조성건 교수 연구팀, 메타물질·3D 프린팅 융합 소프트 센서 논문 IF 12.1 국제학술지 게재

AI자율주행시스템공학과 조성건 교수 연구팀이 3D 프린팅 기술로 제작하는 메타물질(META-Material, 자연에는 없는 특수한 기계적 성질을 갖도록 인공적으로 설계한 구조 소재) 기반 소프트 센서를 제작 공정, 소재 시스템, 센싱 메커니즘의 세 가지 관점에서 분석하고 체계적인 설계 방향을 제시한 논문을 국제 학술지 'Small'에 게재했다. 해당 저널은 응용물리학(Applied Physics) 분야 상위 7.2%에 해당하며, IF는 12.1이다.
이번 논문은 우리 대학 첨단지능형로보틱스연구실(AIRL) 소속 석사과정생인 박세익 연구원이 제1저자로 연구를 주도했으며, 쩌이 중 응우옌 연구원(제2저자), 김은지 연구원(제3저자), 정재민 연구원(제4저자), 신하연 연구원(제5저자)이 저자로, 김병규 교수가 공저자로, 조성건 교수가 교신저자로 함께했다.
해당 연구는 소프트 로봇 센서 기술이 마주한 한계에서 출발한다. 소프트 로봇 기술이 빠르게 발전하면서 외부 환경을 인식하고 상호작용하기 위한 유연하고 분산된 형태의 인지 센서 기술이 중요해지고 있다. 그러나 기존의 단단한 형태의 센서는 소프트 로봇 특유의 크고 유연한 변형을 방해해 로봇의 움직임을 제한하는 한계가 있었다. 이에 대한 대안으로 기하학적 구조 설계를 통해 음의 푸아송 비(Negative Poisson's Ratio, 일반 재료는 잡아당기면 옆으로 가늘어지지만, 오히려 옆으로 두꺼워지는 특수한 성질) 등 자연계에서 찾기 어려운 기계적 성질을 구현하는 메타물질 기반 소프트 센서가 주목받고 있으나, 복잡하고 정교한 내부 구조는 기존의 주조나 성형 방식으로 제작하기 어렵다는 과제가 있었다.
연구팀은 이러한 구조를 정밀하게 구현할 수 있는 3D 프린팅 기술과 다기능성 소재, 변형 기반의 센싱 메커니즘을 하나의 틀에서 종합적으로 정리했다. 특히 저항형, 정전용량형, 유도형 등 센싱 메커니즘을 유형별로 분류하고, 제작 기술과 소재 시스템, 센싱 구조를 연결하는 설계 프레임워크를 제시했다. 이는 센서를 로봇에 부착하던 기존 방식과 달리 소재 설계와 기하학적 구조 자체를 하나의 지능형 시스템으로 통합해, 강성 조절과 효율적인 전기기계적 신호 변환을 가능하게 하는 접근이다.
해당 연구 방향은 복잡한 환경에서 인간과 안전하게 상호작용하는 차세대 지능형 소프트 로봇을 비롯해 웨어러블 헬스케어 기기, 스마트 의류 등 다양한 분야에 적용될 수 있는 기반 기술로 평가된다.


이번 연구는 독일 슈투트가르트대학교(University of Stuttgart) 연구진인 알렉산더 페를(Alexander Verl), 안니카 킨첸(Annika Kienzlen) 교수와의 국제 공동 연구의 결실이다. 슈투트가르트대학교 공작기계 및 생산설비 제어공학연구소(Institute for Control Engineering of Machine Tools and Manufacturing Units)와 우리 대학 KAU 로봇연구센터는 올해 양해각서(MOU)를 체결하고 공동 연구를 진행해왔으며, 페를 교수는 다음 학기 우리 대학 겸임교수로도 위촉될 예정이다.
조성건 교수는 "논문은 3D 프린팅과 메타물질 기술을 융합해 '구조 자체가 감각을 갖는 센서'라는 새로운 설계 패러다임을 제시했다"며 "기존에는 센서를 구조물에 부착했다면, 앞으로는 구조 자체가 센서가 되어 스스로 변형과 외부 환경을 인식하게 되며, 이는 차세대 소프트 로봇뿐 아니라 우주 로봇, 웨어러블 기기, 의료기기 등 다양한 분야에서 인간의 피부와 같은 지능형 구조를 구현하는 핵심 기반 기술이 될 것으로 기대한다"고 말했다.
제1저자인 박세익 연구원은 "논문을 작성하며 기존 소프트 로봇의 한계를 극복하기 위해서는 소재의 유연성뿐만 아니라 메타물질의 기하학적 구조 설계와 3D 프린팅 공정을 통합적으로 바라보는 시각이 필수적임을 깊이 깨달았다"며 "특히 독일 슈투트가르트대학교 연구진과의 긴밀한 교류를 통해 글로벌 수준의 최신 연구 동향을 폭넓게 수용하고 융합할 수 있었던 것은 석사과정생으로서 큰 자산이 됐으며, 이번 성과를 발판 삼아 다양한 환경에서 사람처럼 유연하고 정교하게 상호작용할 수 있는 차세대 지능형 소프트 로봇을 개발하는 연구자로 성장해 나가겠다"고 말했다.

