Robot Intelligence & System Engineering Lab. AJOU UNIVERSITY
아주대학교 AI모빌리티공학과
이수목 교수
Multi-Sensor Fusion
Deep Learning
Big Data Analytics
홈
Robot Intelligence & System Engineering Lab. AJOU UNIVERSITY
AI모빌리티공학과 이수목
RISE 연구실은 아주대학교에서 자율주행, 스마트 모빌리티, 로보틱스 분야의 첨단 인공지능 및 머신러닝 기술을 연구하는 선도적 연구실입니다. 본 연구실은 다양한 센서 데이터를 융합한 멀티모달 머신러닝, 2D/3D 컴퓨터 비전, 객체 탐지 및 추적, 센서 융합 및 위치 추정 등 자율주행의 핵심 기술을 개발하고 있습니다. 이를 통해 자율주행 차량이 복잡하고 예측 불가능한 실제 도로 환경에서도 안전하고 효율적으로 주행할 수 있도록 지원합니다.
연구실은 지속적 학습, 연합학습, 도메인 적응, 테스트 타임 적응 등 최신 머신러닝 이론을 실제 자율주행 및 스마트 모빌리티 시스템에 적용하고 있습니다. 이를 통해 다양한 환경과 도메인에서 발생하는 새로운 데이터를 효과적으로 반영하고, 개인정보 보호와 데이터 보안을 동시에 달성할 수 있는 지능형 플랫폼을 구축하고 있습니다. 또한, 대규모 실증 프로젝트와 산업체 협업을 통해 기술의 실용성과 확장성을 지속적으로 검증하고 있습니다.
공간 인공지능(Spatial AI) 분야에서는 SLAM, 장소 인식, 비가시 영역 객체 위치 추정 등 3차원 공간 인식 및 맵핑 기술을 연구하고 있습니다. Gaussian Splatting, NeRF 등 최신 3D 비전 기법을 활용하여, 자율주행 차량과 로봇이 복잡한 환경에서도 정확하게 위치를 파악하고, 안전하게 이동할 수 있도록 지원합니다. 경로 계획 및 궤적 예측 분야에서는 다양한 교통 시나리오에 대응할 수 있는 알고리즘을 개발하여, 미래형 모빌리티 서비스의 기반을 마련하고 있습니다.
RISE 연구실은 국내외 다양한 연구기관, 산업체, 정부기관과의 협력을 통해 실질적인 사회적 가치를 창출하고 있습니다. 국방, 경찰, 공항, 물류, 스마트 시티 등 다양한 응용 분야에서 연구성과를 실증하고 있으며, 실제 산업 현장에 적용 가능한 기술 개발에 집중하고 있습니다. 또한, 대규모 GPU 서버, 라이다, 레이더, 카메라 등 첨단 연구 장비와 시뮬레이터를 활용하여, 이론과 실험을 아우르는 종합적 연구를 수행하고 있습니다.
미래 교통과 모빌리티의 혁신을 이끄는 RISE 연구실은, 안전하고 효율적인 자율주행 및 스마트 모빌리티 기술의 실현을 목표로, 끊임없는 도전과 혁신을 이어가고 있습니다. 학생, 연구원, 산업체와의 활발한 협력을 통해, 미래형 이동체와 지능형 시스템의 새로운 패러다임을 제시하고 있습니다.
RISE 연구실은 자율주행 차량의 인지 및 판단 능력을 극대화하기 위해 멀티모달 머신러닝과 센서 융합 기술을 중점적으로 연구합니다. 다양한 센서(라이다, 레이더, 카메라, 사운드 등)에서 수집된 데이터를 통합하여, 복잡한 도로 환경에서도 정확하게 객체를 탐지하고 추적할 수 있는 알고리즘을 개발하고 있습니다. 이러한 기술은 자율주행 차량이 다양한 환경 변화와 예기치 못한 상황에서도 안정적으로 주행할 수 있도록 지원합니다.
특히, 센서 융합 기반의 객체 탐지 및 추적, 2D/3D 컴퓨터 비전, 딥러닝 기반 3D 객체 인식, 센서 캘리브레이션 및 최적화, 시각-언어 모델을 활용한 고차원 속성 인식 등 다양한 연구가 이루어지고 있습니다. 또한, 멀티모달 데이터의 특성을 고려한 도메인 적응, 지식 증류, 테스트 타임 적응, 생성 모델 등 최신 머신러닝 이론을 접목하여 데이터셋의 다양성과 효율성을 높이고 있습니다.
