김현석 연구실은 강화학습을 활용한 로봇 제어 및 자율 시스템 개발에 중점을 두고 있습니다. 최근 발표된 논문에서는 Perceiver Element-wise Transformer(PET)와 같은 혁신적인 딥러닝 모델을 도입하여 로봇 조작 학습의 계산 효율성과 메모리 사용량을 크게 개선하였습니다. PET 모델은 Perceiver IO의 잠재 공간 및 크로스 어텐션 메커니즘과 Attention-Free Transformer(AFT)를 결합하여 대규모 입력 데이터 처리와 연산 복잡도 감소를 동시에 달성하였습니다. 또한, UAV 드론의 정밀 착륙 성능 향상을 위한 강화학습 기반 PID 제어기 연구를 통해, 기존의 Ziegler-Nichols 방식보다 더욱 안정적이고 강인한 제어 성능을 입증하였습니다. 다양한 풍속 조건과 비선형 환경에서도 강화학습 기반 PID 제어기는 낮은 오차율과 높은 안정성을 보여, 실제 도심항공교통 및 무인기 응용 분야에 실질적인 기여를 하고 있습니다. 이 외에도, 저편향·고분산된 보편적 데이터를 이용한 효율적인 오프라인 강화학습 방법을 제안하여, 전문가 데이터에 의존하지 않고도 복잡한 환경에서 높은 보상과 일반화 성능을 달성할 수 있음을 실험적으로 증명하였습니다. 이러한 연구들은 로봇 및 자율 시스템의 실세계 적용 가능성을 높이고, 차세대 인공지능 기반 제어 기술 발전에 중요한 역할을 하고 있습니다.

연구실은 인공지능을 활용한 데이터 분석 및 추천 시스템 개발에도 활발히 참여하고 있습니다. 리뷰 데이터를 활용한 POI(Point of Interest) 추천 시스템 연구에서는, 대형 언어 모델을 이용해 사용자 리뷰를 임베딩하고 이를 협업 필터링 모델과 결합하여 추천 성능을 크게 향상시켰습니다. 이 방법은 데이터 희소성 문제를 극복하고, 사용자 선호도를 더욱 정밀하게 예측할 수 있도록 하였습니다. 또한, 다차원 특징 데이터를 효과적으로 처리할 수 있는 XGBoost 기반 지식 추적 모델을 개발하여, 온라인 교육 플랫폼에서 학생의 학습 상태를 정확하게 추적하고 맞춤형 학습을 지원할 수 있게 하였습니다. 기존의 순환 신경망 기반 방법보다 AUC 등 주요 평가 지표에서 우수한 성능을 보였으며, 게임 형태의 온라인 학습 데이터에도 강인하게 적용할 수 있음을 입증하였습니다. 이와 더불어, 스마트폰 센서 데이터를 활용한 사이클링 활동 인식, 3D CAPTCHA 생성 등 다양한 응용 분야에서 인공지능 기반 데이터 분석 기술을 적용하고 있습니다. 이러한 연구들은 실제 산업 및 사회 문제 해결에 직접적으로 기여하며, 인공지능의 실용적 가치를 높이고 있습니다.