡을때, 그 직전 time step에서의 pose만 중요하지, 5분,10분전 pose는 지금의 pose를 결정하는데 영향을 미치지 않는다.이러한 성질을 'Markovian'이라고 한다. Markov Chain은 Markovian을 만족하는 Chain이다. Markov Decision ProcessAgent가 State i에서 Action을 선택하면 Sta.. DLP(Digital Light Processing) DLP는 layer-by-layer 방식이나 한 layer을 한번에 제조한다는점에서 기존 Extrusion-based method에 비해 출력속도가 빠르다. DLP는 출력 방향에 따라 크게 두가지 방식으로 분류되는데 bottom-up, top-down방식이 있다. Top down은 출력형상 전체가 잠길정도의 Resin이 필요한반면 Bottom-up은 출력이 진행됨에 따라 형상이 Resin 밖으로 나올수있다. 즉, 같은 형상을 출력하더라도 Top-down방식에서 더 많은양의 Resin이 필요하다.Bottom-up은 매 층 출력마다 VAT의 바닥면에 부착된 파트를 떼어내야한다. 그러므로 매층 출력시 suction force가 크게 발생하고 출력물의 강성이 약할경우 파단이 발생할수있다. DLP 메커니즘을 간략.. (Robotics) Sparse Reward vs Dense Reward How to shaping reward for robotic pick and place task? pick and place task를 학습할때 표준 Reward Function은 물체~ee거리 + 물체 ~ goal거리 + grasp과 success에 대한 bonus 부여 의 형태이며, 이 element를 base로, shaping을 한다. Reinforcement based - pick and place task을 학습하며 개인적으로 중요하다고 느꼈던것을 정리해봄.. 아직 RL은 그냥 기존모델 닦아서 쓰는 수준이므로 통찰이 매우 좁고 얕을수 있음에 미리 양해를구한다.. 1. Scenario을 오래 반복할수록 (학습시간이 길수록) 수렴성은 보장된다? → X for Dense, △ for Sparse Ha.. 이전 1 2 3 4 ··· 11 다음
