RnDCircle Logo
Intelligent Systems & Robotics Lab.
기계공학과 정우진 교수
이동로봇
자율주행
HD Map 업데이트
기본 정보
연구 분야
프로젝트
논문
구성원

Intelligent Systems & Robotics Lab.

기계공학과 정우진 교수

고려대학교 기계공학과 정우진 교수의 지능시스템 및 로보틱스 연구실(ISR Lab)은 일상생활의 동반자가 될 지능형 서비스 로봇과 자율주행 시스템 개발에 주력하는 융합형 연구 환경을 제공합니다. 연구실은 LiDAR, GPS 등 다양한 센서를 활용한 위치 추정 및 로봇 국지화 기술, 동적 환경에서의 주행 가능 영역 분석, 경로 계획 및 장애물 회피 알고리즘 개발을 수행하며, 실제 이동로봇과 자율주행 차량을 통해 기술 타당성과 유용성을 검증합니다. 예로 농업용 이동로봇, 노인용 동반 로봇, 물류 이송 로봇 등 다양한 응용 분야를 대상으로 활발한 연구가 진행 중입니다. 정우진 교수는 서울대와 도쿄대에서 학사·석사·박사 학위를 취득했으며, 2005년부터 고려대에 재직, 과거 KIST 지능로봇연구센터에서 선임연구원으로 활동한 바 있으며, IEEE, 일본로봇학회 등에서 우수 논문상과 교수 강의상을 수상한 로봇 제어 및 자율주행 분야의 권위자입니다. 연구실은 대학원생 및 학부생에게 실험 기반 문제 해결 능력과 실용적 설계 역량을 함양할 수 있는 최적의 학습·연구 환경을 제공하며, 학술대회(IROS, ICRA, ICCAS 등) 논문 발표와 금상 수상 실적을 바탕으로 국제적 경쟁력을 갖춘 인재 양성에 기여하고 있습니다.

이동로봇자율주행HD Map 업데이트Crowdsourced 데이터LiDAR 기반 위치추정
대표 연구 분야
연구 영역 전체보기
Crowdsourced 데이터 기반 HD Map 업데이트 및 도시 환경 차량 위치추정 연구 thumbnail
Crowdsourced 데이터 기반 HD Map 업데이트 및 도시 환경 차량 위치추정 연구
Crowdsourced HD Map Updating and Vehicle Localization for Urban Driving
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.

