이 연구 주제는 불확실한 동적 시스템에서도 안정적인 성능을 유지할 수 있는 강인 제어 기법과 외란 관측기(disturbance observer) 설계 이론에 초점을 둔다. 연구실의 주요 논문들은 플랜트의 불확실성, 미모델링 동역학, 미지의 상대 차수, 샘플드데이터 환경 등 실제 제어계에서 빈번히 발생하는 문제를 체계적으로 다루고 있으며, 외란을 단순히 완화하는 수준을 넘어 구조적 특성을 반영해 보다 정밀하게 추정하고 제거하는 방향으로 발전해 왔다. 이는 산업용 구동기, 로봇 시스템, 에너지 시스템과 같은 실제 응용에서 제어기의 신뢰성과 성능을 동시에 확보하기 위한 핵심 기반 기술이다. 특히 연구실은 외란 관측기 내부에 disturbance의 internal model을 내재화함으로써 반복적이거나 구조화된 외란을 더욱 정확하게 제거하는 방법을 제안해 왔다. 또한 폐루프 시스템의 robust stability를 보장할 수 있는 설계 절차를 제시하여, 시스템 파라미터가 넓은 범위에서 변하더라도 안정성을 유지하도록 한다. 이러한 접근은 고이득 관측기, Q-filter 설계, 이산시간 외란 관측기 해석, 빠른 샘플링 조건에서의 안정성 분석과 연결되며, 이론적 완성도와 응용 가능성을 모두 갖춘 연구 축을 형성한다. 이 연구의 의의는 제어 대상에 대한 완전한 모델이 없어도 높은 추종 성능과 외란 제거 성능을 확보할 수 있다는 점에 있다. 향후에는 자율시스템, 협동로봇, 스마트 모빌리티, 전력전자 시스템 등에서 센서 제약과 환경 변화에 강한 제어 알고리즘으로 확장될 가능성이 크다. 또한 모델 기반 제어와 데이터 기반 추정 기법을 결합함으로써, 복잡한 산업 시스템에서도 실시간성과 강건성을 동시에 만족하는 차세대 제어 프레임워크로 발전할 수 있다.

이 연구 주제는 사이버 계층과 물리 계층이 긴밀하게 결합된 사이버물리시스템(CPS)에서 발생할 수 있는 공격, 도청, 데이터 변조 등의 위협에 대응하기 위한 보안 제어 기술을 다룬다. 연구실은 특히 시스템 무결성 공격처럼 물리 플랜트의 상태를 은밀하게 조작하면서도 탐지를 회피하는 공격에 주목하고, 이러한 위협에 대해 제어 성능을 최대한 유지하면서도 공격을 탐지하고 복원할 수 있는 회복탄력적 제어 구조를 연구해 왔다. 이는 스마트 제조, 지능형 전력망, 자율주행 시스템, 원격 제어 인프라처럼 안전과 보안이 동시에 요구되는 분야에서 매우 중요한 연구 방향이다. 대표적으로 연구실은 비선형 인코딩/디코딩 구조를 활용해 공격을 탐지하고 정상 성능을 보존하는 제어 프레임워크를 제안하였다. 또한 인코딩과 디코딩을 동기화하기 위해 전달되는 신호가 도청당하지 않도록 chaotic oscillator를 활용한 보안 통신 메커니즘을 도입하였다. 이러한 방식은 제어이론, 비선형 시스템 이론, 암호적 아이디어, 네트워크 지연에 대한 강건성 분석을 통합하는 융합형 연구로 볼 수 있으며, input-to-state stability 관점에서 보안성과 안정성을 함께 검증한다는 점에서 학술적 가치가 높다. 향후 이 연구는 네트워크 기반 제어시스템, 스마트 시티 인프라, 산업용 IoT, 지능형 로봇 시스템 등으로 확장될 수 있다. 단순히 공격을 막는 수준을 넘어 공격 이후에도 시스템이 기능을 유지하거나 빠르게 회복하도록 만드는 resilience 중심 설계는 미래 CPS의 핵심 요구사항이 될 것이다. 따라서 본 연구는 제어시스템의 성능 향상뿐 아니라 안전성, 신뢰성, 보안성을 동시에 만족시키는 차세대 제어 아키텍처 구축에 중요한 기여를 할 것으로 기대된다.

이 연구 주제는 제어이론을 로봇과 자율시스템에 적용하여 실제 환경에서 안정적이고 효율적인 동작을 구현하는 데 초점을 맞춘다. 연구실의 경력과 학술 활동을 보면 협동로봇 개발, 센서리스 힘 제어, 다개체 시스템의 협조 제어, 포즈그래프 SLAM의 계산량 절감 등 로봇 응용과 밀접한 연구를 지속적으로 수행해 왔음을 알 수 있다. 이는 순수 제어이론을 넘어, 실제 하드웨어와 환경 제약을 고려한 실용적 시스템 설계 역량을 보여준다. 구체적으로는 momentum observer 기반 센서리스 힘 제어 알고리즘, 측정 희소화 기반 pose-graph SLAM, 이종 다개체 시스템의 sampled-data 협조 제어 등이 연구 범주에 포함된다. SLAM 연구에서는 그래프의 Fiedler value와 adjacency matrix의 최대 고유값 사이의 스펙트럼적 trade-off를 활용해 중복 측정을 줄이면서도 추정 정확도를 유지하는 접근을 제시하였다. 이는 자율이동로봇의 계산 부담을 낮추고 제한된 자원 환경에서도 안정적인 위치 추정을 가능하게 하는 중요한 기술이다. 이러한 연구는 향후 서비스 로봇, 협동로봇, 자율주행 플랫폼, 지능형 이동체 시스템으로 확장될 수 있다. 제어와 추정, 최적화, 그래프 기반 계산을 통합하는 접근은 실제 로봇 시스템에서 필수적이며, 센서 비용 절감과 실시간 성능 향상에도 직접적으로 연결된다. 특히 산업 현장과 연계된 협동로봇 및 전기차 충전 시스템 관련 경험은 연구실이 이론과 응용을 연결하는 강점을 갖고 있음을 보여주며, 미래형 자동화 시스템 개발에 실질적인 파급효과를 제공할 수 있다.