GLAD 연구실은 자율주행 차량의 안전성과 신뢰성을 높이기 위해 인공지능 기반의 인식 및 판단 기술을 집중적으로 연구하고 있습니다. 특히, 도로 환경에서 발생할 수 있는 다양한 상황에 대응하기 위해 딥러닝을 활용한 물체 인식, 보행자 및 차량 인지, 신호체계 분석 등 복합적인 비전 인식 기술을 개발하고 있습니다. 이를 위해 국내 교통 환경에 특화된 대용량 데이터셋을 구축하고, 실제 도로 주행 및 고정 촬영을 통해 수집된 데이터를 바탕으로 알고리즘의 성능을 지속적으로 개선하고 있습니다. 연구실에서는 스테레오 카메라, 라이다, 레이더 등 다양한 센서를 융합하여 거리 계산, 추돌 방지, 주행 판단 등 자율주행의 핵심 기능을 구현하고 있습니다. 임베디드 보드와 SoC 기반의 하드웨어 플랫폼을 활용하여 실시간 차량 제어와 주행 테스트를 수행하며, 실제 차량에 알고리즘을 적용해 시험 운행을 반복함으로써 연구 결과의 실효성을 검증합니다. 또한, 비정형 객체(경찰관, 교통안전요원, 보행자 등)의 동적 특성 인지와 같은 고차원적 인식 문제도 적극적으로 다루고 있습니다. 이러한 연구는 자율주행 기술의 상용화와 안전성 확보에 크게 기여할 것으로 기대됩니다. 국내외 산학연 협력과 오픈 데이터셋 공개를 통해 연구 결과를 확산시키고, 미래형 자동차 산업의 혁신을 선도하는 데 중추적인 역할을 하고 있습니다. GLAD 연구실의 인공지능 기반 자율주행 연구는 교통사고 감소, 교통 흐름 개선, 그리고 궁극적으로는 인간 중심의 스마트 모빌리티 실현에 기여하고 있습니다.

GLAD 연구실은 자동차 사고의 원인 규명과 과실 비율 산정을 위한 딥러닝 기반 영상 분석 시스템을 개발하고 있습니다. 이 시스템은 블랙박스, CCTV, 웹캠 등 다양한 영상 소스를 활용하여 사고 당시의 상황을 정밀하게 분석하고, 내차와 상대차의 과실 비율을 자동으로 산출합니다. 기존의 2D 이미지 분석을 넘어 시간 정보를 포함한 비디오 분석 기술을 적용함으로써, 사고의 전후 맥락과 동적 변화를 종합적으로 파악할 수 있습니다. 세계 최초로 제안된 이 기술은 3D 컨볼루션 신경망(3D CNN) 등 첨단 딥러닝 모델을 활용하여 장시간의 영상에서 의미 있는 정보를 추출하고, 실제 사고 사례에 대한 시뮬레이션을 통해 과실 평가의 정확도를 높이고 있습니다. 데이터 부족 문제를 해결하기 위해 실제 사고 영상을 활용하는 대신, 시뮬레이션 및 배우를 통한 데이터셋 구축 방식을 도입하여 개인정보 보호와 데이터 다양성 확보를 동시에 달성하고 있습니다. 이 연구는 사고 조사 자동화, 보험 심사 효율화, 법적 분쟁 최소화 등 실질적인 사회적 파급 효과를 지니고 있습니다. 또한, 관련 특허와 기술이전, 산업체와의 협력을 통해 연구 성과가 실무에 적용되고 있으며, 미래에는 자율주행차 사고 분석, 스마트시티 교통 관리 등 다양한 분야로 확장될 전망입니다.

GLAD 연구실은 3D 프린팅을 넘어 시간에 따라 형상이 변화하는 4D 프린팅 기술과 스마트 소재를 활용한 의료기기 및 마이크로 구조물 설계에도 선도적인 연구를 수행하고 있습니다. 4D 프린팅은 외부 자극(온도, 습도, 전기 등)에 반응하여 형태가 변하는 스마트 소재를 이용해, 기존 3D 프린팅의 한계를 극복하고 새로운 기능성 구조물을 제작할 수 있게 합니다. 연구실에서는 형상기억합금, 스마트 폴리머 등 다양한 소재를 활용하여, 환자 맞춤형 스텐트, 바이오센서, 미세구조체 등 의료 및 바이오 분야에 적용 가능한 혁신적 제품을 개발하고 있습니다. 예를 들어, 혈관 내 삽입이 용이하면서도 목표 위치에서 자동으로 확장되는 분기형 스텐트, 외부 자극에 따라 동적으로 변형되는 마이크로 액추에이터 등이 대표적인 연구 성과입니다. 이러한 연구는 실제 임상 적용을 위한 시제품 제작, 성능 평가, 특허 출원 등으로 이어지고 있습니다. 4D 프린팅 및 스마트 소재 연구는 의료기기의 미세화, 맞춤화, 자동화에 혁신을 가져오며, 차세대 바이오메디컬 엔지니어링 분야의 핵심 기술로 주목받고 있습니다. GLAD 연구실은 이 분야에서의 국제적 논문 발표, 특허 등록, 산학협력 등을 통해 국내외 연구를 선도하고 있습니다.