5개년 연도별 논문 게재 수

11총합

5개년 연도별 피인용 수

181총합
주요 논문
5
논문 전체보기
1
article
|
·
인용수 6
·
2024
Learning Self-Supervised Traversability With Navigation Experiences of Mobile Robots: A Risk-Aware Self-Training Approach
Ikhyeon Cho, Woojin Chung
IF 5.3 (2024)
IEEE Robotics and Automation Letters
야외 환경에서 작동하는 이동 로봇은 서로 다른 난이도를 갖는 다양한 지형을 주행하는 데 있어 어려움에 직면한다. 따라서 주행 가능성(traversability) 추정은 안전하고 효율적인 로봇 내비게이션을 위해 필수적이다. 현재의 접근법들은 로봇의 주행 경험을 활용하여 자기지도 방식으로 주행 가능성을 학습한다. 그러나 많은 실제 적용 상황에서 로봇에게 충분하고 다양한 경험을 제공하는 일은 어렵다. 본 논문에서는 제한된 사전 경험을 바탕으로 도전적인 지형에 적응하는 자기지도 주행 가능성 학습 방법을 제안한다. 핵심 요소 중 하나는 위험에 민감한 접근(risk-sensitive approach)을 사용하여 희소하지만 고위험인 지형에 대한 우선 학습을 가능하게 하는 것이다. 이를 위해 위험을 인지하는 인스턴스 가중치(risk-aware instance weighting) 기법을 통해 신경망을 학습한다. 또 다른 핵심 요소는 자기훈련(self-training) 방식에 기반하여 주행 가능성 준-라벨(pseudo-labels)을 활용하는 것이다. 제안된 신뢰도 정규화(confidence-regularized) 자기훈련은 고품질 준-라벨을 생성함으로써 경험하지 못한 지형에 대한 신뢰할 수 있는 데이터 증강을 가능하게 한다. 제안 방법의 효과는 구조화된 도시 환경부터 복잡하고 거친 지형에 이르기까지 광범위한 실제 환경 실험을 통해 검증되었다.
https://doi.org/10.1109/lra.2024.3376148
Training (meteorology)
Artificial intelligence
Computer science
Mobile robot
Robot
Machine learning
Psychology
Geography
2
article
|
인용수 7
·
2024
Uncertainty‐aware LiDAR‐based localization for outdoor mobile robots
Geonhyeok Park, Woojin Chung
IF 5.2 (2024)
Journal of Field Robotics
자율 이동 로봇에서 정확하고 견고한 위치 현지화(localization)는 필수적이다. Light Detection and Ranging(LiDAR) 센서를 기반으로 한 맵 매칭(map matching)은 로봇의 전역(global) 위치를 추정하기 위해 널리 채택되어 왔다. 그러나 환경이 변화하거나 충분한 특징(features)이 제공되지 않을 때 맵 매칭 성능이 저하될 수 있다. 부정확한 맵 매칭 자세(poses)를 현지화(localization)에 무분별하게 통합하면 자세 추정(pose estimation)의 신뢰성이 크게 감소할 수 있다. 본 논문은 맵 매칭에 기반한 견고한 LiDAR 기반 위치 현지화 방법을 개발하는 것을 목표로 한다. 우리는 맵 매칭 자세의 불확실성(uncertainty)으로부터 계산되는 적절한 가중치(weights)를 결정하는 데에 초점을 둔다. 맵 매칭 자세의 불확실성은 자세에 대한 확률분포(probability distribution)로부터 추정한다. 우리는 확률분포를 도출하기 위해 정규분포 변환(normal distribution transform) 맵을 활용한다. 인자 그래프(factor graph)를 사용하여 맵 매칭 자세, LiDAR 관성 항법 오도메트리(LiDAR-inertial odometry), 그리고 전역 항법 위성 시스템(global navigation satellite system) 정보를 결합한다. 실험적 검증은 대학 캠퍼스의 야외 환경에서 변화하거나 동적인 환경을 포함하는 서로 다른 3가지 시나리오에 대해 성공적으로 수행되었다. 제안한 방법의 성능을 세 가지 LiDAR 기반 위치 현지화 방법과 비교하였다. 실험 결과는 다양한 야외 환경에서 맵 매칭 자세가 부정확하더라도 견고한 위치 현지화 성능을 달성할 수 있음을 보여준다. 실험 영상은 https://youtu.be/L6p8gwxn4ak 에서 확인할 수 있다.
https://doi.org/10.1002/rob.22392
Lidar
Mobile robot
Computer science
Robot
Remote sensing
Artificial intelligence
Environmental science
Computer vision
Geography
3
article
|
인용수 22
·
2022
ODS-Bot: Mobile Robot Navigation for Outdoor Delivery Services
Jinwon Lee, Geonhyeok Park, Ikhyeon Cho, Keundong Kang, Daehyun Pyo, Soohyun Cho, Minwoo Cho, Woojin Chung
IF 3.9 (2022)
IEEE Access
자율주행 모바일 로봇은 야외 배송 서비스에서 사용되어 왔다. 배송 로봇은 동적인 장애물과 다양한 환경 조건에 대응해야 한다. 실내 적용을 위한 여러 성공적인 기술적 해결책이 존재함에도 불구하고, 야외 환경에서는 여전히 많은 미해결 문제가 남아 있다. 본 연구에서는 캠퍼스 배송 로봇 개발을 저해하는 세 가지 기술적 과제에 초점을 맞춘다. 첫 번째 과제는 다양한 동적 야외 환경에서의 견고한 위치추정이다. 라이더 및 Global Navigation Satellite System (GNSS) 센서를 사용하여 얻은 위치추정 결과는 상호 보완적인 장점과 단점을 보인다. 제안하는 위치추정 전략은 다중 센서로부터의 정보를 효율적으로 결합한다. 두 번째 과제는 통과 가능한 영역의 검출을 기반으로 한 안전한 항법이다. 제시된 지형 통과가능성 분석은 명확하고 실시간인 양(positive) 및 음(negative) 장애물 정보를 제공한다. 세 번째 과제는 충돌 또는 데드락의 위험을 줄이기 위해 효과적인 경로 계획 전략이 필요하다는 점이다. 우리는 지도에 나타난 지역의 동적 장애물에 대한 출현 이력을 수집하였다. 그 결과로 생성된 경로는 혼잡한 구역을 피하도록 신중하게 작성되었다. 실험적 검증은 고려대학교 캠퍼스에서 성공적으로 수행되었다. 제시된 결과는 제안된 방법들이 동적인 실제 환경에서 안전하고 신뢰할 수 있는 항법을 달성하는 데 필수적임을 명확히 보여준다.
