275 AI_로봇_챗봇
LLM 대화, 로봇 상태 정보, 센서 이벤트, TTS를 결합해 사용자와 대화하며 로봇 동작을 안내·실행하는 과정이다.
0. 교육을 하는 이유와 궁극적인 목표
학습자가 챗봇을 로봇의 의사소통 계층으로 설계하고 대화 결과가 안전한 로봇 행동 또는 안내 서비스로 이어지는 인터페이스를 완성하게 하는 것이다.
참고한 유료형 교육 흐름
- 민간 AI·로보틱스 부트캠프처럼 데이터 수집, 코드 구현, 시뮬레이션 검증, 실제 장치 연동을 포트폴리오로 누적하는 흐름
- 미국·영국 전문 로보틱스 아카데미처럼 Python, ROS 2, OpenCV, Gazebo, Unity, Isaac Sim 기반 데모 중심으로 운영하는 흐름
- 유럽 산업 로봇 교육처럼 카메라·센서 캘리브레이션, 안전구역, 오류 로그, 성능지표, 재현 테스트를 필수 절차로 포함하는 흐름
- 유료 AI 로봇 과정처럼 객체인식, 음성·대화 인터페이스, 강화학습, 디지털트윈을 로봇 행동 시스템으로 통합하는 흐름
입문 · 1일
AI 로봇 챗봇 핵심 구조와 개발 환경 구축
AI 로봇 챗봇 실전 프로젝트 1단계
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 로봇 역할 기반 대화 설계 | 안내 로봇, 교육 로봇, 전시 로봇 중 하나를 선택해 말투·금지행동·응답 범위를 정의한다. 시스템 프롬프트에 센서 한계, 이동 가능 범위, 안전 규칙을 포함한다. |
| 목표 2 | 대화 의도와 행동 명령 분리 | 일반 질문, 안내 요청, 이동 명령, 위험 명령을 분류하는 라우팅 구조를 만든다. LLM 응답이 검증 함수를 통과한 명령만 ROS 서비스로 전달되게 한다. |
| 목표 3 | 로봇 상태 기반 답변 생성 | 배터리, 위치, 센서 상태, 미션 진행률을 프롬프트 컨텍스트로 넣어 상황형 응답을 만든다. 상태 정보가 오래되었을 때는 추측하지 않고 재확인 질문을 하도록 예외 처리를 구현한다. |
| 사용 플랫폼 | Python, FastAPI, LangChain, Ollama, OpenAI API, ROS 2, Coqui TTS, Rasa |
|---|---|
| 강사 스펙 | LLM 프롬프트 설계, FastAPI 백엔드, ROS 2 서비스, TTS 연동, 안전한 명령 필터링 경험 5년 이상 |
| 수업대상 | 고등·대학 AI로봇 심화, 챗봇 서비스 개발자, 교육기관 로봇 안내 프로젝트팀 |
| 소요시간 | 총 28시간 |
| 준비물 | 노트북, 로컬 LLM 또는 API 키, 스피커, 마이크, 로봇 상태 샘플 데이터, ROS 2 환경 |
| 산출물 | AI 로봇 챗봇 핵심 구조와 개발 환경 구축 산출물, 테스트 로그, 발표자료 |
| 평가방법 | 개념 이해 30%, 환경 구축 30%, 안전 25%, 기록 15% |
초급 · 2일
AI 로봇 챗봇 기본 기능 구현
AI 로봇 챗봇 실전 프로젝트 2단계
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 로봇 역할 기반 대화 설계 | 안내 로봇, 교육 로봇, 전시 로봇 중 하나를 선택해 말투·금지행동·응답 범위를 정의한다. 시스템 프롬프트에 센서 한계, 이동 가능 범위, 안전 규칙을 포함한다. |
| 목표 2 | 대화 의도와 행동 명령 분리 | 일반 질문, 안내 요청, 이동 명령, 위험 명령을 분류하는 라우팅 구조를 만든다. LLM 응답이 검증 함수를 통과한 명령만 ROS 서비스로 전달되게 한다. |
| 목표 3 | 로봇 상태 기반 답변 생성 | 배터리, 위치, 센서 상태, 미션 진행률을 프롬프트 컨텍스트로 넣어 상황형 응답을 만든다. 상태 정보가 오래되었을 때는 추측하지 않고 재확인 질문을 하도록 예외 처리를 구현한다. |
| 사용 플랫폼 | Python, FastAPI, LangChain, Ollama, OpenAI API, ROS 2, Coqui TTS, Rasa |
|---|---|
| 강사 스펙 | LLM 프롬프트 설계, FastAPI 백엔드, ROS 2 서비스, TTS 연동, 안전한 명령 필터링 경험 5년 이상 |
