RnDCircle Logo
arrow left icon

SPARO Lab

인하대학교 전기공학과

조영근 교수

Construction AI

Long-term Autonomy

Underwater Robotics

SPARO Lab

전기공학과 조영근

SPARO Lab(Spatial AI and Robotics Lab)은 로봇의 공간지능과 장기 자율성을 중심으로 다양한 환경에서의 자율주행 및 인지 기술을 연구하는 선도적 연구실입니다. 본 연구실은 SLAM, 공간 인식, 의미론적 지도 작성 등 로봇이 실제 환경에서 오랜 시간 동안 신뢰성 있게 임무를 수행할 수 있도록 하는 핵심 기술 개발에 집중하고 있습니다. 특히, LiDAR, 카메라, 레이더, 소나 등 다양한 센서를 융합하여 조도 변화, 악천후, 연기, 수중 혼탁 등 극한 환경에서도 강건하게 동작하는 로봇 인지 및 위치 인식 기술을 개발합니다. 이러한 센서 융합 기반의 인지 기술은 실내외, 도시, 산림, 수중 등 다양한 실제 환경에서의 실험과 데이터셋 구축을 통해 검증되고 있습니다. 수중 및 극한 환경에서의 로봇 비전과 인식도 중요한 연구 분야입니다. 본 연구실은 수중 환경에서의 이미지 강화, 깊이 추정, 불확실성 평가 등 다차원 비전 과제를 해결하기 위한 딥러닝 기반 센싱 시스템(TRIDENT, Joint-ID 등)을 개발하고, 실제 해양 탐사 및 구조 분야에 적용하고 있습니다. 또한, 실시간 고밀도 3차원 맵핑, 다양한 지형 및 다중 로봇 협력, 저가형 센서 기반의 경량화된 알고리즘 등 실용성과 확장성을 고려한 연구도 활발히 진행 중입니다. 이를 통해 자율주행 차량, 배달 로봇, 수중 탐사 로봇 등 다양한 응용 분야에서 로봇의 장기적이고 신뢰성 높은 자율 운용을 실현하고 있습니다. SPARO Lab은 국내외 유수의 학회 및 저널에 다수의 논문을 발표하고, 다양한 산학협력 및 국가 연구과제를 수행하며, 미래 스마트 시티, 재난 대응, 해양 탐사 등 사회 전반에 걸쳐 혁신적인 변화를 이끌고 있습니다.

