이 연구 주제는 자율주행 차량이 복잡한 도심 및 고속도로 환경에서 주변 객체와 도로 구조를 정확히 인식하고, 그 결과를 바탕으로 안정적인 주행 결정을 내릴 수 있도록 하는 핵심 기술을 다룬다. 연구실의 논문과 특허, 학술발표에서는 라이다, 레이더, 비전 센서, GPS 등 다양한 센서를 결합하여 차선, 경계석, 주변 차량, 보행자, 마이크로모빌리티를 검출하고 해석하는 방법이 지속적으로 제시되고 있다. 특히 GPS 신뢰도가 낮은 환경에서 라이다 기반 도로 경계 검출과 다중 칼만 필터를 이용한 의사결정은 이 연구실의 대표적인 인지·판단 접근을 잘 보여준다. 연구 방법론 측면에서는 센서 융합, 다중 모델 추정, 상태 추정, 객체 추적, 의도 판단, 위험도 평가가 유기적으로 결합된다. 단순히 물체를 검출하는 수준을 넘어, 주변 차량의 끼어들기 의도나 차선 변경 가능성, 교차로 내 상호작용 궤적까지 예측함으로써 주행 전략 수립에 직접 활용할 수 있는 고차원 판단 기술을 개발한다. 최근에는 딥러닝과 트랜스포머 기반 모델, 지속학습, 능동학습, 시계열 데이터 기반 학습 데이터 구축 등 인공지능 기법을 적극 도입하여 인지 성능과 일반화 능력을 동시에 향상시키는 방향으로 연구가 확장되고 있다. 이 연구의 궁극적인 목표는 실제 도로 환경에서 신뢰할 수 있는 자율주행 판단 체계를 구현하는 것이다. 이를 위해 도로 인프라 데이터 생성, 실도로 데이터와 시뮬레이션 데이터의 결합, 오검출·미검출 상황 대응, 인지 성능 저하 모사 등 현장 중심의 문제를 다룬다. 이러한 성과는 차선 수준 위치 인식, 충돌 회피, 긴급 제동, 자동 발렛파킹, 인프라 연계형 자율주행 등 다양한 응용으로 이어질 수 있으며, 향후 상용 자율주행 시스템의 안정성과 설명 가능성을 높이는 기반 기술로 기능한다.

이 연구 주제는 비선형 시스템 이론과 차량 동역학 모델링을 바탕으로 자율주행 차량 및 지능형 이동체의 제어 성능을 향상시키는 데 초점을 둔다. 연구실의 대표 논문인 동적 표면 제어(Dynamic Surface Control), 옵저버 기반 제어, LMI 기반 안정성 해석 연구는 송봉섭 연구실의 이론적 기반이 비선형 제어에 깊이 뿌리내리고 있음을 보여준다. 이러한 기초 이론은 단순한 수학적 연구에 머무르지 않고, 차량 횡방향 제어, 종방향 속도 제어, 차선 변경 제어, 자동 주차, 농업용 트랙터 유도 제어, 이동로봇 및 무인 ATV 제어 등 다양한 실제 시스템으로 확장되어 왔다. 기술적으로는 상태 관측기 설계, 강인 제어, 고장 감지 및 진단, 하드웨어 인 더 루프(HIL) 검증, 분산 제어, CAN 기반 제어 시스템, 액추에이터 동특성 보상 등이 주요 구성 요소다. 특히 자율주행 차량은 타이어 힘, 조향 응답, 제동 지연, 노면 변화, 통신 지연 등 비선형성과 불확실성이 동시에 존재하기 때문에, 고전적 선형 제어만으로는 충분한 성능과 안정성을 보장하기 어렵다. 연구실은 이러한 한계를 극복하기 위해 비선형 제어 이론과 실험 검증을 결합해 실제 차량 적용 가능한 제어기를 설계하고, 주행 상황별 성능을 체계적으로 분석해 왔다. 이 분야의 연구는 자율주행 시스템의 ‘행동 실행’ 계층을 책임지는 핵심 역량으로 연결된다. 정밀한 인지가 이루어지더라도 제어기가 불안정하면 실제 차량 안전은 보장되지 않기 때문에, 연구실은 판단 알고리즘과 제어 알고리즘의 연계를 중시한다. 앞으로도 비선형 제어와 데이터 기반 제어의 융합, 예측 제어 및 학습 기반 제어의 도입, 복합 센서 환경에서의 고장감내 제어 기술 고도화를 통해 더 안전하고 부드러운 자동 주행 성능을 구현하는 방향으로 발전할 가능성이 크다.

이 연구 주제는 자율주행 및 첨단운전자보조시스템이 실제 도로에서 마주치는 위험 상황을 체계적으로 정의하고, 이를 기반으로 시스템의 안전성을 평가·검증하는 방법을 다룬다. 연구실이 수행 중인 다수의 국가과제는 SOTIF(의도된 기능의 안전성), 센서 성능 한계, 판단 기능 부족, 운전자 오사용, 코너 케이스 분석, 잔존 위험 대응과 직접적으로 연결되어 있다. 이는 단순한 기능 구현을 넘어서, 자율주행 시스템이 실패하거나 애매한 상황에서 어떤 위험을 초래할 수 있는지를 사전에 식별하고 관리하는 연구라는 점에서 의미가 크다. 연구 방법은 실도로 데이터 분석, 시뮬레이션 기반 시나리오 생성, 온톨로지 기반 데이터베이스 구축, 대리모델 및 확률모델 활용, 테스트 자동화, 시나리오 라이브러리 구축 등으로 구성된다. 최근 학술발표에서는 교차로·고속도로·비신호 교차로 환경에서의 궤적 예측, 다중 파라미터 분포 기반 시나리오 생성, 위험 시나리오 현실성 향상, 센서 성능 저하 모사, 실도로와 가상 데이터의 정합성 검증 등 매우 실용적인 주제가 반복적으로 등장한다. 이는 연구실이 안전 검증을 일회성 시험이 아니라 데이터 중심의 반복 가능한 공학 프로세스로 정립하려는 방향성을 보여준다. 이러한 연구는 향후 자율주행 상용화에서 필수적인 검증 체계를 제공한다. 특히 E2E 자율주행과 같이 내부 판단 과정을 해석하기 어려운 시스템이 확산될수록, 다양한 위험 시나리오를 구조화하고 평가 자동화를 수행하는 기술의 중요성은 더욱 커진다. 연구실의 접근은 실제 사고 예방뿐 아니라 인증 대응, 안전 기준 수립, 시뮬레이션 기반 개발 환경 구축, 산업체 협력형 평가 플랫폼 개발로 이어질 수 있으며, 국내 자율주행 안전 공학 분야에서 중요한 기반 기술로 활용될 수 있다.