이러한 연구는 자율주행 차량뿐만 아니라, 스마트 모빌리티, 로봇, 드론 등 다양한 이동체의 인지 및 제어 시스템에도 적용될 수 있습니다. 궁극적으로는 안전하고 효율적인 미래 교통 시스템 구현에 기여하고자 하며, 실제 산업 현장과의 협업을 통해 기술의 실용화와 확장성을 지속적으로 검증하고 있습니다.
지속적 학습 및 연합학습 기반의 지능형 모빌리티 플랫폼
RISE 연구실은 자율주행 및 스마트 모빌리티 분야에서 지속적 학습(Continual Learning)과 연합학습(Federated Learning) 기술을 적극적으로 도입하고 있습니다. 지속적 학습은 실제 도로 환경에서 발생하는 다양한 상황과 새로운 데이터를 실시간으로 반영하여, 모델이 끊임없이 진화하고 적응할 수 있도록 하는 핵심 기술입니다. 이를 통해 자율주행 시스템의 신뢰성과 안전성을 높이고, 예기치 못한 상황에서도 빠르게 대응할 수 있는 능력을 확보하고 있습니다.
연합학습은 여러 차량이나 로봇, 혹은 기관 간에 데이터를 직접 공유하지 않고도 분산된 환경에서 공동으로 모델을 학습하는 방법입니다. 이는 개인정보 보호와 데이터 보안이 중요한 자율주행 및 모빌리티 분야에서 매우 중요한 역할을 하며, 다양한 환경과 도메인에서 수집된 데이터를 효과적으로 활용할 수 있게 합니다. RISE 연구실은 국내외 다양한 기관 및 산업체와의 협업을 통해 실제 연합학습 시스템을 구축하고, 대규모 실증 프로젝트를 수행하고 있습니다.
이와 더불어, 도메인 적응, 테스트 타임 적응, 스케일러블 딥러닝 등 최신 머신러닝 기법을 접목하여, 새로운 모빌리티 도메인에 신속하게 확장 가능한 지능형 플랫폼을 개발하고 있습니다. 이러한 연구는 미래형 모빌리티 서비스, 스마트 시티, 물류 로봇, 항공 및 해양 이동체 등 다양한 분야로의 응용 가능성을 넓히고 있습니다.
공간 인공지능(Spatial AI) 및 경로 계획·궤적 예측
RISE 연구실은 공간 인공지능(Spatial AI)과 경로 계획, 궤적 예측 분야에서도 선도적인 연구를 수행하고 있습니다. 공간 인공지능은 차량이나 로봇이 주변 환경을 3차원적으로 인식하고, 위치를 정확하게 파악하며, 지도 생성 및 장소 인식(SLAM, Place Recognition) 등 다양한 공간적 문제를 해결하는 기술입니다. Gaussian Splatting, Neural Radiance Field(NeRF) 등 최신 3D 비전 기술을 활용하여, 비가시 영역(NLOS) 객체의 위치 추정, 차량 자세 추정, 복잡한 도로 환경에서의 실시간 맵핑 및 위치 인식 알고리즘을 개발하고 있습니다.
경로 계획 및 궤적 예측 연구에서는 객체의 이동 경로를 예측하고, 정지-출발(Stop and Go), 차선 변경, 보행자 모호한 횡단 등 실제 도로에서 발생할 수 있는 다양한 시나리오에 대응할 수 있는 알고리즘을 개발합니다. 인프라 기반 궤적 예측, 다중 객체 궤적 예측, 교차로 상황 인지 등 다양한 응용 분야에 적용되고 있으며, 실제 교통 환경에서의 실증을 통해 기술의 신뢰성과 효율성을 검증하고 있습니다.
이러한 연구는 자율주행 차량의 안전성 향상뿐만 아니라, 스마트 시티, 물류, 항공, 해양 등 다양한 산업 분야에서의 공간 인공지능 기술 확장에 기여하고 있습니다. 또한, 대규모 데이터셋 생성 및 개선, 시뮬레이션 기반 평가 등 실용적 연구를 통해 산업계와의 협력도 활발히 이루어지고 있습니다.
