이 연구 주제는 자율로봇과 무인이동체가 복잡한 실세계 환경에서 자신의 위치를 안정적으로 추정하고 주변 지도를 동시에 구축할 수 있도록 하는 SLAM(Simultaneous Localization and Mapping) 기술에 초점을 둔다. 연구실은 LiDAR, IMU, 카메라, 이벤트 카메라, 열화상 카메라, 레이더 등 서로 다른 특성을 지닌 센서를 결합하여, 단일 센서의 한계를 넘어서는 강인한 위치추정 프레임워크를 개발한다. 특히 도심, 실내외 혼합 환경, 장기 운용 환경처럼 동적 변화가 큰 공간에서 신뢰도 높은 지도 생성과 재방문 인식이 가능한 알고리즘 설계가 핵심이다. 구체적으로는 LiDAR-관성 융합 오도메트리, 레이더 기반 ego-motion 추정, 이벤트 기반 3차원 선 복원, 이기종 센서 간 place recognition, 제한된 공가시성 조건에서의 외부 파라미터 보정, 점군 밀도 변화에 강인한 특징 추출 등의 문제를 다룬다. 관련 특허와 학술 발표를 보면 비동기 스테레오 열화상 영상의 깊이 추정, 레이더 센서 배치를 통한 자체 움직임 측정, LiDAR 맵 기반 위치인식, 멀티세션 레이더 SLAM 데이터셋 구축 등 실제 이동 플랫폼에 바로 적용 가능한 기술 축적이 이루어지고 있음을 확인할 수 있다. 이는 단순한 알고리즘 제안에 그치지 않고 센서 배치, 데이터 수집, 보정, 평가 체계까지 포함하는 시스템 수준의 연구라는 점에서 의미가 크다. 이 연구는 자율주행차, 배송로봇, 산업용 모바일 로봇, 대규모 무인이동체 군집 운용 등 다양한 응용으로 확장된다. 장기적으로는 악천후, 야간, GPS 음영, 반복 구조가 많은 환경에서도 안정적으로 작동하는 고신뢰 자율주행의 기반 기술이 되며, 도시 인프라 모니터링이나 건설현장 자동화처럼 정밀 지도와 위치정보가 필수적인 분야에서도 높은 파급효과를 가진다. 연구실의 다수의 국제 로봇·비전 학회 발표는 이러한 기술이 학문적 신뢰성과 실용성을 동시에 확보하고 있음을 보여준다.

이 연구 주제는 빛에 의존하는 일반 카메라 중심 인지 방식이 한계를 보이는 환경에서, 로봇과 차량이 안정적으로 주변을 인식하고 주행할 수 있도록 하는 극한환경 자율주행 기술을 다룬다. 연구실은 건설현장, 재난환경, 악천후, 야간, 연무·안개·수중과 같은 시각적으로 열악한 조건에서 레이더, 열화상 카메라, 수중 소나, 이벤트 센서 등 비광학 또는 저조도 친화적 센서를 적극 활용한다. 이를 통해 기존 비전 중심 자율주행이 취약했던 상황에서도 지속 가능한 인지와 의사결정을 목표로 한다. 연구 내용은 열화상 기반 오도메트리와 매핑, 레이더-라이다-관성 융합 오도메트리, 영상-열영상 변환을 통한 학습 데이터 확장, 수중 영상 복원 및 객체 탐지, 소나 기반 물체 분류, 악천후 환경용 환경인지, 차선 및 도로 구조 추론 등으로 구성된다. 관련 프로젝트에서는 비광의존적 센서 기반 자율주행, 센서 인프라 협조 기반 자율주행 커넥티비티, 멀티 IR 카메라 기반 측위 및 환경인지가 반복적으로 나타나며, 이는 단순한 센서 교체가 아니라 환경 적응형 인지 체계를 구축하려는 방향성을 보여준다. 또한 건설현장과 같은 실제 산업 현장을 대상으로 한 연구가 많아, 안전성과 현장 적용성을 동시에 고려하는 특징이 있다. 이 연구는 자율주행 모빌리티의 운용 가능 시간을 확대하고, 위험 환경에서의 탐사·점검·물류 자동화를 실현하는 데 중요한 기반이 된다. 특히 건설·해양·재난 대응 분야에서는 사람의 접근이 어렵거나 위험한 구역을 로봇이 대신 탐색해야 하므로, 비광학 센서 기반 인지는 필수 기술로 평가된다. 연구실의 접근은 다양한 센서의 장단점을 상호보완적으로 통합하여 환경 변화에 흔들리지 않는 인지 시스템을 만드는 데 있으며, 이는 향후 안전한 자율시스템 상용화에 직접적으로 기여할 수 있다.

이 연구 주제는 로봇이 실제 작업 환경에서 목적 지향적으로 행동하고, 변화하는 공간을 이해하며, 복잡한 산업 현장에서 유용한 작업을 수행할 수 있도록 하는 자율행동 기술을 포괄한다. 연구실은 단순한 이동 성능을 넘어, 로봇 조작과 내비게이션의 통합, 적은 데이터로의 빠른 적응, 물리 기반 강화학습, 오프라인 강화학습 등 학습 기반 의사결정 기술을 자율 시스템에 접목하고 있다. 이는 구조화된 공장 환경을 넘어서 비정형적이고 지속적으로 변하는 실세계 문제를 해결하려는 방향과 맞닿아 있다. 또한 건설현장과 대형 인프라를 대상으로 한 디지털트윈 구축 및 정보 수집 자동화가 중요한 연구 축을 이룬다. LiDAR, UAV, CCTV, BodyCam, 열화상 카메라, 환경센서 등을 활용해 실세계와 동기화된 3차원 디지털 환경을 만들고, 초정밀 디지털 맵을 지속적으로 업데이트하며, 시설물 상태와 작업 상황을 실시간으로 파악하는 기술을 개발한다. 인프라 모니터링용 비전 기반 로봇 기술, 건설현장 정보 수집 및 분석, 스마트건설용 디지털트윈 플랫폼, 해상 부유식 인프라 관련 프로젝트는 연구실이 로봇 인지와 공간 정보 기술을 산업 현장 문제 해결로 연결하고 있음을 보여준다. 이 연구는 로봇이 실제 산업 현장에서 사람을 보조하거나 대체하는 수준으로 발전하는 데 필요한 핵심 요소를 제공한다. 디지털트윈과 학습 기반 자율행동이 결합되면, 로봇은 환경을 단순히 인식하는 것을 넘어 미래 상태를 예측하고 작업 계획을 최적화할 수 있게 된다. 궁극적으로는 스마트건설, 물류, 점검, 유지보수, 해양 인프라 관리 등 다양한 분야에서 인간의 안전을 높이고 운영 효율을 극대화하는 방향으로 이어질 수 있다.