ACSL Autonomous Computing Systems Lab
AI대학원 김의환
ACSL(Autonomous Computing Systems Lab)은 광주과학기술원 AI대학원에 소속된 연구실로, 인간의 삶을 더욱 풍요롭게 만들기 위한 자율 컴퓨팅 시스템을 설계하고 구축하는 데 주력하고 있습니다. 본 연구실은 ‘AI for X’라는 슬로건 아래, 다양한 분야에 적용 가능한 인공지능 핵심 기술을 개발하고, 실제 환경에서의 응용을 통해 사회적 가치를 창출하고자 합니다.
주요 연구 분야로는 지능형 상호작용 시스템과 로봇 인공지능이 있습니다. 지능형 상호작용 시스템은 인간의 메시지와 의도를 이해하고, 이에 적합한 서비스를 제공하는 기술로, 혁신적인 텍스트 입력 방식, 멀티모달 인지, 자연스러운 인간-컴퓨터 상호작용을 위한 딥러닝 기반 알고리즘 개발에 집중하고 있습니다. 이를 통해 모바일 기기, 스마트홈, 증강현실 등 다양한 응용 분야에서 인간 중심의 인공지능 서비스를 실현하고 있습니다.
로봇 인공지능 분야에서는 멀티모달 인지, 범용 내비게이션, 모바일 매니퓰레이션 등 로봇이 실제 환경에서 자율적으로 인식하고 행동할 수 있는 핵심 기술을 연구합니다. SimVODIS, 3-D Scene Graph, SF-EM 등 첨단 신경망 모델을 활용하여 로봇의 환경 이해, 변화 감지, 인간 행동 학습 및 의도 추론, 로봇-IoT 협업 등 다양한 응용 연구를 수행하고 있습니다.
또한, 머신러닝과 딥러닝 기반의 지능형 시스템 설계 및 응용에도 많은 노력을 기울이고 있습니다. 경량화 모델, 데이터 증강, 이상 탐지, 의료 영상 분석 등 실제 산업 및 사회 문제 해결을 위한 인공지능 기술 개발이 활발히 이루어지고 있습니다. 이러한 연구는 자율주행, 스마트 시티, 산업 자동화, 의료 등 다양한 분야에서 실질적인 혁신을 이끌고 있습니다.
ACSL은 창의적이고 자율적인 연구 환경을 조성하며, 투명성과 책임, 소통을 중시하는 연구 문화를 바탕으로 구성원 모두가 성장할 수 있도록 지원합니다. 앞으로도 본 연구실은 인공지능과 자율 시스템 분야에서 세계적인 연구 성과를 창출하고, 사회적 가치 실현에 앞장설 것입니다.
AI Collaboration Platforms
Visual Perception
Visual Recognition
지능형 상호작용 시스템
지능형 상호작용 시스템은 인간의 메시지를 효과적으로 수신하고, 인간의 의도를 정확하게 이해하며, 이에 적합한 서비스를 추론하는 데 필수적인 기술입니다. 본 연구실에서는 사용자의 다양한 입력 방식과 행동 패턴을 분석하여, 보다 자연스럽고 직관적인 인간-컴퓨터 상호작용을 구현하는 것을 목표로 하고 있습니다. 이를 위해 음성, 터치, 제스처 등 다양한 멀티모달 입력을 통합적으로 처리하는 알고리즘과 시스템을 개발하고 있습니다.
특히, 소프트 키보드의 한계를 극복하기 위한 ‘I-Keyboard’와 ‘Invisible Mobile Keyboard’와 같은 혁신적인 텍스트 입력 방식 연구가 활발히 이루어지고 있습니다. 사용자는 화면의 어느 위치에서나 자유롭게 타이핑할 수 있으며, 딥러닝 기반의 디코더를 통해 입력 오류를 최소화하고, 사용자의 개별적인 타이핑 습관을 반영할 수 있습니다. 또한, 공중에서 손가락 움직임만으로 텍스트를 인식하는 ‘Writing in The Air’와 같은 비접촉식 입력 기술도 개발되고 있습니다.