https://doi.org/10.1109/access.2022.3212768
Computer science
Mobile robot
Obstacle
Motion planning
GNSS applications
Terrain
Robot
Real-time computing
Obstacle avoidance
Artificial intelligence
최신 산학 과제
34
과제 전체보기
1
2024년 2월-진행 중
실외도시환경에서 주행상황을 스스로 인지하고 행동하는 심층기계학습기반 자율주행 로봇시스템
과학기술정보통신부
이 연구는 혼잡하고 복잡한 실외 도시환경에서 자율주행 로봇이 스스로 상황을 인지하고 적절한 행동을 선택하여 안정적으로 주행할 수 있도록 하는 심층기계학습 기반 자율주행 시스템, DANS(Deep Autonomous Navigation System)를 개발하는 데 목적이 있다. 기존 자율주행 기술이 가지는 한계를 극복하기 위해, 본 과제는 두 가지 핵심 기술인 ‘주행경험축적 기반의 지능형 환경인식 기술’과 ‘Latent Model 기반의 지능형 주행행동 선택 기술’을 중심으로 구성된다. 첫 번째 기술은 심층학습 기반으로 지형의 특징을 분석하여 주행가능 영역과 위험지형을 인식하고, 3차원 점군 데이터를 활용하여 다수의 객체를 인식 및 추적하며, 주행경험을 통해 시간이 지남에 따라 변화하는 도시 환경에 적응할 수 있도록 지도를 지속적으로 업데이트하는 기능을 포함한다. 두 번째 핵심 기술은 다양한 도시환경에서 유연하게 대응할 수 있도록 주행행동을 모델링하고, 강화학습 기반 Latent Model을 이용해 스스로 학습하며 적절한 주행행동을 실시간으로 선택하는 주행행동 선택기를 개발하는 데 초점을 맞춘다. 이를 통해 개발된 DANS 기반 자율주행 로봇은 극도로 비정형적인 도시 환경에서도 강건한 인식 능력과 높은 자율성을 갖추며, 안전하고 효율적인 실외 주행을 가능하게 한다. 기대효과로는 축적된 주행 데이터와 핵심 기술 모듈의 라이브러리화를 통해 다양한 로봇 플랫폼에 응용할 수 있는 활용성 증대, 자율주행 시스템의 인식 정확도 및 판단 능력 고도화, 실내 중심의 로봇 서비스 영역을 실외로 확장함으로써 산업 전반의 응용 범위를 넓히고 관련 핵심 부품 수요 확대를 통한 새로운 시장 창출이 가능할 것으로 기대된다.
이동로봇
자율주행
심층기계학습
지능성장
아키텍처
2
2023년 12월-진행 중
대규모 실내업무공간에서 동작하는 다중 이동로봇을 위한 협력적 지도작성, 환경인식 및 자율주행 기술개발
산업통상자원부
이 연구는 대규모 실내업무공간에서 복수의 이동로봇이 협력적으로 자율주행하고 지도작성을 수행할 수 있도록 하는 핵심 기술들을 개발하는 것을 목표로 한다. 특히 3차년도에는 복잡한 환경에서 발생하는 다양한 실사용 시나리오에 대응할 수 있는 기술을 고도화하고, 실환경 기반 통합 기술의 검증을 중심으로 연구가 진행된다. 주요 기술로는 장애물 가림에도 강인한 bird’s-eye-view 기반의 주행가능영역 검출, 조명·시점·환경 변화에 영향을 받지 않는 지역 이미지 기반 정밀 위치인식 기술, 로봇 내재화를 고려한 경량화된 물체검출 신경망, 실시간 지도 업데이트를 위한 동적 장애물 제거 및 뉴럴 SLAM 기반 3D 지도 정합 기술, 미확인 객체에 대한 점진적 학습 기반 지도 반영 기술 등이 포함된다. 또한, 복수 로봇이 다양한 목표지점에서 임무를 수행할 수 있도록 경로생성 알고리즘을 고도화하고, 실시간으로 작업 지연·장애 상황에 대응하여 작업을 재할당하는 개선 알고리즘도 개발된다. 이와 함께 실내 업무공간 내에서 다중로봇의 실시간 협력과 운용 상태를 모니터링하고 효율적으로 관리할 수 있는 확장형 시각화 솔루션과 인터페이스가 구축되며, 인천공항 실환경을 기반으로 한 단위 및 통합 현장 테스트 시나리오가 실제로 작성 및 검증되어 기술의 실증 가능성이 확인된다. 이러한 기술은 향후 대규모 업무공간에서 다양한 유형의 협력 로봇이 안정적이고 효율적으로 운용될 수 있는 기반이 되며, 로봇산업의 상용화 및 고도화된 스마트 업무환경 구축에 중대한 기여를 할 것으로 기대된다.
다중 이동 로봇
협력적 지도적성
협력적 환경인식
협력적 자율주행
3
2023년 12월-진행 중
(세부5-3) 자율이송 모바일 매니퓰레이팅 기반 지능형 제조 물류 시스템 개발
과학기술정보통신부
이 연구는 5G MEC 기반의 자율이송 모바일 매니퓰레이터 기술을 활용하여 스마트 제조현장의 물류 자동화 고도화를 목표로 하는 지능형 제조 물류 시스템을 개발하는 프로젝트로, 유연한 생산 환경에서 다종·다중 로봇의 자율 협업을 실현할 수 있는 차세대 로봇 물류 플랫폼 기술을 종합적으로 구현하는 데 목적이 있다. 핵심 목표는 고성능 자율이송 로봇, 동적 작업 계획 프레임워크, 로봇 관제 시스템, 비전문가용 인터페이스, 그리고 실제 수요기업 공정을 모사한 테스트베드 등을 기반으로, 물류 이송의 효율성과 신뢰성을 동시에 달성하는 것이다. 연구진은 5G MEC 기반 로봇 자율이송 플랫폼을 설계하여, 실시간 센서 데이터로부터 장애물 지도를 생성하고, 모바일 매니퓰레이터와 중앙 관제 시스템이 연동되는 API 및 인터페이스를 구현하였다. 또한, 작업 상황 인지, 이상 감지, 자율 경로 재설정 기능을 포함하는 동적 작업 계획 프레임워크를 개발함으로써, 현장 변화에 빠르게 대응할 수 있는 로봇 운영 알고리즘을 확립하였다. 다종/다중 로봇 관제 시스템은 수치·의미적 지도 기반 주행 경로 관리, 교통 통제 기능, 작업 스케줄 관리 기능 등을 포함하여 대규모 로봇 운영을 가능케 하였으며, 작업지점 충돌 회피 기술을 통해 밀집 환경에서도 충돌 없이 협업이 가능한 정밀 제어를 구현하였다. 기술적 측면에서 다종/다중 로봇을 통합 운영하는 스마트 물류 기술, 완전 자율형 작업 계획 시스템, 그리고 글로벌 로봇 관제 시장에 대응 가능한 핵심 기술을 선제적으로 확보하는 데에 큰 의의가 있다. 또한 경제·산업적 측면에서는 5G 기반 로봇 기술의 다양한 산업 응용(물류, 유통, 방역, 무인운송 등)을 통한 파급력 확보와 함께, 정부가 추진하는 4차 산업혁명 기반 경제 활성화와 연계된 새로운 자동화 플랫폼 생태계 형성, 국내 기술주도의 글로벌 시장 진출 기반 마련, 관련 산업의 새로운 수익모델 창출 등의 효과가 기대된다. 이로써 해당 기술은 스마트 공장 물류 자동화의 미래 청사진을 구체화하는 중추적 기반 기술로 평가된다.
자율 모바일 머니플레이터
자율이송
자율주행
플릿매니지먼트
최신 특허
특허 전체보기
상태출원연도과제명출원번호상세정보
--위험지형 자가 인식 및 경험 기반의 주행가능성 평가가 가능한 이동로봇10-2024-0033366-
--자가 학습 기반의 주행 가능성을 평가하는 이동 로봇10-2020-0185906-
--위치 추정 상태 진단 방법 및 이를 수행하는 자율주행로봇10-2193914-
전체 특허

