온-디바이스 AI 기반 실시간 인지 및 상태추정 연구

Real-time perception and state estimation for on-device AI

연구 내용

온-디바이스 NPU와 FPGA를 활용해 실시간 자세·행동 인지를 수행하고, 배터리 SOC/SOH 및 확률 과정 기반 상태 모델을 포함하는 상태추정 기법을 개발하는 연구

본 분야는 실시간 추론 요구를 만족하기 위해 경량 CNN 기반 자세 추정 구조를 정의하고 엣지 하드웨어에서 지연을 최소화하는 구현 기법을 다룹니다. 또한 Li-ion battery 관리에서 FPGA 시험 환경을 통해 SOC와 SOH 추정용 블록 IP를 검증하여 다중 셀 상태추정의 정합성을 확보하는 방향을 포함합니다. 아울러 연속시간 Markov chain의 비지수적 에르고딕성 조건을 통해 확률적 상태의 수렴 거동을 모델링하여, 상태추정과 추론 과정의 기반 모델을 보강하는 차별성을 보유합니다.

관련 프로젝트

2건

연구 흐름

초기에는 Li-ion battery 관리에서 SOC/SOH 추정을 위한 블록 IP 설계를 제시하고 FPGA testbed로 검증하는 접근을 수행하였습니다. 이후 실시간 driver posture estimation을 목표로 CNN 아키텍처와 하드웨어 구현을 결합하여 저지연 추론 구성을 연구하였습니다. 최근에는 Markov chain의 비지수적 수렴 특성을 다루며 확률적 상태 모델링의 관점을 확장하였고, 2025년 이후에는 영상 캡셔닝·키워드 검색 NVR과 온-디바이스 AI 기반 탑승자 인터랙션 시스템을 통해 실제 엣지 적용 성능을 구현하는 단계로 전개되었습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

온-디바이스 인체 자세 추정
실시간 운전자 모니터링
에지 비디오 캡셔닝
키워드 기반 영상 검색
저전력 컴퓨터비전 추론
배터리 SOC 추정
배터리 SOH 추정
FPGA 기반 추정 IP 검증
확률 과정 기반 상태 모델링
엣지 안전 진단 알고리즘