Control Lab

반도체시스템공학과 장동의

Control Lab은 전기및전자공학부를 기반으로, 제어 이론, 로봇공학, 인공지능, 신호처리 등 다양한 학문 분야를 융합하여 첨단 제어 및 인공지능 시스템을 연구하는 선도적 연구실입니다. 본 연구실은 다양체 기반의 수학적 이론과 실제 시스템에 적용 가능한 알고리즘 개발을 동시에 추구하며, 드론, 로봇, 위성, 우주 로버 등 다양한 응용 분야에서 혁신적인 연구 성과를 창출하고 있습니다. 특히, 드론 및 로봇 시스템의 동역학이 유클리드 공간이 아닌 다양체 상에서 전개되는 특성을 고려하여, 안정적인 임베딩, 확장 칼만 필터, 모델 예측 제어, 비선형 관측기 등 첨단 제어 및 상태 추정 알고리즘을 개발하고 있습니다. 이러한 연구는 외란, 센서 노이즈, 시스템 불확실성 등 현실적인 문제에 강인한 제어 성능을 보장하며, 실제 자율비행 드론, 자율주행 로봇, 우주 로버 등 다양한 플랫폼에 적용되고 있습니다. 또한, 화학작용제, 유해가스 등 다양한 화학물질 탐지 및 분류를 위한 센서 신호 처리와 인공지능 알고리즘 개발에도 집중하고 있습니다. 라만 분광기, FTIR, 전자코 등 다양한 센서에서 발생하는 신호의 잡음, 드리프트, 스펙트럼 이동 등 문제를 해결하기 위해, 딥러닝 기반 오토인코더, CNN, 트랜스포머 등 최신 신경망 구조를 적용하고, 실제 군사·산업 현장에 적용 가능한 수준의 성능을 입증하였습니다. 자율비행 드론 및 로봇 시스템의 인공지능 기반 제어, 강화학습 기반 경로 계획, 비전 기반 내비게이션, 센서 고장 복구 등 다양한 응용 연구도 활발히 이루어지고 있습니다. 실제 환경에서의 실시간 적용을 위해 알고리즘 경량화, 하드웨어 최적화, 시뮬레이션 및 실증 연구 등 실용적 연구도 병행하고 있습니다. 이와 같은 연구 성과는 국내외 학술지, 국제학회, 특허, 산학협력 프로젝트 등 다양한 경로로 발표되고 있으며, 군사, 산업, 환경, 의료 등 다양한 분야에서 실질적인 사회적 가치를 창출하고 있습니다. Control Lab은 앞으로도 첨단 제어 및 인공지능 기술의 이론적·실용적 발전을 선도하며, 미래 자율 시스템의 핵심 기술 개발에 지속적으로 기여할 것입니다.

Exponential Convergence Observer

Sensor Drift Compensation

Embedded System Control

대표 연구 분야

연구 영역 전체보기

다양체 기반 제어 및 관측기 설계

본 연구실은 다양한 기계 및 로봇 시스템의 동역학이 유클리드 공간이 아닌 다양체(Manifold) 상에서 전개되는 특성을 고려하여, 다양체 기반의 제어 및 상태 추정 알고리즘을 개발하는 데 중점을 두고 있습니다. 기존의 제어 이론은 주로 유클리드 공간에서의 시스템을 대상으로 하지만, 실제 드론, 위성, 로봇 등은 회전, 위치, 자세 등 복잡한 상태 공간을 가지므로, 다양체 이론을 적용한 새로운 제어 및 관측기 설계가 필수적입니다. 연구실에서는 다양체 상에서의 시스템을 유클리드 공간으로 안정적으로 임베딩(stable embedding)하는 수학적 기법을 개발하고, 이를 기반으로 확장 칼만 필터(EKF), 비선형 관측기, 모델 예측 제어(MPC) 등 다양한 상태 추정 및 제어 알고리즘을 제안하고 있습니다. 이러한 접근법은 드론, 위성, 로봇 등 실제 시스템의 복잡한 동작을 정확하게 추적하고, 외란이나 센서 노이즈, 불확실성에 강인한 제어 성능을 보장합니다. 특히, 최근에는 딥러닝과 기계학습 기반의 관측기 설계, 강화학습 기반의 제어기 설계 등 최신 인공지능 기술과의 융합을 통해, 기존 수치해석적 방법의 한계를 극복하고, 실시간 적용이 가능한 경량화된 알고리즘 개발에도 힘쓰고 있습니다. 이러한 연구는 자율비행 드론, 자율주행 로봇, 우주 로버 등 다양한 응용 분야에서 실질적인 성과를 창출하고 있습니다.

