AI LAB
소프트웨어학부 김대원
AI LAB은 인공지능의 핵심 이론과 실제 응용을 아우르는 종합적인 연구를 수행하는 연구실입니다. 본 연구실은 머신러닝, 딥러닝, 데이터마이닝, 탐색 알고리즘 등 인공지능의 근간이 되는 기술을 심도 있게 연구하며, 이를 바탕으로 다양한 혁신적 응용 분야에 도전하고 있습니다. 특히, 온디바이스 환경에서의 지속가능 인공지능, 연속 학습, NAS(Neural Architecture Search), TinyML, TinyTL 등 최신 AI 트렌드를 반영한 연구를 선도적으로 진행하고 있습니다.
연구실의 주요 연구 분야 중 하나는 온디바이스 지속가능 학습 머신 개발입니다. 자원 제약적인 모바일 및 임베디드 디바이스에서 효율적으로 동작할 수 있는 딥러닝 모델의 구조 설계, 최적화, 연속 학습 기술을 개발하여, 스마트폰, 웨어러블, 로봇 등 실제 디바이스에서 실시간으로 적용 가능한 AI 솔루션을 제공합니다. 이러한 연구는 에너지 효율성과 학습 효율성을 동시에 달성하는 것을 목표로 하며, 개인화 서비스, 실시간 행동 인식, 지능형 로봇 등 다양한 분야에 혁신을 가져오고 있습니다.
또한, AI LAB은 음악 정보 처리, 인간-로봇 상호작용, 헬스케어, 스마트 디바이스 등 다양한 실생활 문제에 인공지능 기술을 적용하고 있습니다. 예를 들어, 다중 정서 음악 데이터셋 구축, 음악 감성 인식 및 추천, 로봇 경로 탐색, 손글씨 인식, 인간 행동 인식 등 실제 사회적 요구에 부합하는 연구를 활발히 수행하고 있습니다. 이러한 연구는 논문, 특허, 데이터셋, 소프트웨어 등 다양한 형태로 국내외에서 인정받고 있습니다.
지능형 로봇 및 인간-로봇 상호작용 분야에서도 AI LAB은 독창적인 연구를 이어가고 있습니다. 로봇의 사회적 친화성, 감정 표현, 협동 제어, 미적 상호작용 등 인간 중심의 로봇 기술 개발에 집중하며, 미래 사회에서 인간과 로봇이 자연스럽게 공존할 수 있는 기반을 마련하고 있습니다. 실제 환경을 반영한 대규모 맵 데이터셋 구축, 강화학습 기반 협동 로봇, 감정 피드백 시스템 등 다양한 연구 성과를 창출하고 있습니다.
AI LAB은 이론적 연구와 실용적 응용을 균형 있게 추구하며, 사회적 가치 창출과 기술 혁신을 동시에 실현하고 있습니다. 연구실의 다양한 프로젝트와 산출물은 국내외 학술지 및 학회에서 활발히 발표되고 있으며, 차세대 인공지능 기술의 실용화와 사회적 확산에 크게 기여하고 있습니다. 앞으로도 AI LAB은 인공지능 분야의 선도적 연구실로서, 혁신적인 연구와 인재 양성에 매진할 것입니다.
Reinforcement Learning for Robotics
Deep Learning for Mobile Devices
Feature Selection
온디바이스 지속가능 학습 머신 및 연속 학습
AI LAB은 온디바이스(Edge Device) 환경에서의 인공지능 모델 학습과 추론을 위한 지속가능 학습 머신(Sustainable Learning Machines) 연구에 집중하고 있습니다. 이 연구는 자원 제약적인 모바일 및 임베디드 디바이스에서 효율적으로 동작할 수 있는 딥러닝 모델의 구조 설계, 최적화, 그리고 연속 학습(Continual Learning) 기술 개발을 목표로 합니다. 특히, NAS(Neural Architecture Search) 기반의 모델 자동 설계, 극좌표계 기반 표현 갱신, 메모리 최적화, OOD(Out-of-Distribution) 일반화, 그리고 실시간 지식 통합 등 다양한 첨단 기술이 융합되어 있습니다.
온디바이스 연속 학습은 사용자의 데이터가 지속적으로 변화하는 환경에서, 기존에 학습한 지식을 잃지 않으면서 새로운 정보를 빠르게 습득하는 능력을 의미합니다. 이를 위해 AI LAB은 NAS 병합 모델 증류, 온라인 OOD 탐지 및 일반화, 코어 앵커 증강, 기억 재현 버퍼 동적 밸런싱, 자가 모니터링 기반의 홈오스테틱 자기지도 학습 등 다양한 방법론을 개발하고 있습니다. 이러한 기술은 스마트폰, 웨어러블, 로봇 등 실제 디바이스에서 실시간으로 적용될 수 있도록 설계되었습니다.
