Seunghwan Byun

Curriculum

공부할 주제 목록

내용은 비워두고, 앞으로 하나씩 채워갈 글 목록만 정리합니다. 완전히 이해한 글만 Research 또는 Posts에 연결합니다.

Math Foundations

  • 왜 로보틱스에서 선형대수가 중요한가
  • Vector, Matrix, Basis 정리
  • Rank, Inverse, Eigenvalue, Eigenvector
  • SVD를 왜 쓰는가
  • Least Squares는 무엇을 최소화하는가
  • Derivative, Partial Derivative, Gradient
  • Jacobian은 왜 SLAM에서 계속 나오는가
  • Taylor Expansion과 Linearization
  • Gaussian Distribution과 Covariance
  • Bayes Rule을 State Estimation 관점에서 이해하기
  • Maximum Likelihood와 MAP Estimation
  • Gradient Descent, Newton Method, Gauss-Newton
  • Levenberg-Marquardt와 Nonlinear Least Squares

Programming / Implementation

  • NumPy로 2D Rotation 구현하기
  • Matplotlib으로 Trajectory 시각화하기
  • OpenCV Feature Matching 첫 실습
  • C Pointer를 로보틱스 예제로 이해하기
  • Compile, Link, Build System 기초
  • Debugging과 Visualization으로 실험 확인하기
  • Unit Test를 작은 수학 함수에 적용하기
  • Profiling으로 병목 찾기
  • ROS Topic과 Message는 무엇인가
  • ROS TF와 Coordinate Transform

Computer Systems

  • Process와 Thread의 차이
  • Context Switching은 왜 비용이 드는가
  • pthread로 Race Condition 확인하기
  • Mutex와 Semaphore의 차이
  • Deadlock은 어떻게 생기는가
  • Stack, Heap, Data, Text 메모리 구조
  • Virtual Memory와 Page
  • Cache Locality가 성능에 미치는 영향
  • System Call은 왜 필요한가
  • User Mode와 Kernel Mode
  • Scheduler와 Interrupt 기초
  • 로봇 제어에서 Real-time이 중요한 이유

Robotics Fundamentals

  • Rigid Body의 Pose란 무엇인가
  • World Frame, Body Frame, Camera Frame
  • 2D Rotation Matrix를 직접 유도하기
  • 3D Rotation Matrix와 Euler Angle
  • Quaternion은 왜 필요한가
  • Homogeneous Transformation은 왜 필요한가
  • Forward Kinematics와 Inverse Kinematics
  • Robot Jacobian의 의미
  • Differential Drive Robot Kinematics
  • Unicycle Model과 Non-holonomic Constraint

Vehicle / Drone Dynamics

  • Ackermann Steering과 Bicycle Model
  • Bicycle Model을 왜 쓰는가
  • Vehicle Yaw Rate 직관적으로 이해하기
  • Turning Radius와 Steering Angle
  • Tire Model과 Slip Angle
  • Longitudinal Dynamics와 Lateral Dynamics
  • Quadrotor의 좌표계와 상태 변수
  • Roll, Pitch, Yaw와 Angular Velocity
  • Thrust와 Torque
  • Drone Dynamics를 읽기 위한 기본 식

State Estimation

  • Kalman Filter 이해 정리
  • Kalman Filter에서 Factor Graph까지
  • Kalman Filter를 왜 쓰는가
  • State, Measurement, Prediction, Correction
  • 1D Kalman Filter를 Python으로 구현하기
  • Matrix Form Kalman Filter
  • Process Noise와 Measurement Noise의 차이
  • EKF는 왜 Jacobian이 필요한가
  • UKF의 직관
  • Particle Filter의 직관
  • IMU와 Wheel Encoder Sensor Fusion

Radar / Maritime AI

  • 해상 레이더 Blind Area와 Pulse/FMCW/LiDAR 개념 정리
  • Radar PPI Sequence와 JEPA 기반 Sea Clutter 탐지 계획
  • 해상 레이더 PPI와 RPM 개념 정리
  • Pulse Width, PRF, Range Resolution, Blind Zone
  • FMCW와 Pulse Compression Radar 비교
  • Polar Coordinate Radar Image 전처리
  • Sea Clutter, Target, Land Clutter, Noise 문제 정의
  • Radar PPI Sequence Sliding Window Dataset 만들기
  • Radar Sequence에서 Ego-motion Compensation이 필요한 경우
  • I-JEPA / V-JEPA 구조 정리
  • Spatio-temporal Block Masking 설계
  • Radar SSL Pretraining 후 Linear Probe 실험
  • Sea Clutter Classification vs Segmentation 비교

