자율주행 차량의 안전성과 효율성을 극대화하기 위해서는 경로 계획과 제어 기술의 통합이 필수적입니다. 본 연구실에서는 기존의 분리된 계획 및 제어 방식에서 벗어나, 두 기능을 동시에 고려하는 통합 프레임워크를 개발하고 있습니다. 이를 통해 자율주행 차량이 복잡하고 동적인 환경에서도 실시간으로 최적의 경로를 생성하고, 장애물을 회피하며, 안전하게 주행할 수 있도록 지원합니다. 특히, 본 연구실은 예측 기반의 모델 예측 제어(MPC)와 강화학습 기반의 의사결정 알고리즘을 결합하여, 다양한 환경 변화와 불확실성에 강인한 제어 시스템을 구현하고 있습니다. 이러한 접근법은 실제 도심 환경, 고속도로, 그리고 다양한 기상 조건에서의 자율주행 성능을 크게 향상시키는 데 기여하고 있습니다. 또한, 제한된 센서 정보와 외부 환경 변화에 대응하기 위한 적응형 경로 계획 알고리즘도 활발히 연구되고 있습니다. 이러한 연구는 시뮬레이션뿐만 아니라 실제 차량 및 로봇 플랫폼을 활용한 실험을 통해 검증되고 있습니다. 이를 통해 연구실은 자율주행 기술의 상용화와 실질적인 도로 적용 가능성을 높이고 있으며, 관련 특허와 논문을 다수 발표하여 국내외 학계 및 산업계에서 주목받고 있습니다.

본 연구실은 다중 모빌리티 운용과 온디맨드 모빌리티(MOD) 시스템을 위한 인공지능 및 강화학습 기반의 운용 기술 개발에 주력하고 있습니다. 다양한 이동 수단이 혼재하는 환경에서 각 모빌리티의 경로, 속도, 행동을 최적화하기 위해, 다중 에이전트 강화학습(MARL)과 딥러닝 기반의 의사결정 시스템을 적용하고 있습니다. 이를 통해 여러 대의 차량이나 로봇이 협력적으로 임무를 수행하고, 실시간 교통 상황에 유연하게 대응할 수 있도록 합니다. 특히, 본 연구실은 실제 환경과 가상 환경 간의 간극을 줄이기 위한 시뮬레이션 플랫폼 개발, 외부 환경 정보를 활용한 정책 결정 시스템, 그리고 4족 보행 로봇을 활용한 공유 플랫폼 등 다양한 응용 분야에서 인공지능 기술을 접목하고 있습니다. 이러한 연구는 교통 흐름 예측, 실시간 경로 생성, 위험 상황 인지 및 대응 등 다양한 스마트 모빌리티 서비스의 핵심 기술로 활용되고 있습니다. 이와 같은 연구 성과는 정부 및 산업체와의 협력 프로젝트, 국내외 특허 출원, 그리고 각종 학술대회 발표를 통해 실질적인 사회적·산업적 파급력을 창출하고 있습니다. 연구실은 미래 모빌리티 사회의 핵심 인프라 구축에 기여하고자, 지속적으로 인공지능 기반의 혁신적인 모빌리티 운용 기술을 개발하고 있습니다.