위험지형 자가 인식 및 경험 기반의 주행가능성 평가가 가능한 이동로봇

상태
-
출원연도
-
출원번호
10-2024-0033366

자가 학습 기반의 주행 가능성을 평가하는 이동 로봇

상태
-
출원연도
-
출원번호
10-2020-0185906

위치 추정 상태 진단 방법 및 이를 수행하는 자율주행로봇

상태
-
출원연도
-
출원번호
10-2193914
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
기술파급력
크라우드소싱 데이터 기반 차세대 HD Map 자동 업데이트 기술
AI 요약 확인하기
독보적기술
극한 환경 극복, 불확실성 인지형 초정밀 측위 기술
AI 요약 확인하기
기업협력
다종·다수 로봇 군집 제어 및 운용 최적화 시스템
AI 요약 확인하기
상용화성공
상용화 수준의 자율주행 제어기 및 시스템 개발 역량
AI 요약 확인하기
핵심알고리즘
좁고 복잡한 공간을 위한 최적 경로 탐색 알고리즘
AI 요약 확인하기
연구자역량
세계적 수준의 연구진과 학술적 권위
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
무료 리포트 확인하기

주식회사 디써클

대표 장재우,이윤구서울특별시 강남구 역삼로 169, 명우빌딩 2층 (TIPS타운 S2)대표 전화 0507-1312-6417이메일 info@rndcircle.io사업자등록번호 458-87-03380호스팅제공자 구글 클라우드 플랫폼(GCP)

© 2026 RnDcircle. All Rights Reserved.