이 연구의 궁극적인 목표는 에너지 효율성과 학습 효율성을 동시에 달성하는 온디바이스 인공지능 시스템을 구현하는 것입니다. 이를 통해 개인화된 서비스, 실시간 사용자 행동 인식, 지능형 로봇, 헬스케어 등 다양한 응용 분야에서 혁신적인 AI 솔루션을 제공할 수 있습니다. AI LAB의 연구는 차세대 인공지능 기술의 실용화와 사회적 확산에 크게 기여하고 있습니다.
머신러닝, 딥러닝, 데이터마이닝 및 혁신적 응용
AI LAB은 머신러닝, 딥러닝, 데이터마이닝, 탐색 알고리즘 등 인공지능의 핵심 기술을 기반으로 다양한 혁신적 응용 분야에 연구를 확장하고 있습니다. 특히, 로봇공학, 헬스케어, 음악 정보 처리, 인간-컴퓨터 상호작용 등 실제 사회적 문제 해결에 초점을 맞추고 있습니다. 연구실은 AutoML, TinyML, TinyTL, 멀티레이블 분류, 특징 선택, 시계열 데이터 분석 등 최신 AI 트렌드를 반영한 연구를 활발히 수행하고 있습니다.
음악 감성 인식, 음악 추천, 멀티레이블 음악 분류, 음악 데이터셋 구축 등 음악 정보 처리 분야에서의 연구도 두드러집니다. 예를 들어, MusicEmo-A, MusicEmo-B와 같은 다중 정서 음악 데이터셋을 구축하고, Thayer의 정서 이론을 적용하여 음악의 감정 상태를 정량적으로 분석하는 시스템을 개발하였습니다. 또한, 로봇 경로 탐색, 인간 행동 인식, 스마트폰 기반 손글씨 인식 등 다양한 실제 문제에 AI 기술을 적용하여 실질적인 성과를 내고 있습니다.
이러한 연구들은 논문, 특허, 데이터셋, 소프트웨어 등 다양한 형태로 성과를 창출하고 있으며, 국내외 학술지 및 학회에서 활발히 발표되고 있습니다. AI LAB은 이론적 연구와 실용적 응용을 균형 있게 추구하며, 사회적 가치 창출과 기술 혁신을 동시에 실현하고 있습니다.
지능형 로봇 및 인간-로봇 상호작용
AI LAB은 지능형 로봇과 인간-로봇 상호작용(Human-Robot Interaction, HRI) 분야에서도 선도적인 연구를 수행하고 있습니다. 로봇의 경로 탐색, 협동 로봇 제어, 감정 표현 및 사회적 상호작용 등 다양한 주제를 다루며, 로봇이 인간과 자연스럽게 소통하고 협력할 수 있도록 하는 기술 개발에 주력하고 있습니다. 특히, 딥러닝 기반 강화학습(Deep Reinforcement Learning)을 활용한 협동 로봇, 미적 상호작용(Aesthetic Interaction) 모델, 사회적 친화성 학습 등은 AI LAB의 대표적인 연구 성과입니다.
로봇 경로 탐색에서는 유전자 알고리즘, 그래프 기반 탐색, 대규모 실험용 맵 생성 등 다양한 알고리즘적 접근을 시도하고 있습니다. 실제 환경을 반영한 대규모 맵 데이터셋(예: Triumph, Pisa, Tokyo, Vatican 등)을 구축하여, 현실적인 로봇 경로 탐색 실험이 가능하도록 지원합니다. 또한, 협동 로봇의 감정 피드백, 테이블 밸런싱, 인간의 행동 예측 등 실제 응용 문제를 해결하기 위한 연구도 활발히 이루어지고 있습니다.
이러한 연구는 인간과 로봇이 공존하는 미래 사회에서 필수적인 기술로, 서비스 로봇, 교육용 로봇, 헬스케어 로봇 등 다양한 분야에 적용될 수 있습니다. AI LAB의 인간-로봇 상호작용 연구는 기술적 혁신뿐만 아니라, 인간 중심의 따뜻한 AI 실현에도 기여하고 있습니다.
1
Multitemporal Sampling Module for Real-Time Human Activity Recognition
Jaegyun Park et al.
IEEE Access, 2021
2
Toward a Fair Evaluation and Analysis of Feature Selection for Music Tag Classification
Jonghoon Chae et al.
Pattern Recognition, 2021
3
DUFS: Pairwise Dependence-based Unsupervised Feature Selection
Hyunki Lim et al.
Concurrency and Computation, 2021
1
On-Device AI를 위한 자가 조립형 딥러닝 프레임워크 기술 개발
2
다원주의적 음악감성 기반 문화 호환적인 한국형 음악 발굴 연구
3
뮤직 맵: 메타 정보 상관성 도출 및 시각화 기술을 이용한 음악 추천 서비스 개발