KAIST AXE Lab
조천식모빌리티대학원 금동석
KAIST AXE Lab(Automotive Intelligence X Electrification Lab)은 자율주행, 인공지능, 전동화 기술을 융합하여 미래형 모빌리티 혁신을 선도하는 연구실입니다. 본 연구실은 자율주행 차량의 안전성과 효율성을 극대화하기 위한 경로 계획, 예측, 판단, 인지 등 전 과정에 걸친 핵심 기술을 개발하고 있습니다. 특히, 딥러닝과 강화학습, 최적화 이론을 바탕으로 실제 도로 환경에서 발생할 수 있는 다양한 복잡한 상황에 대응할 수 있는 실시간 경로 계획 및 예측 알고리즘을 연구하고 있습니다.
연구실은 카메라와 레이다 센서 융합 기반의 인공지능 인지 기술을 통해, 저비용 센서만으로도 라이다 수준의 3D 객체 검출 및 환경 인식 성능을 달성하고 있습니다. 크로스-모달 지식 증류, 트랜스포머 기반 융합, 그래프 신경망 등 첨단 AI 기법을 활용하여, 악천후나 비정형 환경에서도 강인한 인지 및 위치 인식이 가능하도록 연구를 진행하고 있습니다. 이와 더불어, 벡터화 고정밀 지도와 이미지를 결합한 다중 모드 장소 인식, 능동학습 기반 3D 객체 검출 등 다양한 혁신적 기술을 개발하고 있습니다.
또한, 전기 및 하이브리드 차량의 파워트레인 설계와 에너지 관리 최적화 분야에서도 세계적인 연구 성과를 내고 있습니다. 다양한 파워트레인 아키텍처에 대한 설계 공간 탐색, 실시간 예측 에너지 관리, 배터리 수명 최적화 등 이론과 실용을 아우르는 연구를 통해, 친환경 모빌리티의 미래를 열어가고 있습니다. 국내외 완성차 업체 및 연구기관과의 협력, 다수의 특허 및 논문 발표, 국제 학술대회 수상 등으로 그 우수성을 인정받고 있습니다.
연구실은 실제 차량 시뮬레이터 및 실도로 테스트베드 환경을 구축하여, 연구 결과의 실효성을 검증하고 있습니다. 다양한 정부 및 산업체 프로젝트를 수행하며, 자율주행, 인공지능, 전동화 분야의 융합 연구를 통해 글로벌 모빌리티 산업의 혁신을 이끌고 있습니다. 앞으로도 AXE Lab은 인지-예측-판단-제어의 전 과정을 아우르는 미래형 자율주행 및 전동화 핵심 기술 개발에 매진할 것입니다.
이러한 연구 역량을 바탕으로, KAIST AXE Lab은 자율주행차, 전기차, 하이브리드차 등 미래 모빌리티의 핵심 기술을 선도하며, 안전하고 지속가능한 교통 환경 구축에 기여하고 있습니다. 연구실의 목표는 이론적 연구와 실용적 성과를 동시에 달성하여, 글로벌 모빌리티 혁신의 중심이 되는 것입니다.
Autonomous Vehicles
Electric Powertrain
Sensor Fusion
자율주행 차량을 위한 최적 경로 계획 및 예측 기술
KAIST AXE Lab은 자율주행 차량의 안전하고 효율적인 주행을 위해 최적 경로 계획 및 예측 기술을 중점적으로 연구하고 있습니다. 자율주행 차량이 실제 도로 환경에서 다양한 장애물과 복잡한 교통 상황을 마주할 때, 안전한 경로를 실시간으로 생성하고 예측하는 것은 매우 중요한 과제입니다. 이를 위해 연구실은 딥러닝, 강화학습, 최적화 기반의 경로 계획 알고리즘을 개발하여, 차량이 다양한 주행 시나리오에서 충돌을 회피하고 원활하게 주행할 수 있도록 지원합니다.
특히, Homotopy 기반의 경로 계획과 제약 예측 기술을 도입하여, 비신호 교차로, 라운드어바웃, 고속도로 합류 등 다양한 주행 환경에서 발생할 수 있는 복수의 경로 선택지(동형류)를 효과적으로 탐색하고, 각 경로에 대한 안전성과 효율성을 평가합니다. 이 과정에서 주변 차량의 동적 움직임과 불확실성을 고려한 예측 모델을 적용하여, 실시간으로 최적의 주행 경로를 산출합니다. 또한, 트랜스포머 네트워크와 그래프 신경망 등 최신 인공지능 기법을 활용하여, 주변 차량의 행동을 예측하고, 이를 기반으로 경로 계획의 정확도를 높이고 있습니다.
이러한 연구는 실제 차량 시뮬레이터 및 실도로 테스트베드 환경에서 검증되고 있으며, 기존의 전통적 경로 계획 방법과 비교하여 더 높은 안전성과 주행 성능을 입증하고 있습니다. 앞으로는 다양한 도로 환경과 복잡한 교통 상황에서도 일반화 가능한 경로 계획 및 예측 기술을 개발하여, 완전 자율주행 시대를 앞당기는 데 기여하고자 합니다.