| 수업대상 | 고등·대학 AI로봇 심화, 챗봇 서비스 개발자, 교육기관 로봇 안내 프로젝트팀 |
| 소요시간 | 총 28시간 |
| 준비물 | 노트북, 로컬 LLM 또는 API 키, 스피커, 마이크, 로봇 상태 샘플 데이터, ROS 2 환경 |
| 산출물 | AI 로봇 챗봇 기본 기능 구현 산출물, 테스트 로그, 발표자료 |
| 평가방법 | 구현 35%, 실험 25%, 디버깅 25%, 협업 15% |
중급 · 3일
AI 로봇 챗봇 데이터 기반 성능 개선
AI 로봇 챗봇 실전 프로젝트 3단계
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 로봇 역할 기반 대화 설계 | 안내 로봇, 교육 로봇, 전시 로봇 중 하나를 선택해 말투·금지행동·응답 범위를 정의한다. 시스템 프롬프트에 센서 한계, 이동 가능 범위, 안전 규칙을 포함한다. |
| 목표 2 | 대화 의도와 행동 명령 분리 | 일반 질문, 안내 요청, 이동 명령, 위험 명령을 분류하는 라우팅 구조를 만든다. LLM 응답이 검증 함수를 통과한 명령만 ROS 서비스로 전달되게 한다. |
| 목표 3 | 로봇 상태 기반 답변 생성 | 배터리, 위치, 센서 상태, 미션 진행률을 프롬프트 컨텍스트로 넣어 상황형 응답을 만든다. 상태 정보가 오래되었을 때는 추측하지 않고 재확인 질문을 하도록 예외 처리를 구현한다. |
| 사용 플랫폼 | Python, FastAPI, LangChain, Ollama, OpenAI API, ROS 2, Coqui TTS, Rasa |
|---|---|
| 강사 스펙 | LLM 프롬프트 설계, FastAPI 백엔드, ROS 2 서비스, TTS 연동, 안전한 명령 필터링 경험 5년 이상 |
| 수업대상 | 고등·대학 AI로봇 심화, 챗봇 서비스 개발자, 교육기관 로봇 안내 프로젝트팀 |
| 소요시간 | 총 28시간 |
| 준비물 | 노트북, 로컬 LLM 또는 API 키, 스피커, 마이크, 로봇 상태 샘플 데이터, ROS 2 환경 |
| 산출물 | AI 로봇 챗봇 데이터 기반 성능 개선 산출물, 테스트 로그, 발표자료 |
| 평가방법 | 데이터 분석 35%, 튜닝 30%, 검증 20%, 문서화 15% |
심화 · 4일
AI 로봇 챗봇 최종 통합 프로젝트
AI 로봇 챗봇 실전 프로젝트 4단계
| 구분 | 세부 내용 | 실천·실습 방법 |
|---|---|---|
| 목표 1 | 로봇 역할 기반 대화 설계 | 안내 로봇, 교육 로봇, 전시 로봇 중 하나를 선택해 말투·금지행동·응답 범위를 정의한다. 시스템 프롬프트에 센서 한계, 이동 가능 범위, 안전 규칙을 포함한다. |
| 목표 2 | 대화 의도와 행동 명령 분리 | 일반 질문, 안내 요청, 이동 명령, 위험 명령을 분류하는 라우팅 구조를 만든다. LLM 응답이 검증 함수를 통과한 명령만 ROS 서비스로 전달되게 한다. |
| 목표 3 | 로봇 상태 기반 답변 생성 | 배터리, 위치, 센서 상태, 미션 진행률을 프롬프트 컨텍스트로 넣어 상황형 응답을 만든다. 상태 정보가 오래되었을 때는 추측하지 않고 재확인 질문을 하도록 예외 처리를 구현한다. |
| 사용 플랫폼 | Python, FastAPI, LangChain, Ollama, OpenAI API, ROS 2, Coqui TTS, Rasa |
|---|---|
| 강사 스펙 | LLM 프롬프트 설계, FastAPI 백엔드, ROS 2 서비스, TTS 연동, 안전한 명령 필터링 경험 5년 이상 |
| 수업대상 | 고등·대학 AI로봇 심화, 챗봇 서비스 개발자, 교육기관 로봇 안내 프로젝트팀 |
| 소요시간 | 총 28시간 |
| 준비물 | 노트북, 로컬 LLM 또는 API 키, 스피커, 마이크, 로봇 상태 샘플 데이터, ROS 2 환경 |
| 산출물 | AI 로봇 챗봇 최종 통합 프로젝트 산출물, 테스트 로그, 발표자료 |
| 평가방법 | 미션 성공 35%, 완성도 30%, 기술 설명 20%, 발표 15% |