Control

  • Feedback Control이란 무엇인가
  • Open-loop와 Closed-loop
  • PID Controller를 직접 구현하기
  • Overshoot와 Steady-state Error
  • Pure Pursuit Path Tracking 정리
  • Stanley Controller 개념 정리
  • LQR 기초
  • Drone Altitude Control에 PID 적용하기
  • Cascade Control의 의미

Perception

  • LiDAR 3D Object Detection 파이프라인 이해하기
  • 카메라 모델 정리
  • Intrinsic Matrix는 무엇을 의미하는가
  • Extrinsic Matrix와 Camera Pose
  • Camera Calibration과 Distortion
  • OpenCV로 Feature Matching 해보기
  • Optical Flow는 무엇을 추정하는가
  • Stereo Vision과 Depth Estimation
  • Object Detection 기초
  • Segmentation 기초
  • Camera, LiDAR, Radar, IMU Sensor Fusion

Tracking

  • Multi Object Tracking의 기본 문제 정의
  • Detection과 Tracking의 차이
  • ID Switch와 Occlusion
  • Data Association은 왜 어려운가
  • Hungarian Algorithm 직관 정리
  • SORT 논문 리뷰
  • DeepSORT는 SORT에서 무엇을 추가했는가
  • ByteTrack과 OC-SORT
  • MOTA, MOTP, IDF1, HOTA

SLAM

  • Kalman Filter에서 Factor Graph까지
  • Visual Odometry는 SLAM과 뭐가 다른가
  • Odometry, Localization, Mapping
  • Essential Matrix로 Relative Pose 추정하기
  • Triangulation은 무엇을 복원하는가
  • Bundle Adjustment의 역할
  • Pose Graph Optimization 개념 정리
  • Factor Graph는 무엇인가
  • Loop Closure는 왜 중요한가
  • ORB-SLAM 구조 뜯어보기
  • VIO와 IMU Preintegration 기초

Spatial AI / 3D Representation

  • Point Cloud, Mesh, Voxel의 차이
  • Occupancy Grid Map은 무엇인가
  • Semantic Map과 Object-centric Map
  • 3D Scene Graph 기초
  • NeRF를 SLAM 관점에서 이해하기
  • Gaussian Splatting은 왜 빠른가
  • Implicit Representation과 Neural Map
  • Spatial AI란 무엇인가
  • Embodied Spatial Reasoning

Deep Learning / Transformer

  • Backpropagation을 내 말로 설명하기
  • MLP, Loss, Optimizer 기초
  • CNN의 Convolution은 무엇을 보는가
  • Receptive Field와 Feature Map
  • Transformer의 Attention을 내 말로 설명하기
  • Attention을 NumPy로 구현하기
  • Token, Embedding, Positional Encoding
  • Pretraining과 Fine-tuning

VLM / VLA / Embodied AI

  • VLM과 VLA의 차이
  • Image Encoder와 Language Model 연결
  • Contrastive Learning 기초
  • Vision-Language-Action 논문 읽는 법
  • Action Space는 왜 중요한가
  • Robot Dataset은 어떻게 구성되는가
  • RT-1, RT-2 논문 리뷰
  • OpenVLA 읽기 전 필요한 개념
  • Diffusion Policy 기초

LLM / AI Agents

  • LLM은 왜 Hallucination을 하는가
  • Token, Context, Instruction Tuning
  • Prompt Engineering을 실험으로 이해하기
  • Structured Output과 Tool Use
  • LLM Agent란 무엇인가
  • Planning, Memory, Reflection
  • Tool Use Agent의 실패 사례 정리
  • LLM 평가를 어떻게 할 것인가

Paper Review / Research Practice

  • 논문 리뷰 템플릿 만들기
  • 논문을 읽을 때 먼저 봐야 할 것
  • Problem, Method, Experiment, Limitation
  • Code Reading과 Reproduction
  • Dataset, Baseline, Metric 정리법
  • 실험 재현이 실패했을 때 기록하는 법
  • 좋은 Research Question을 만드는 법
  • 블로그 글을 강의 노트로 확장하는 법