본 연구실은 인공지능 시스템의 이론적 기반부터 실제 응용까지 폭넓은 연구를 수행하고 있습니다. 특히, 딥러닝, 생성적 적대 신경망(GAN), 오토인코더, 트랜스포머 등 최신 인공지능 모델을 다양한 분야에 적용하여 혁신적인 결과를 도출하고 있습니다. 예를 들어, 의료 영상 분석, 지진 감지, 도로 피해 탐지, 피부암 진단 등 실제 사회적 문제 해결에 인공지능을 적극적으로 활용하고 있습니다. 연구실에서는 인공지능 모델의 성능 향상과 실시간 처리, 데이터 불균형 문제 해결, 다양한 센서 및 멀티모달 데이터 융합 등 실질적인 문제를 해결하기 위한 방법론을 개발합니다. 또한, 생성적 모델을 활용한 합성 데이터 생성, 비지도 학습 기반 이상 탐지, 분할 정복 전략 등 다양한 혁신적 접근법을 도입하여 실제 환경에서의 적용 가능성을 높이고 있습니다. 이러한 연구는 산업 현장, 의료, 교통, 환경 등 다양한 영역에서 실질적인 가치를 창출하고 있습니다. 더불어, 연구실은 인공지능 시스템의 신뢰성, 해석 가능성, 사용자 친화성 등도 중요한 연구 주제로 삼고 있습니다. 사용자의 행동 변화 유도, 맞춤형 피드백 제공, 인간-인공지능 협업 등 인간 중심의 인공지능 응용 연구도 활발히 진행 중입니다. 이를 통해 인공지능 기술이 사회 전반에 긍정적인 영향을 미칠 수 있도록 노력하고 있습니다.

본 연구실은 인간과 컴퓨터의 상호작용(HCI) 분야에서 다양한 연구를 수행하고 있습니다. 특히, 사용자의 행동 변화, 몰입도 향상, 사회적 상호작용 증진을 위한 인터페이스 및 시스템 설계에 중점을 두고 있습니다. 예를 들어, 모바일 알람 앱의 기상 과업 설계, 스마트폰 과다 사용 중재 시스템, 그룹 기반 스마트기기 사용 조절, 피트니스 챗봇, 장애인을 위한 인간-인공지능 상호작용 등 다양한 응용 사례를 통해 인간 중심의 기술 개발을 실현하고 있습니다. 연구실은 사용자의 실제 행동 데이터를 기반으로 한 정량적·정성적 분석을 통해, 사용자 경험(UX)과 행동 변화의 원리를 탐구합니다. 불편한 상호작용(Inconvenient Interaction), 사회적 촉진, 협력적 중재, 감정 인식 및 피드백 등 다양한 HCI 이론과 기법을 접목하여, 사용자의 습관 개선, 자기조절, 사회적 동기 부여 등 긍정적 변화를 유도하는 시스템을 개발합니다. 또한, 실시간 감정 분석, 눈 깜빡임 및 표정 인식, 음성 및 영상 기반 행동 분석 등 첨단 센싱 기술을 활용한 인터랙션 연구도 활발히 이루어지고 있습니다. 이러한 연구는 교육, 건강, 사회적 네트워크, 미디어 소비 등 다양한 생활 영역에 적용되어, 인간의 삶의 질을 높이고 사회적 문제를 해결하는 데 기여하고 있습니다. 연구실은 앞으로도 인간 중심의 인공지능 및 인터랙션 기술을 통해, 더욱 직관적이고 효과적인 사용자 경험을 제공하는 혁신적 솔루션을 지속적으로 개발할 계획입니다.

연구실은 다양한 센서 데이터, 이미지, 음성, 텍스트 등 멀티모달 데이터를 융합하여 이상 탐지 및 예측 기술을 개발하는 데 주력하고 있습니다. 예를 들어, 철도 안전을 위한 지진 감지, 플랜트 설비 이상 탐지, 도로 피해 탐지, 호흡 소리 분석 등 실제 산업 및 사회 현장에서 발생하는 다양한 데이터를 활용하여, 비지도 학습 기반의 이상 탐지 모델을 연구하고 있습니다. 특히, 오토인코더, LSTM, GAN 등 생성적 딥러닝 모델을 활용하여 정상 데이터만으로 이상 여부를 판단하는 기술, 분산 처리 및 대용량 데이터 분석, 실시간 이상 탐지 등 실질적 문제 해결에 초점을 맞추고 있습니다. 또한, 데이터 전처리, 결측값 처리, 이상 구간 분할 등 데이터 품질 향상을 위한 다양한 알고리즘도 개발하고 있습니다. 이러한 연구는 산업 현장의 안전성 향상, 유지보수 비용 절감, 신속한 사고 대응 등에 큰 기여를 하고 있습니다. 연구실은 앞으로도 멀티모달 데이터의 융합 및 해석, 실시간 예측, 사용자 맞춤형 경보 시스템 등 다양한 응용 분야로 연구를 확장할 계획입니다. 이를 통해, 인공지능 기반의 스마트 안전 관리 및 예측 시스템 구축에 선도적 역할을 할 것입니다.