RTES Lab
기계정보공학과 김태현
RTES Lab(실시간 임베디드 시스템 연구실)은 지능형 IoT, 온디바이스 AI, GPU 컴퓨팅 등 첨단 임베디드 시스템 기술을 중심으로 다양한 융합 연구를 수행하고 있습니다. 본 연구실은 임베디드 시스템의 실시간성, 신뢰성, 효율성을 극대화하기 위한 하드웨어 및 소프트웨어 기술을 개발하며, 산업 현장과 사회 전반에 실질적으로 기여할 수 있는 솔루션을 제시하고 있습니다.
특히, IoT 시스템 아키텍처와 응용 개발에 주력하여, 스마트 시티, 스마트 팩토리, 스마트 농업 등 다양한 분야에 적용 가능한 지능형 네트워크 및 데이터 처리 기술을 연구합니다. 오픈소스 플랫폼과 모바일 디바이스를 활용한 실시간 환경 모니터링, 산업 자동화 시스템 등 실제 산업 현장에서 요구되는 혁신적인 IoT 솔루션을 개발하고 있습니다.
또한, 온디바이스 딥러닝 및 엣지 AI 분야에서는 임베디드 보드와 모바일 기기에서 효율적으로 동작하는 경량화된 딥러닝 모델을 설계하고, 연속학습 기반의 결함 진단, 소음 분석, 비상 상황 감지 등 다양한 응용을 실현하고 있습니다. 모델 최적화, 하드웨어 가속, 실시간성 확보 등 첨단 기술을 적용하여, 산업 자동화와 스마트 인프라 구축에 기여하고 있습니다.
GPU 컴퓨팅 및 병렬처리 분야에서는 대규모 데이터 처리와 복잡한 연산이 요구되는 문제에 대해 GPU의 병렬처리 능력을 극대화하는 최적화 기법을 연구합니다. 딥러닝, 이미지 처리, 지진파 분석 등 다양한 응용 분야에 GPU 컴퓨팅을 적용하여, 기존 대비 월등한 성능을 달성하고 있습니다.
이 외에도, 오픈 액세스 데이터셋 구축, 산업용 진동 분석 시스템, 네트워크 기반 모션 제어 등 다양한 연구를 통해, 미래형 스마트 사회 실현에 필요한 핵심 기술을 선도적으로 개발하고 있습니다. RTES Lab은 실시간 임베디드 시스템 분야의 혁신을 이끌며, 학계와 산업계 모두에서 높은 평가를 받고 있습니다.
CANopen Multi-Encoder System
Parallel Programming Framework
Industrial Automation
지능형 IoT 시스템 및 응용
지능형 IoT(사물인터넷) 시스템은 다양한 센서, 액추에이터, 모바일 디바이스 등 분산된 장치들이 네트워크를 통해 상호 연결되어 데이터를 수집하고 제어하는 기술을 의미합니다. 본 연구실에서는 이러한 IoT 시스템의 아키텍처 설계와 응용 개발에 주력하고 있으며, 로보틱스, 스마트 시티, 스마트 농업 등 다양한 분야에 적용 가능한 솔루션을 연구하고 있습니다. 특히, Wi-Fi, 블루투스, 이더넷 등 다양한 통신 프로토콜을 활용하여 수많은 엔드노드가 게이트웨이 및 클라우드 서버와 효율적으로 통신할 수 있도록 하는 기술 개발에 집중하고 있습니다.
연구실에서는 환경 제어, 모니터링, 딥러닝 기반 데이터 분석 등 실질적인 산업 현장에 적용 가능한 IoT 응용을 개발하고 있습니다. 오픈소스 플랫폼인 FiWare와 같은 프레임워크를 활용하여 산업 현장의 모니터링 시스템을 간소화하고, 모바일 디바이스를 통한 실시간 데이터 수집 및 제어 기술을 구현하고 있습니다. 이를 통해 산업 자동화, 스마트 팩토리, 도시 인프라 관리 등 다양한 분야에서 혁신적인 IoT 솔루션을 제공하고 있습니다.
향후 연구 방향으로는 IoT 시스템의 보안성 강화, 에너지 효율성 향상, 대규모 분산 환경에서의 신뢰성 있는 데이터 처리 기술 개발 등이 있습니다. 또한, 인공지능과의 융합을 통해 더욱 지능적이고 자율적인 IoT 시스템을 구현함으로써, 미래형 스마트 사회의 기반을 마련하는 데 기여하고자 합니다.
