이 연구 주제는 자율주행 차량이 복잡하고 동적인 도로 환경에서 안전하면서도 부드럽게 주행할 수 있도록 경로를 생성하고 이를 정확하게 추종하는 제어 기술을 다룬다. 연구실의 최근 논문들에서는 고속도로 주변 차량의 움직임을 고려한 충돌 회피, 긴급 상황에서의 차선 변경, 굴절차량 및 대형 상용차의 경로 추종과 같은 실제 적용성이 높은 문제를 중심으로 연구가 진행되고 있다. 특히 단순한 이론적 경로 생성에 머무르지 않고, 차량의 동역학적 제약과 액추에이터 한계, 도로 곡률 변화, 실시간 계산 부담까지 함께 고려하는 점이 핵심이다. 방법론 측면에서는 모델 예측 제어(MPC), 강건 MPC, 이차계획법(QP), 스플라인 기반 경로 생성, 약쌍대성 기반 최적화 등 제어와 최적화 기법이 유기적으로 결합된다. 예를 들어 굴절차량의 추종 제어에서는 모델 불확실성과 외란에 견딜 수 있는 tube-based robust MPC를 적용해 안정성과 안전성을 동시에 확보하고, 충돌 회피 경로 계획에서는 비선형 최적화 문제를 계산 효율이 높은 QP 형태로 재구성하여 실시간성을 높인다. 또한 긴급 회피 상황에 적합한 연결점 최적화 기법을 통해 계산 변수 수를 줄이면서도 차량이 실제로 추종 가능한 연속 곡률 경로를 생성하는 연구가 수행되고 있다. 이 연구는 승용차뿐 아니라 대형트럭, 자율셔틀, 굴절버스, AGV/AMR 등 다양한 플랫폼으로 확장될 수 있다는 점에서 산업적 파급력이 크다. 연구실이 수행 중인 Lv.4 자율주행 대형트럭 차량플랫폼, 캐빈교체형 자율셔틀 공용섀시, 플러그앤드라이브 모듈 관련 과제는 이러한 제어 기술이 실차 및 산업 현장으로 이어지고 있음을 보여준다. 궁극적으로 본 연구는 차세대 모빌리티의 안전성, 승차감, 에너지 효율, 상용화를 동시에 향상시키는 기반 기술로 기능한다.

자율주행 시스템이 안전하게 작동하기 위해서는 자차의 상태를 잘 제어하는 것만으로는 충분하지 않으며, 주변 차량이 앞으로 어떤 행동을 할지를 미리 파악하는 능력이 필수적이다. 연구실은 특히 고속도로 환경에서 주변 차량의 차선 변경 의도를 추론하고 미래 궤적을 예측하는 문제에 주목하고 있다. 이는 최소 위험 경로를 계획하거나 방어 운전 전략을 수립하는 데 핵심적인 정보가 되며, 실제 자율주행 시스템의 판단 품질을 좌우하는 중요한 요소다. 연구실의 접근은 대규모 학습 데이터에 전적으로 의존하기보다, 차량 운동학과 도로 기하 구조를 활용한 모델 기반 추정에 강점을 가진다. Frenet 좌표계와 3차 스플라인 곡선을 이용해 도로 곡률 변화에 강인한 경로 후보를 생성하고, 선형화 재귀 최소자승 추정과 다중모델 적응추정기(MMAE)를 이용해 여러 가능성 있는 거동 모드를 실시간으로 비교·평가한다. 이를 통해 차선 유지와 차선 변경의 모드 확률을 계산하고, preview time과 같은 시간가변 파라미터를 업데이트하면서 미래 궤적을 효율적으로 산출한다. 이러한 방식은 학습 비용과 연산량을 낮추면서도 실시간 적용성을 확보하는 장점이 있다. 이 연구는 단독 논문 수준을 넘어 정밀 차선 지도 자동 생성, 주행 기동 이벤트 감지 및 분류, 센서 융합 기반 차량 거동 분류기 개발 등으로 확장되고 있다. 즉, 단순히 주변 차량을 예측하는 것을 넘어 도로 네트워크와 주행 이벤트를 구조적으로 이해하는 방향으로 발전하고 있다. 향후에는 자율주행 인지 시스템, HD맵 갱신, 차량 간 협력주행, 위험도 기반 의사결정과 결합되어 보다 지능적이고 설명 가능한 주행 판단 시스템으로 이어질 가능성이 크다.

차량 제어 성능을 높이기 위해서는 직접 측정하기 어려운 상태량을 정확히 추정하고, 시스템 이상을 조기에 진단하여 안전하게 대응하는 기술이 필요하다. 연구실은 차량 질량, 노면 상태, 타이어-노면 마찰, 댐퍼 거동, 브레이크 토크, 클러치 토크, 트레일러 스윙 등 실제 주행에서 중요한 변수들을 추정하는 다양한 연구를 오랫동안 수행해 왔다. 이러한 연구는 자동차 제어의 기초가 되는 관측기 설계와 추정 알고리즘 개발 역량을 보여주며, 실제 차량 적용성을 염두에 둔 문제 설정이 두드러진다. 특히 최근에는 4WIS4WID 차량을 대상으로 한 구동계 고장 진단 및 고장 위치 식별 연구가 대표적이다. 이 연구에서는 모델 기반 residual 분석으로 정상 상태와 이상 상태의 차이를 추출하고, 이를 2차원 히스토그램과 논리 연산을 통해 영상 형태로 변환한 뒤 CNN을 이용해 고장 위치를 판별한다. 여기에 RLS 기반 분류를 결합하여 고장의 종류와 크기까지 식별함으로써, 단순 이상 감지를 넘어 진단과 격리를 수행하는 체계를 구축한다. 이는 전동화·분산구동 차량에서 중요성이 커지는 fault-tolerant control의 기반 기술로 볼 수 있다. 이와 함께 초음파 신호 기반 노면 종류 추정 특허, 전자제어 댐퍼 및 스마트 댐퍼 시스템, ABS와 브레이크 시스템, 타이어 하중 및 마찰 추정, 인휠 모터 차량 제어 관련 연구는 모두 안전성과 승차감 향상이라는 공통 목표로 수렴된다. 연구실은 센서 신호 처리, 기계학습, 관측기, 적응제어, 강건제어를 융합하여 차량 상태를 더 정확히 이해하고 위험 상황에 선제적으로 대응하는 기술을 개발하고 있다. 이러한 축적은 미래 전기차, 자율주행차, 상용차, 특수차량의 신뢰성 확보에 매우 중요한 기반이 된다.