CoCEL 연구실은 자율 비행 드론 및 UAV(Unmanned Aerial Vehicle) 시스템의 개발에 중점을 두고 있습니다. 본 연구실은 3D 전방위 심도 센서와 자율 내비게이션 솔루션을 자체적으로 개발하여, 드론이 복잡하고 미지의 환경에서도 안정적으로 비행하고 임무를 수행할 수 있도록 하는 기술을 연구합니다. 단일 드론의 모델링 및 제어뿐만 아니라, 다수의 드론이 협력하여 임무를 수행하는 스웜 제어(swarm control) 기술도 주요 연구 주제입니다. 이러한 연구는 SLAM(Simultaneous Localization and Mapping) 기술과 센서 융합 알고리즘을 활용하여, 드론이 실시간으로 환경을 인식하고 정확한 위치 추정 및 맵핑을 수행할 수 있도록 합니다. 실내에서는 광학 모션 캡처 시스템을, 실외에서는 GNSS(Global Navigation Satellite System)를 활용하여 다양한 환경에서의 내비게이션 성능을 극대화합니다. 또한, 하드웨어 개발과 센서 모듈 통합을 통해 실제 환경에서의 실험과 상용화 가능성을 높이고 있습니다. 이러한 기술들은 산업 현장, 재난 구조, 물류, 에너지 관리 등 다양한 분야에 적용될 수 있으며, 연구실은 스타트업과의 협력을 통해 상용화 및 실용화에도 적극적으로 나서고 있습니다. 미래에는 더욱 복잡한 임무 수행과 고난이도 환경에서의 자율 비행을 실현하기 위해, 지속적으로 알고리즘과 하드웨어의 혁신을 추구하고 있습니다.

CoCEL 연구실은 최신 강화학습(Reinforcement Learning, RL) 기법을 활용한 제어 시스템 개발에 집중하고 있습니다. 기존의 고전적 제어 방식과 달리, 강화학습은 복잡하고 비선형적인 실제 환경에서의 제어 문제를 효과적으로 해결할 수 있는 강점을 가지고 있습니다. 특히, 드론, 자율주행차, 산업 플랜트 등 다양한 실제 시스템에 강화학습 기반 제어기를 적용하여, 높은 안정성과 적응성을 확보하는 연구를 수행하고 있습니다. 또한, 시뮬레이션 환경에서 학습된 정책을 실제 하드웨어로 안전하게 이전하는 SIM2REAL(Simulation to Reality) 알고리즘 개발에도 주력하고 있습니다. SIM2REAL은 시뮬레이션과 실제 환경 간의 차이를 극복하여, 현실 시스템에서의 성능 저하를 최소화하는 핵심 기술입니다. 이를 위해 센서 융합, 최적화 기반 설계, 신경망 기반의 예측 및 보정 기법 등 다양한 첨단 기술을 융합하여 연구를 진행합니다. 이러한 연구는 실제 산업 현장, 로봇 제어, 배터리 진단 및 관리 등 다양한 응용 분야에서 혁신적인 성과를 창출하고 있습니다. CoCEL 연구실은 강화학습의 이론적 발전뿐만 아니라, 실제 시스템에의 적용과 실증을 통해 산업계와 학계 모두에서 높은 평가를 받고 있습니다.

CoCEL 연구실은 리튬이온 배터리의 정밀한 모델링과 상태 진단을 위한 인공지능 및 데이터 기반 연구를 활발히 수행하고 있습니다. 배터리 내부 상태를 일관되게 모니터링하기 위해, 메조 및 마이크로 스케일의 전기화학 모델과 연속체 모델을 개발하고, 이를 기반으로 배터리의 성능 및 열화 현상을 분석합니다. 이러한 모델은 배터리의 수명 예측, 안전성 확보, 성능 최적화 등에 필수적인 역할을 합니다. 배터리 진단 및 예측을 위해 머신러닝, 신경망, 강화학습 등 다양한 인공지능 기법을 도입하고 있습니다. 실제 배터리 데이터를 활용한 데이터 기반 연구를 통해, 배터리 열화 현상(입자 균열, 리튬 도금 등)을 반영한 고도화된 진단 알고리즘을 개발하고 있습니다. 또한, 배터리 회사 및 현장 엔지니어와의 협업을 통해 실용적이고 현장 적용이 가능한 솔루션을 제시하고 있습니다. 이와 더불어, 배터리 모델 및 상태 추정 결과를 바탕으로 입력 전류를 제어하여 열화를 줄이고, 최적의 운용을 위한 스케줄링 알고리즘도 연구하고 있습니다. 이러한 연구는 전기차, 에너지 저장 시스템 등 미래 에너지 산업의 핵심 기술로 자리매김하고 있으며, CoCEL 연구실은 배터리 인포매틱스 분야의 선도적 연구 그룹으로 성장하고 있습니다.