본문 바로가기

분류 전체보기

(19)
LLM 기반 비트코인 자동매매 시스템 프로젝트 개요프로젝트의 주요 기능은 다음과 같습니다.실시간 시세 데이터 수집 및 차트 구성Upbit API를 이용해 일봉, 주봉, 1시간봉, 10분봉 등 다양한 간격의 데이터를 수집하고, SQLAlchemy를 통해 SQLite 데이터베이스에 저장하여 이후 분석 및 차트에 활용했습니다.자동매매 로직 및 기술적 지표 계산단순 이동평균(SMA), RSI, EMA 등 다양한 기술적 지표를 계산하여 매매 신호를 분석하였으며, 이를 기반으로 매수/매도/홀드 결정을 내렸습니다.LLM 기반의 의사결정 지원Google Gemini API를 활용하여, 실시간 시세 데이터와 기술적 지표들을 종합한 프롬프트를 생성하고, LLM의 응답으로 매매 결정을 도출하였습니다.또한, 거래 후에는 간단한 반성(reflection) 프롬프트..
[프로젝트] self_learning_depth 프레임워크 작성 프로젝트 개요: Monodepth2 기반의 Self-Learning Depth 프레임워크 개발본 프로젝트에서는 KITTI Odometry 데이터를 활용하여 깊이 추정(Depth Estimation)과 카메라 포즈 추정(Pose Estimation)을 동시에 수행하는 Self-Learning Depth 프레임워크를 개발하였습니다. 이 프레임워크는 Monodepth2의 자가 지도 학습(Self-Supervised Learning) 방식을 기반으로 설계되었으며, 초기 포즈 예측 단계에서 전통적인 컴퓨터 비전 기법인 PnP(Perspective-n-Point) 알고리즘을 도입하여 정확도를 향상시킨 하이브리드 접근 방식을 채택하였습니다. 1. 프레임워크 설계 의도 및 차별화된 접근 방식기존 접근 방식: Monod..
[두산로보틱스] 제품 검사 시스템 구축 프로젝트 라즈베리 피코 검사 시스템 구축기술 스택하드웨어라즈베리 피코IR 센서카메라 모듈소프트웨어PythonFlask (웹 기반 실시간 모니터링)YOLO v6 M 모델 (딥러닝 기반 결함 검출)SQLite (검사 이력 저장)기타데이터 증강 기법ROS2 Humble임베디드 시스템 통합문제점과 극복환경적 요소의 영향문제: 조명 조건, 배경 색상 등이 검사 정확도를 저해.해결:조명 조건 최적화를 위한 검사 환경 개선.일정한 배경 설정을 통한 라벨링 품질 향상.AI 모델의 적합성문제: 특정 환경에서 YOLO 모델의 성능 저하 발생 (빛 반사 등).해결:다양한 데이터셋으로 재훈련 및 데이터 증강.환경별 최적화된 모델 설정.하드웨어 성능 제약문제: 카메라 및 IR 센서의 위치 조정 문제, 라즈베리 피코의 처리 한계.해결:센..
[두산로보틱스] 자동 SLAM 및 센서 퓨전 프로젝트 자동 SLAM 및 객체 인식 기반 재난 로봇 시스템프로젝트 개요목적: 재난 환경에서 실내 자동 탐색 및 객체 인식을 통해 요구조자에게 실시간 정보를 제공하고, 안전한 환경 조성을 지원하는 로봇 시스템 개발.기능:SLAM: 실시간 맵핑과 로봇의 위치 추정.센서 퓨전: 카메라와 LiDAR 데이터를 통합하여 환경과 객체를 정밀하게 인식.객체 인식: 사람과 소화기와 같은 주요 객체를 실시간으로 감지하고, 맵 상에 위치 마커를 표시.기술 스택프레임워크 및 라이브러리:ROS2 HumbleOpenCVPython알고리즘:RRT (Rapidly-Exploring Random Tree): 샘플링 기반 경로 계획법으로 초기 탐색 경로 생성.Frontier 탐색: 탐사된 영역과 미탐사 영역의 경계를 그룹화하여 탐색 우선순위를..