이러한 연구는 모바일 기기, 스마트홈, 증강현실(AR) 및 메타버스 환경 등 다양한 응용 분야에서 인간과 인공지능 시스템 간의 상호작용을 혁신적으로 변화시킬 것으로 기대됩니다. 궁극적으로는 사용자의 편의성과 접근성을 극대화하고, 인간 중심의 인공지능 서비스를 실현하는 데 기여하고자 합니다.
로봇 인공지능 및 멀티모달 인지
로봇 인공지능 분야에서는 맞춤형 서비스를 제공하기 위한 핵심 기술로 멀티모달 인지, 범용 내비게이션, 모바일 매니퓰레이션을 중점적으로 연구하고 있습니다. 본 연구실은 로봇이 실제 환경에서 인간과 자연스럽게 상호작용하고, 다양한 작업을 자율적으로 수행할 수 있도록 하는 지능형 시스템 개발에 주력하고 있습니다.
대표적인 연구로는 ‘SimVODIS’와 ‘SimVODIS++’와 같은 신경망 기반의 시각 주행 및 객체 인식, 인스턴스 분할 기술이 있습니다. 이 기술들은 로봇이 주변 환경의 기하학적 정보와 의미 정보를 동시에 인식하여, 보다 정밀한 위치 추정과 환경 이해를 가능하게 합니다. 또한, 3차원 장면 그래프(3-D Scene Graph)를 활용하여 로봇이 관찰한 환경 정보를 효율적으로 저장하고, 다양한 지능형 에이전트가 이를 활용할 수 있도록 하는 연구도 진행 중입니다.
이외에도, 서비스 로봇의 인간 행동 학습 및 의도 추론, 로봇-IoT 협업 프레임워크, 변화 감지 및 적응적 환경 인식 등 다양한 응용 연구가 활발히 이루어지고 있습니다. 이러한 기술들은 스마트홈, 자율주행, 산업 자동화 등 실제 환경에서 로봇의 활용도를 극대화하는 데 중요한 역할을 할 것입니다.
머신러닝 및 딥러닝 기반 지능형 시스템
본 연구실은 머신러닝과 딥러닝을 기반으로 한 다양한 지능형 시스템의 설계와 응용에 집중하고 있습니다. 특히, 컨볼루션 신경망(CNN), 순환 신경망(RNN), 트랜스포머, 생성적 적대 신경망(GAN) 등 최신 딥러닝 모델을 활용하여 실제 문제 해결에 적용하는 연구가 활발히 이루어지고 있습니다.
‘Tiny Machine Learning’과 같이 엣지 및 모바일 디바이스에서 효율적으로 동작하는 경량화 모델 설계, 주파수 도메인 기반 데이터 증강(FourierAugment) 등 자원 제약 환경에서의 인공지능 기술 개발도 중요한 연구 주제입니다. 또한, 변화 감지, 이상 탐지, 3D 객체 인식, 의료 영상 분석 등 다양한 도메인에 특화된 딥러닝 응용 연구가 진행되고 있습니다.
이러한 연구는 실제 산업 현장, 의료, 자율주행, 스마트 시티 등 다양한 분야에서 인공지능의 실질적 가치를 높이고, 데이터 기반의 혁신적인 문제 해결 방안을 제시하는 데 기여하고 있습니다.
1
SimVODIS: Simultaneous Visual Odometry, Object Detection, and Instance Segmentation
U.-H. Kim, S.-H. Kim, J.-H Kim
IEEE Trans. on Pattern Analysis and Machine Intelligence, 2022
2
3-D Scene Graph: A Sparse and Semantic Representation of Physical Environments for Intelligent Agents
U.-H. Kim, J.-M. Park, T.-J. Song, J.-H Kim
IEEE Trans. on Cybernetics, 2020.12
3
A Stabilized Feedback Episodic Memory (SF-EM) and Home Service Provision Framework for Robot and IoT Collaboration
U.-H. Kim, J.-H Kim
IEEE Trans. on Cybernetics, 2020.05
2
미래형자동차핵심기술전문인력양성(3/5, 2단계(1/2))