연구 영역
기본 정보
논문·특허
과제
구성원
프로젝트
정부 과제
12
1
2024년 4월-2029년 4월
|387,909,000
검색 증강 대규모 언어 모델 기반의 생성형 에이전트를 활용한 특허 침해 자동 탐지 및 분석 시스템 개발
□ 본 연구는 검색 증강 생성 기법(Retrieval Augumented Generation, RAG), 대용량 언어 모델 (Large Language Model, LLM), 생성형 에이전트 (Genertive Agents)을 통합하여 특허 침해를 자동 탐지하고 분석하는 시스템 개발을 목표로 함- RAG: 인공지능이 주어진 문제에 대한 답을 찾기 위해, ...
인공지능
특허 침해 자동 탐지
대규모 언어 모델
검색 증강 생성
특허 인공지능 에이전트
2
2023년 6월-2027년 12월
|250,000,000
디지털 트윈 AI 및 메타버스 XR 연구교육과정 개발 및 운영
"디지털 트윈 AI 메타버스 XR 확산을 위한 산업인력 양성 선순환 체계 구축"[핵심내용]- 현장 밀착형 교육과정 개발- 선순환 체계 교육과정 운영- 관련 기업 참여 및 PBL 중심 교과과정 개발[정성적 목표]- 기업 운영 혁신을 위한 디지털 트윈 AI 및 메타버스 XR 활용과 관련된 모든 측면을 포괄하는 산업 현장 중심 커리큘럼 개발- 일관된 교육 성과를...
디지털 트윈
인공지능
메타버스
확장현실
몰입형 디지털 환경
3
2023년 6월-2027년 12월
|228,000,000
디지털 트윈 AI 및 메타버스 XR 연구교육과정 개발 및 운영
"디지털 트윈 AI 메타버스 XR 확산을 위한 산업인력 양성 선순환 체계 구축"[핵심내용]- 현장 밀착형 교육과정 개발- 선순환 체계 교육과정 운영- 관련 기업 참여 및 PBL 중심 교과과정 개발[정성적 목표]- 기업 운영 혁신을 위한 디지털 트윈 AI 및 메타버스 XR 활용과 관련된 모든 측면을 포괄하는 산업 현장 중심 커리큘럼 개발- 일관된 교육 성과를...
디지털 트윈
인공지능
메타버스
확장현실
몰입형 디지털 환경
4
주관|
2023년 6월-2027년 12월
|125,000,000
디지털 트윈 AI 및 메타버스 XR 연구교육과정 개발 및 운영
[교육 프로그램 체계 수립] - 교내 운영 인프라 확보?운영 인력 확보 및 공간 개선 등 초기 인프라 구축 - 관련 기업과 파트너십 구축 및 협력계획 구체화?유니티, 대우조선해양, 현대중공업, 알체라, 제네시스랩, 래블업 등 ?학부생/대학원 인턴십 프로그램 기획 - 초기 교과 및 교육과정 개발?디지털 트윈AI 및 메타버스XR 관련 현장 애로기술 수요조사 ?초기 커리큘럼 개발: 교수 5명과 업계 전문가 7명의 의견을 수렴 및 취합 - 교육 프로그램 홍보 및 학생 모집 (15명 이상) - 타대학 ICT 융합 교육과정과의 협력 및 교류 체계 구축?성균관대학교, 서울과학기술대학교의 ICT 융합 교육과정과 협력 및 교류 추진 [교육 프로그램 운영] - 추가 학생 모집 (25명 이상) - 교육과정 개선을 위한 세미나 기획 및 개최?업계 전문가 및 타 대학 교원 10명에게 본 연구 과정에 대한 피드백 요청?추가적인 현장 애로기술 수요 조사 및 분석 - 교과 및 커리큘럼 운영 개선?업계 전문가의 피드백 및 추가 수요조사를 기반으로 교과 변경 및 추가?학생 피드백을 기반으로 교육과정 참여/수료 애로사항 점검 및 개선 - 학부생/대학원 인턴십 프로그램 시행기획 및 실행?참여 학부생 15명 이내로 선발하여 인턴십 기회 제공 ?참여 대학원생 15명 전원 인턴십 기회 제공
디지털 트윈
인공지능
메타버스
확장현실
몰입형 디지털 환경
5
주관|
2021년 2월-2024년 2월
|147,360,000
디지털 트윈을 이용한 강화학습 기반의 스마트 야드 장비 배치 최적화 프레임워크 개발
본 연구는 연차별로 아래와 같은 연구를 수행한다. 1년차 1) Unity 기반의 디지털 야드 구축 ㆍD사의 야드를 표본으로 가상 디지털 야드를 구축 ㆍ기존 자원 이동 재연 프로그램 개발 2) 자원별 IoT 데이터 전처리 모델 개발 ㆍ지게차의 업무 상태 정의 ㆍ고소차의 업무 지역 정의 ㆍ블록의 공정 상태 정의 2년차 1) 지게차/고소차수요 예측 모델 개발 ㆍSpatial-CNN 기법을 활용하여 야드내 지역별 지게차 고소차 수요 예측 모델 개발 ㆍ장비별 사용 수요등을 고려 4차원 CNN 모델 개발 2) 적치장내 블록배치 최적화 모델 개발 ㆍ적치장내 블록의 위치를 최적화하여 배치하도록 뉴럴 몬테카를로 트러서치 기반의 Bin-Packing Solver 개발 3) 지게차 배치 최적화 모델 개발 ㆍ야드내 지게차의 업무 발생 예측 공간을 기반으로 뉴럴 몬테카를로 트러서치 기반의 배치 스케줄링 알고리즘 개발 3년차 1) 고소차 배치 최적화 모델 개발 ㆍ야드내 고소차의 업무 발생 예측 공정을 기반으로 뉴럴 몬테카를로 트러서치 기반의 배치 스케줄링 알고리즘 개발 2) 블록 배치 최적화 모델 개발 ㆍ야드내 블록의 공정단계 및 적치 장소를 고려하여 뉴럴 몬테카를로 트러서치 기반의 블록 배치 스케줄링 알고리즘 개발
강화학습
스마트 야드
디지털 트윈
가상물리시스템
딥러닝
혼합정수계획법
배치 최적화
스케줄링
조합 최적화
프로젝트
  • 2026년도 4월 기준으로 최신 업데이트된 정보입니다.
  • 출처: NTIS를 기반으로 제공되었습니다.