[두산로보틱스] 멀티 로봇 제어 및 Digital Twin 프로젝트 멀티 로봇 제어 및 Digital Twin 프로젝트프로젝트 개요:다중 TurtleBot3 로봇을 활용한 심부름 로봇 시스템 개발 및 Digital Twin 기술을 적용하여 효율적인 로봇 제어와 실시간 시뮬레이션 환경 구축. 사용자 경험을 중심으로 자율주행, 경로 최적화, 실시간 모니터링 등 다양한 기능을 통합한 시스템 설계.핵심 기능:다중 로봇 자율주행: 사용자가 주문한 물품을 최적 경로로 배달하며, 실시간 경로 조정을 통해 효율성을 극대화.Digital Twin 환경 구축: 현실 기반 장애물 및 로봇 환경을 Gazebo에서 재현하여 테스트와 시뮬레이션 가능. 프로젝트가 진행된 강의장의 실제 환경을 Intel RealSense D435i를 사용하여 3D로 스캔한 후, 동일한 크기로 Gazebo에 불러와 ..
[두산로보틱스] AMR 관제 시스템 구축 프로젝트 AMR 기반 방범 시스템 개발프로젝트 개요: 보안 카메라와 자율주행 AMR을 활용한 무인 방범 시스템 구축. 실시간 모니터링과 객체 추적 기능을 통합하여 보안 효율성을 극대화. 핵심 기능:데이터베이스 관리: SQLite3를 활용하여 객체 탐지 기록, 교도소 상태 정보 저장 및 통계 생성. 웹 인터페이스를 통해 실시간으로 데이터를 확인하고 분석 가능.교도소 상태 표시: Flask 웹 페이지에서 교도소 비상 상황 및 정상 상태를 직관적으로 표시. 사용자 요청에 따라 상태 변경과 명령 센터 통신 지원.객체 인식 및 추적: YOLOv8 기반 객체 탐지와 추적 기능을 통해 의심스러운 객체를 실시간으로 감지하고 추적.시스템 아키텍처:ROS2: AMR의 실시간 데이터 처리 및 자율주행 지원.Flask: 사용자 인터페..
[두산로보틱스] 협동로봇 스포츠 스태킹 프로젝트 프로젝트 개요두산로보틱스 협동로봇을 활용하여 스포츠 스태킹(컵 쌓기) 작업을 자동화하는 프로젝트를 진행했습니다. 본 프로젝트는 trans 함수를 활용해 상대 좌표값으로 로봇 동작을 제어하여 티칭 과정 없이 작업을 수행하는 혁신적인 방식을 도입하였습니다. 또한, Docker 기반 Visual/Real 모드 전환 기능을 추가해 시뮬레이션과 실제 작업 환경 간 유연한 전환이 가능하도록 구현하였습니다. DevOps 접근법을 적용하여 효율적인 개발, 테스트, 배포 프로세스를 구축하였습니다.주요 구현 사항1. 상대 좌표계 기반 컵 쌓기trans 함수를 사용하여 모든 컵의 위치를 상대적으로 계산.힘 제어를 통해 컵의 정확한 위치를 감지하고 안정적으로 배치.티칭 없이도 모든 동작이 정밀하게 수행되도록 설계.2. Doc..
[두산로보틱스] 협동로봇 젠가 쌓기 프로젝트 개요두산로보틱스 M0609 로봇을 활용하여 젠가 블록을 쌓는 프로젝트를 진행했습니다. 본 프로젝트는 상대 좌표계를 활용하여 모든 동작을 설정하였으며, 티칭 없이 trans 함수를 통해 위치를 계산하여 블록을 쌓는 혁신적인 방식을 구현하였습니다. 또한, 협동 로봇의 특성을 활용하여 사람과의 협업을 통해 작업 속도를 더욱 개선하였습니다.주요 구현 사항1. 상대 좌표계 기반 블록 배치핵심 코드:def z_value_check(): grip_gripper() intermediate_pos = trans(target_pos, posx([0, 0, 150, 0, 0, 0])) movel(intermediate_pos, vel=VELOCITY, acc=ACC, ref=DR_BASE) t..