딥러닝 및 인공지능 기반 센서 신호 처리와 화학물질 탐지

연구실은 화학작용제, 유해가스 등 다양한 화학물질의 탐지 및 분류를 위한 센서 신호 처리와 인공지능 알고리즘 개발에 선도적인 역할을 하고 있습니다. 라만 분광기, FTIR, 전자코(e-nose) 등 다양한 센서에서 발생하는 신호의 잡음, 드리프트, 스펙트럼 이동 등 현실적인 문제를 해결하기 위해, 딥러닝 기반의 오토인코더, CNN, 트랜스포머 등 첨단 신경망 구조를 적용하고 있습니다. 특히, 센서 드리프트 보상, 잡음 제거, 스펙트럼 이동 보정 등 신호 전처리 단계에서부터, 화학물질의 농도 추정, 분류, 원점 위치 추정 등 고차원적 분석까지, 전 과정을 아우르는 통합적 신호 처리 프레임워크를 구축하고 있습니다. 예를 들어, 마스킹 오토인코더 기반 드리프트 보상, 세미-슈퍼바이즈드 오토인코더 기반 FTIR 스펙트럼 분류, 비전 트랜스포머 기반 가스 원점 추정 등 최신 연구 결과를 다수 발표하였으며, 실제 군사·산업 현장에 적용 가능한 수준의 성능을 입증하였습니다. 이러한 연구는 화학전 대응, 환경 모니터링, 산업 안전 등 다양한 분야에서 실질적인 사회적 가치를 창출하고 있습니다. 또한, 신호 처리와 인공지능의 융합을 통해, 기존의 물리 기반 탐지 방법의 한계를 극복하고, 복잡한 환경에서도 신뢰성 높은 탐지 및 분류가 가능하도록 혁신적인 기술을 개발하고 있습니다.

자율비행 드론 및 로봇 시스템의 인공지능 제어

본 연구실은 자율비행 드론, 로봇 시스템, 우주 로버 등 다양한 자율주행 플랫폼의 인공지능 기반 제어 및 내비게이션 기술 개발에 주력하고 있습니다. GPS 신호가 없는 환경, 센서 고장, 외란 등 다양한 비정상 상황에서도 안정적이고 효율적인 자율비행 및 자율주행이 가능하도록, 강화학습, 모듈화된 딥러닝, 비주얼 서보잉 등 첨단 인공지능 기법을 적용하고 있습니다. 예를 들어, 비전 기반 자율 착륙, 장애물 회피, 궤적 추종, 센서 고장 복구 등 실제 환경에서 발생할 수 있는 다양한 문제를 해결하기 위해, LSTM 기반 예측 모델, 강화학습 기반 경로 계획, 이미지 기반 상태 추정 등 다양한 알고리즘을 개발하고 있습니다. 또한, 실제 드론 및 로봇 하드웨어에 적용 가능한 경량화 및 실시간 구현 기술에도 많은 노력을 기울이고 있습니다. 이러한 연구는 군사 감시정찰, 재난 구조, 산업 자동화, 우주 탐사 등 다양한 분야에서 자율 시스템의 실용화와 고도화에 크게 기여하고 있습니다. 실제로, 국내외 드론 경진대회, 로봇 시뮬레이터 개발, 산업용 로봇 시스템 등 다양한 프로젝트와 실증 연구를 통해 그 우수성이 입증되고 있습니다.

주요 논문

발행물 전체보기

A new bundle picture for the drone

Dong Eui Chang

IEEE Transactions on Automatic Control, 2023

Globally Exponentially Convergent Continuous Observers for Velocity Bias and State for Invariant Kinematic Systems on Matrix Lie Groups

Dong Eui Chang

IEEE Transactions on Automatic Control, 2021

The Adaptive Dynamic Programming Toolbox

Xiaowei Xing, 장동의교수

, 1970

완료된 프로젝트

프로젝트 전체보기

인공지능 기반의 복수 개체 동특성 추정 모델 성능 검증 및 최적화

한국전자통신연구원

2024년 05월 ~ 2024년 11월

(통합EZ)GPS 신호 및 사전정보가 없는 환경에서 감시정찰을 수행하는 AI 기반 자율비행 드론 시스템 개발(2024년도)

한국연구재단

2024년 03월 ~ 2025년 02월

(RCMS)A.I. 기반 원점 추적 모델링 기술 연구(2024년도)

국방과학연구소

2024년 ~ 2024년 05월