Construction AI
Long-term Autonomy
Underwater Robotics
로봇의 공간지능 및 장기 자율성
SPARO Lab은 로봇의 공간지능(Spatial Intelligence)과 장기 자율성(Long-term Autonomy)을 핵심 연구 주제로 삼고 있습니다. 로봇이 다양한 환경에서 오랜 시간 동안 자율적으로 임무를 수행하기 위해서는 공간 인지와 인식, 그리고 환경 변화에 강인한 자율 주행 기술이 필수적입니다. 본 연구실은 SLAM(Simultaneous Localization and Mapping), 공간 인식, 의미론적 지도 작성 등 다양한 공간지능 기술을 개발하고 있습니다. 특히, 계절 변화, 조도 변화, 구조적 변화 등 환경의 다양한 변동성에 대응할 수 있는 로봇의 위치 인식 및 맵핑 기술을 중점적으로 연구합니다. 이를 위해 LiDAR, 카메라, 레이더, 소나 등 다양한 센서 융합 기반의 강인한 인지 및 인식 알고리즘을 개발하며, 실내외, 도시, 산림, 수중 등 다양한 실제 환경에서의 실험과 데이터셋 구축을 통해 기술의 실효성을 검증합니다. 이러한 연구는 자율주행 차량, 배달 로봇, 수중 탐사 로봇 등 다양한 응용 분야에서 로봇의 장기적이고 신뢰성 높은 자율 운용을 가능하게 하며, 미래의 스마트 시티, 재난 대응, 해양 탐사 등 사회 전반에 걸쳐 혁신적인 변화를 이끌 것으로 기대됩니다.
강건한 센싱과 다중 센서 융합 기반 로봇 인지
SPARO Lab은 다양한 센서(카메라, LiDAR, 레이더, 소나 등)를 활용한 강건한 센싱(Robust Sensing)과 센서 융합 기반의 로봇 인지 기술을 선도적으로 연구합니다. 로봇이 실제 환경에서 신뢰성 있게 동작하기 위해서는 조도 변화, 악천후, 연기, 수중 혼탁 등 다양한 극한 환경에서도 정확한 인지와 인식이 가능해야 합니다. 본 연구실은 열적외선(TIR), RGB, 심도, 레이더, 소나 등 이기종 센서 데이터를 융합하여 환경 변화에 강인한 인지 및 위치 인식 기술을 개발하고 있습니다. 특히, 센서별 특성을 고려한 Late Fusion, Feature Fusion, 데이터 증강, 딥러닝 기반 이미지/신호 강화, 그리고 센서별 노이즈 특성에 기반한 신뢰도 평가 등 다양한 융합 기법을 적용합니다. 또한, 저가형 센서나 제한된 시야각(FOV) 환경에서도 동작 가능한 경량화된 인지 및 맵핑 알고리즘을 개발하여 실용성을 높이고 있습니다. 이러한 연구는 자율주행 로봇의 실내외 네비게이션, 재난/수중 환경 탐사, 물류 자동화 등 다양한 분야에서 로봇의 신뢰성과 안전성을 크게 향상시키며, 실제 산업 현장 및 공공 서비스에 적용될 수 있는 실질적 기술로 발전하고 있습니다.
수중 및 극한 환경 로봇 비전과 인식
SPARO Lab은 수중 및 극한 환경에서의 로봇 비전과 인식 기술을 중점적으로 연구합니다. 수중 환경은 빛의 산란, 흡수, 탁도 등으로 인해 시야가 제한되고, 일반적인 비전 센서의 성능이 크게 저하됩니다. 본 연구실은 수중 환경에서의 이미지 강화, 깊이 추정, 불확실성 평가 등 다차원 비전 과제를 해결하기 위한 딥러닝 기반의 센싱 시스템(TRIDENT, Joint-ID 등)을 개발하고 있습니다. 특히, 수중 로봇의 3차원 인식 및 자율 주행을 위해 이미지 디헤이징, 심도 추정, 특징점 매칭, 소나 기반 위치 인식 등 다양한 기술을 융합합니다. 또한, 실제 수중 환경에서의 데이터셋 구축과 실험을 통해 알고리즘의 실효성을 검증하고, 해양 탐사, 수중 구조물 점검, 해양 쓰레기 탐지 등 다양한 응용 분야에 적용하고 있습니다. 이러한 연구는 해양 산업, 환경 모니터링, 재난 구조 등에서 자율 수중 로봇의 실질적 활용을 가능하게 하며, 기존의 한계를 극복하는 혁신적인 로봇 비전 및 인식 기술을 제시합니다.
1
PoLaRIS Dataset: A Maritime Object Detection and Tracking Dataset in Pohang Canal
Jiwon Choi*, Dongjin Cho*, Gihyeon Lee, Hogyun Kim, Geonmo Yang, Joowan Kim, Younggun Cho
IEEE International Conference on Robotics and Automation (ICRA), 2025
2
DiTer++: Diverse Terrain and Multi-modal Dataset for Multi-Robot SLAM in Multi-session Environments
Juwon Kim, Hogyun Kim, Seokhwan Jeong, Youngsik Shin, Younggun Cho
IEEE International Conference on Robotics and Automation (ICRA), 2025
3
Dynamic Multi-Object Analysis Using Particles for Social Navigation
Minho Lee, Miryeong Park, Jiyun Lee, Younggun Cho
International Conference on Control Automation and Systems (ICCAS), 2024
1
NRF-STEAM (미래유망융합기술파이오니어)
NRF-STEAM
2023년 10월 ~ 1970년
2
NRF Basic Research Lab. 기초연구실
NRF
2022년 06월 ~ 1970년
3
Deep Total Recall: Continual Learning for Human-Like Recall of Artificial Neural Networks
IITP
2022년 04월 ~ 1970년