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.

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.

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.