김종한 연구실
항공우주공학과 김종한
김종한 연구실은 항공우주공학 분야에서 최첨단 유도, 항법, 제어(GNC) 기술과 인공지능, 최적화 이론을 융합한 융복합 연구를 수행하고 있습니다. 연구실은 위성, 미사일, 드론, 재사용 발사체 등 다양한 항공우주 시스템의 실시간 임무 수행과 안전성 향상을 목표로, 이론적 연구와 실용적 응용을 동시에 추구합니다.
연구실의 주요 연구 분야는 컨벡스 및 비선형 최적화, 동적 프로그래밍, 분산 추정, 협동 제어, 고장 진단, 상태 추정 등 항공우주 시스템의 핵심 제어 문제를 다룹니다. 실제로, 재사용 발사체의 연착륙 유도, 위성의 자세 제어 및 추력기 할당, 다수 무인이동체의 충돌회피 경로 생성, 미사일의 종말 유도제어 등 다양한 응용 문제에 대해 실시간 적용이 가능한 알고리즘을 개발하고 있습니다. 이러한 연구는 국내외 국방, 우주, 민간 항공 분야의 다양한 프로젝트와 연계되어 실질적인 기술 혁신을 이끌고 있습니다.
또한, 연구실은 딥러닝, 머신러닝, 강화학습 등 인공지능 기술을 항공우주 시스템에 적극적으로 도입하여, 비행체의 상태 추정, 이상 탐지, 경로 예측, 임무 할당 등 지능형 기능을 구현하고 있습니다. 트랜스포머, 오토인코더, PINN 등 최신 AI 모델을 활용한 연구는 실제 비행 데이터의 실시간 예측, 드론 및 항공기의 이상 징후 조기 경보, 다수 무인기의 협동 임무 계획 등 다양한 분야에서 성과를 거두고 있습니다. 또한, 하드웨어 제약을 고려한 경량화 AI 모델 설계, 병렬처리, 클라우드 기반 학습 및 추론 기술 등도 연구의 중요한 축을 이루고 있습니다.
연구실은 이론적 연구와 실험적 검증을 병행하여, 실제 시스템에 적용 가능한 신뢰성 높은 알고리즘과 소프트웨어를 개발하고 있습니다. 국내외 학술지 논문, 특허, 산학협력 프로젝트, 정부 과제 등을 통해 연구 성과를 널리 알리고 있으며, 국방부장관 표창, 우수신진연구자상 등 다양한 수상 경력을 통해 그 우수성이 인정받고 있습니다.
김종한 연구실은 앞으로도 항공우주공학의 미래를 선도하는 혁신적 연구를 지속할 것이며, 첨단 GNC 기술과 인공지능 융합을 통해 안전하고 효율적인 항공우주 시스템 구현에 기여할 것입니다. 연구실은 학문적 성취뿐만 아니라 산업적, 사회적 가치 창출에도 앞장서고 있습니다.
Convex Optimization
Collision Avoidance
Guidance and Navigation
항공우주 시스템을 위한 최적화 및 유도제어
김종한 연구실은 항공우주 시스템의 유도, 항법, 제어 분야에서 최적화 이론과 실제 응용을 융합한 연구를 선도하고 있습니다. 특히 컨벡스 최적화, 비선형 최적화, 동적 프로그래밍 등 다양한 수학적 기법을 활용하여 위성, 미사일, 드론, 재사용 발사체 등 항공우주 시스템의 비행 경로, 자세 제어, 임무 계획 문제를 해결합니다. 이러한 연구는 실제 시스템의 복잡한 제약 조건과 불확실성을 고려하여, 실시간으로 적용 가능한 알고리즘 개발에 중점을 두고 있습니다.
연구실은 다양한 실제 프로젝트와 산업체 협업을 통해, 위성의 on-off 추력기 할당, 재사용 발사체의 연착륙 유도, 다수 무인이동체의 충돌회피 경로 생성, 미사일의 종말 유도제어 등 다양한 응용 문제에 최적화 기반의 해법을 제시해왔습니다. 예를 들어, ADMM, 확장 프로젝션, 혼합정수계획법 등 최신 최적화 알고리즘을 실제 비행제어 소프트웨어에 적용하여, 실시간 임무 수행과 안전성 향상에 기여하고 있습니다. 또한, 센서 네트워크 기반의 분산 추정, 협동 유도제어, 상태추정 및 고장진단 등도 주요 연구 주제입니다.
이러한 연구는 항공우주 분야의 첨단 기술 발전에 직접적으로 기여하며, 국방, 우주탐사, 민간 항공 등 다양한 산업 분야에서의 실질적 문제 해결에 활용되고 있습니다. 연구실은 이론적 연구와 실험적 검증을 병행하여, 실제 시스템에 적용 가능한 신뢰성 높은 알고리즘을 개발하고, 국내외 학술지 및 특허를 통해 그 성과를 널리 알리고 있습니다.
딥러닝 및 인공지능 기반 항공우주 시스템 지능화
연구실은 딥러닝, 머신러닝, 강화학습 등 인공지능 기술을 항공우주 시스템에 접목하여, 비행체의 상태 추정, 이상 탐지, 경로 예측, 충돌 회피, 임무 할당 등 다양한 지능형 기능을 구현하고 있습니다. 특히, 트랜스포머, 오토인코더, PINN(Physics-Informed Neural Networks) 등 최신 딥러닝 모델을 활용하여, 오프로드 차량의 상태 추정, 드론의 실시간 비행 데이터 예측, 항공기 이상 징후 조기 경보, 다수 무인기의 협동 임무 계획 등 실제 현장에 적용 가능한 솔루션을 개발합니다.
이러한 연구는 대규모 센서 데이터, 레이더 신호, 비행 로그 등 다양한 데이터 소스를 효과적으로 처리하고, 실시간으로 의사결정을 내릴 수 있는 경량화된 AI 모델 설계에 중점을 둡니다. 예를 들어, 네트워크 구조 최적화, 프루닝, 병렬처리 등 하드웨어 제약을 고려한 AI 모델 경량화 연구도 활발히 진행되고 있습니다. 또한, 강화학습 기반의 충돌 회피, 임무 최적화, 비정상 상태 진단 등 실제 항공우주 시스템의 안전성과 효율성을 높이는 다양한 AI 응용 연구가 이루어지고 있습니다.
연구실의 AI 기반 연구는 현대 항공우주 시스템의 지능화와 자율화에 핵심적인 역할을 하며, 국방, 민간항공, 우주탐사 등 다양한 분야에서 혁신적인 기술 발전을 이끌고 있습니다. 실제 산업체와의 협력 프로젝트, 정부 과제, 학술 논문 및 특허를 통해 그 성과가 국내외적으로 인정받고 있습니다.
1
Neural Projection Operators for Real-Time 6-DoF Powered Descent Guidance
J. Choi, D. Lee, J.-H. Kim
AIAA SciTech 2026 Forum, 2026
2
A First-Order Approach for Nonlinear Optimal Control Under Nonconvex Constraints
Y.-J. Kim, J. Choi, J. Choi, J.-H. Kim
Optimization and Engineering, 1970
3
Huber-Based Asynchronous Fusion Filter for Robust Multirate Sensor Processing
J.-S. Park, G.-H. Kim, H.-H. Kwon, J.-H. Kim
International Journal of Control, Automation, and Systems, 1970
1
AI-based moving target tracking and situational awareness using sensor networks
2
Optimal control and actuator allocation for satellites with on-off thrusters
3
Flight dynamics module development for satellite ground control systems