카메라-레이다 융합 기반 인공지능 인지 및 3D 객체 검출
본 연구실은 저비용 센서만을 활용하여 라이다 수준의 객체 검출 성능을 달성하는 카메라-레이다 융합 인공지능 인지 기술을 선도적으로 개발하고 있습니다. 자율주행 차량의 안전한 주행을 위해서는 주변 환경에 대한 정확한 인지가 필수적이며, 이를 위해 카메라와 레이다 센서의 장점을 결합한 다양한 딥러닝 기반 융합 알고리즘을 연구하고 있습니다. 이 과정에서 3D 객체 검출, 다중 모드 장소 인식, 불확실성 추정, 능동학습 등 다양한 최신 기술을 적용하고 있습니다.
특히, 카메라와 레이다의 데이터 특성을 효과적으로 융합하기 위해, 크로스-모달 지식 증류, 트랜스포머 기반의 스파티오-컨텍스추얼 퓨전, 그래프 모델링 등 첨단 인공지능 기법을 도입하고 있습니다. 이를 통해, 악천후나 비정형 환경에서도 강인한 인지 성능을 확보하고, 실시간 3D 객체 검출 및 위치 추정의 정확도를 크게 향상시켰습니다. 또한, 벡터화 고정밀 지도와 이미지를 결합한 다중 모드 장소 인식 기술을 개발하여, GPS 의존도를 낮추고 다양한 환경에서의 위치 인식 신뢰성을 높이고 있습니다.
이러한 연구 성과는 nuScenes, KITTI 등 세계적 자율주행 데이터셋에서 최고 성능을 달성하며, 실제 산업 현장과 연계된 다양한 프로젝트 및 특허로 이어지고 있습니다. 앞으로도 연구실은 인지-예측-판단의 전 과정을 아우르는 인공지능 기반 자율주행 핵심 기술을 지속적으로 개발하여, 글로벌 자율주행 산업의 혁신을 선도할 계획입니다.
전기 및 하이브리드 파워트레인 설계 및 에너지 관리 최적화
AXE Lab은 전기 및 하이브리드 차량의 파워트레인 설계와 에너지 관리 전략 최적화 분야에서도 세계적인 연구 역량을 보유하고 있습니다. 다양한 파워트레인 아키텍처(입력분기, 출력분기, 복합분기 등)에 대한 설계 공간 탐색, 가상 레버 기반 최적화, 다중 모드 하이브리드 시스템 설계 등 혁신적인 방법론을 개발하여, 연비와 주행 성능을 동시에 극대화하는 최적의 파워트레인 구조를 제시하고 있습니다.
특히, 실시간 예측 에너지 관리, 동적 프로그래밍 기반 최적화, 배터리 수명 및 효율을 고려한 통합 제어 전략 등 다양한 연구를 통해, 실제 산업 현장에 적용 가능한 실용적 솔루션을 제공하고 있습니다. 또한, 연료전지 하이브리드, 플러그인 하이브리드, 동적 무선충전 전기차 등 미래형 친환경 차량 기술에도 적극적으로 대응하고 있습니다. 실도로 주행 데이터와 시뮬레이션을 결합한 검증을 통해, 이론적 연구와 실용적 성과를 동시에 달성하고 있습니다.
이러한 연구는 국내외 완성차 업체 및 연구기관과의 협력 프로젝트, 특허 출원, 우수 논문 발표 등으로 이어지며, 친환경 모빌리티 산업의 기술 혁신을 주도하고 있습니다. 앞으로도 연구실은 에너지 효율과 친환경성을 극대화하는 미래형 파워트레인 및 에너지 관리 기술 개발에 매진할 계획입니다.
1
Learning Homotopy Prediction for Optimization-Based Trajectory Planners for Autonomous Driving
Abi Rahman Syamil, Dongsuk Kum
International Journal of Automotive Technology, 1970
2
Development of a real-time link-based predictive energy management strategy for extending FCEV lifes…
Geunyoung Park, Kyunghwan Choi, Minjun Kim, Eunae Cho, Kyungsub Sung, Dongsuk Kum
Elsevier Applied Energy, 1970
3
InstaGraM: Instance-level Graph Modelingfor Vectorized HD Map Learning
Juyeb Shin, Hyeonjun Jeong, Francois Rameau, Dongsuk Kum
IEEE Transactions on Intelligent Transportation Systems, 1970
1
(통합EZ)글로벌 환경 적응형 자율주행을 위한 카메라 레이다 퓨전 인공지능 핵심기술 연구(2024년도)
2
(통합EZ)Lv.4 자율주행 차량 테스트베드 환경 구축(2024년도)
3
(통합EZ)클라우드 기반 융합형 자율주행 지능학습 데이터 생성/제공을 위한 데이터 수집 가공 핵심기술 개발(2024년도)