인지 기반·데이터드리븐 제어와 테이크오버 안전제어 통합 연구

Integrated Perception-Based and Data-Driven Control for Autonomous Mobility

연구 내용

단안 비전 추정, RLS 기반 데이터드리븐 제어, EEG 기반 운전자 상태 인식을 결합해 자율주행의 추종과 안전 제어를 수행하는 연구

인지-제어 결합과 데이터 기반 제어 설계에 초점을 둡니다. 단안 카메라를 이용해 RGB 타깃을 particle filter로 추정하고, 추정된 경로 상태에서 측면 미리보기 오차를 계산하여 LQR 기반 원하는 조향각을 산출하는 경로추종 알고리즘을 구성합니다. 제어 성능 향상을 위해 데이터드리븐 접근에서는 RLS와 gradient descent를 활용해 제어기 파라미터를 실시간으로 추정하고, steady-state performance conditions에 따라 SS-ID 형태의 적응 이득을 조정합니다. 또한 SAE Level 3에서 시스템 예외 상황 발생 시 테이크오버를 지원하기 위해 EEG 기반 운전자 상태 분류 모델을 구성하고, 분류 결과와 차량 상태를 이용해 safety index를 산정한 뒤 슬라이딩 모드 기반 종방향 제어로 적정 안전거리와 추종을 수행합니다.

관련 프로젝트

0건

연구 흐름

2023년에는 단안 카메라 기반 particle filter 경로추정과 LQR 제어를 결합한 경로추종 검증을 수행하고, 동시에 RLS와 gradient descent를 이용한 데이터드리븐 SS-ID 제어 구조를 제안했습니다. 2024년에는 EEG 기반 운전자 상태 분류 모델을 통해 테이크오버 시간을 결정하고 safety index 기반 종방향 제어를 통합하는 연구로 확장했습니다. 이후 이들 성과를 바탕으로 추정(비전·EEG)과 제어(적응·슬라이딩 모드)를 결합한 안전 중심 자율주행 제어로 연구 축을 정리했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

단안 카메라 기반 경로 상태추정
데이터드리븐 PID/SS-ID 제어 튜닝
운전자 상태 기반 제어 전환 로직
안전지수 산정 및 완충거리 제어
추정 오차 기반 LQR 설계
EEG 기반 SAE Level 3 테이크오버 지원
유한 슬라이딩 윈도우 학습 기반 제어
실시간 성능조건 기반 제어 이득 적응
인지-제어 결합형 자율주행 검증
추정 신뢰도 반영 경로추종 보조