온디바이스 딥러닝 및 엣지 AI
온디바이스 딥러닝은 클라우드 서버가 아닌 엣지 디바이스(임베디드 보드, 모바일 기기 등)에서 직접 딥러닝 모델의 추론을 수행하는 기술입니다. 본 연구실은 임베디드 시스템의 한정된 연산 자원과 에너지 효율성을 고려하여, 경량화된 딥러닝 모델의 개발과 최적화에 중점을 두고 있습니다. 자율주행, 위성/항공 영상 처리, 의료 영상 분석, 자연어 처리 등 다양한 응용 분야에서 엣지 AI의 실질적 적용 가능성을 탐구하고 있습니다.
특히, 연구실은 모델의 정확도, 에너지 효율성, 연산 속도 간의 균형을 맞추기 위한 다양한 최적화 기법을 연구하고 있습니다. 예를 들어, 모델 양자화, 프루닝, 하드웨어 가속기 활용 등 최신 기술을 적용하여, 임베디드 환경에서도 고성능의 AI 추론이 가능하도록 하고 있습니다. 또한, 연속학습(Continual Learning) 기반의 결함 진단 시스템, 경량 비전 트랜스포머, 소음 분석 및 비상 상황 감지 등 실제 산업 현장에서 요구되는 다양한 문제를 해결하는 데 주력하고 있습니다.
이러한 연구는 산업 자동화, 스마트 팩토리, 도시 인프라, 환경 모니터링 등 다양한 분야에서 실시간 데이터 분석과 의사결정 지원에 큰 역할을 하고 있습니다. 앞으로는 더욱 다양한 엣지 디바이스와의 호환성 확보, 실시간성 강화, 그리고 데이터 프라이버시 보호를 위한 온디바이스 AI 기술의 고도화에 집중할 계획입니다.
GPU 컴퓨팅 및 병렬처리 최적화
GPU 컴퓨팅은 기존의 멀티코어 기반 아키텍처의 성능 한계를 극복하기 위한 병렬처리 기술로, 대규모 데이터 처리와 복잡한 연산이 요구되는 분야에서 각광받고 있습니다. 본 연구실은 GPU 아키텍처의 구조적 이해와 함께, 병렬 프로그램의 최적화 기법에 대한 심도 있는 연구를 진행하고 있습니다. 특히, 각 스레드의 자원 사용과 동시 실행 가능한 스레드 수의 균형을 맞추는 것이 핵심 과제로, 이를 통해 GPU의 최대 성능을 이끌어내고자 합니다.
연구실에서는 딥러닝, 이미지 처리, 엣지 컴퓨팅 등 다양한 응용 분야에서 GPU를 활용한 고성능 컴퓨팅 기술을 개발하고 있습니다. 예를 들어, 지진파 분석, 산업용 결함 진단, 환경 소음 분석 등 실제 문제에 GPU 병렬처리 기술을 적용하여, 기존 대비 월등한 처리 속도와 정확도를 달성하고 있습니다. 또한, GPU 기반의 병렬화 프로그램 모듈 개발 및 최적화, 다양한 하드웨어 환경에서의 성능 평가 등 실질적인 시스템 구현 경험을 축적하고 있습니다.
향후에는 GPU와 CPU, TPU 등 이기종 컴퓨팅 환경에서의 효율적인 자원 분배와 통합 최적화, 그리고 대규모 분산 시스템에서의 병렬처리 확장성 확보에 주력할 예정입니다. 이를 통해 인공지능, 빅데이터 분석, 실시간 제어 등 첨단 산업 분야에서 요구되는 고성능 컴퓨팅 인프라를 제공하는 데 기여하고자 합니다.
1
Hybrid Approach for Machine Anomaly Detection across Diverse Operating Conditions: Combining Self-Supervised Learning with Vibration Statistics
Seongjae Lee, Taehyoun Kim
IEEE Transactions on Instrumentation and Measurement, 2025
2
Multi-domain Vibration Dataset with Various Bearing Types Under Compound Machine Fault Scenarios
Seongjae Lee, Taewan Kim, Taehyoun Kim
Data in Brief, 2024
3
FRFconv-TDSNet: Lightweight, Noise-Robust Convolutional Neural Network Leveraging Full-Receptive-Field Convolution and Time Domain Statistics for Intelligent Machine Fault Diagnosis
Seongjae Lee, Taehyoun Kim
IEEE Transactions on Instrumentation and Measurement, 2024