2026-07-29 (AI자율주행시스템공학과)

정재훈 교수 NeurIPS 2024 논문 채택

한국항공대학교 Quantum Artificial Intelligence Lab 연구진, NeurIPS 2024 논문 채택 쾌거

한국항공대학교 인공지능학과의 송동수 학생, 고대화 학생, 정재훈 교수의 공동 연구 논문이 세계 최대의 인공지능 학술대회인 NeurIPS (Neural Information Processing Systems) 2024에 채택되었습니다. 이번 성과는 한국항공대 인공지능학과 설립 후 이룬 첫 NeurIPS 논문 채택으로, 학과와 연구진의 높은 연구 역량을 세계에 입증한 계기가 되었습니다.
NeurIPS는 1987년 창립된 이래 인공지능 및 기계학습 분야에서 가장 권위 있는 학회 중 하나로, 매년 전 세계 연구자들이 최첨단 연구 성과를 발표하고 토론하는 자리입니다. 이번 2024년 학회에는 인공지능 학계와 업계의 관심을 받는 최신 연구들이 발표될 예정이며, 논문 선정이 매우 까다롭기로 유명합니다.


한국항공대 연구진의 논문, "Amnesia as a Catalyst for Enhancing Black Box Pixel Attacks in Image Classification and Object Detection"는 강화학습 기반의 블랙박스 픽셀 공격 기법(RFPAR)을 통해 기존의 이미지 분류 및 객체 탐지에서 사용되는 적대적 공격 기법을 크게 개선한 연구입니다. 이 연구는 한정된 픽셀만으로도 높은 성공률을 가진 적대적 이미지 생성이 가능하도록 하였으며, 객체 탐지 분야에서도 혁신적인 성능을 입증했습니다.
이번 논문 채택은 한국항공대학교의 인공지능 연구 수준을 국제적으로 인정받은 사례로, 앞으로도 한국항공대 인공지능 연구진이 더욱 활발한 연구 성과를 내며 글로벌 무대에서 활약할 것으로 기대됩니다.

본 연구는 DNA 플러스 항공융합기술대학원 육성사업, 첨단분야 혁신융합대학 차세대통신 사업, 임베디드 인력양성 사업에 후원을 받아 진행되었습니다.
관련기사 _ 항대뉴스

2026-07-23 (AI자율주행시스템공학과)

개발 위성 OOV-Cube, 발사 후 극적인 성공_윤지중 교수

일반대학원 인공지능학과 윤지중 교수가 개발한 기술을 기반으로 한 초소형 위성 OOV-Cube가 유럽우주국(ESA)의 아리안 6호 로켓으로 발사된 이후 6일 만에 첫 교신에 성공했다.
OOV-Cube는 지난 9일 오후 4시(남미 현지시각·한국시각 10일 새벽 4시) 남미 프랑스령 기아나 쿠루에 있는 기아나우주센터에서 유럽의 차세대 우주발사체인 아리안 6호에 탑재되어 우주로 발사됐다. 유럽우주국이 28년만에 야심차게 선보인 신형 로켓인 아리안 6호에는 OOV-Cube 이외에도 NASA의 초소형 위성을 비롯한 9개의 위성이 실렸다.
위성들은 발사 후 1시간 6분 만에 발사체 상단으로부터 성공적으로 분리되어 목표궤도에 진입했으나 교신에 성공하기까지 며칠이 더 걸려 연구진의 애를 태웠다. 아리안 6호의 발사 일정이 지연되면서 위성 안의 배터리가 방전된 까닭에, 위성이 궤도 안착 후에도 바로 작동하지 못하고 궤도상에서 태양전지로 다시 충전하는 데 며칠이 더 걸린 것이다. 큐브 형태의 위성인 OOV-Cube는 태양전지판의 면적이 작아서 충전에 더 오랜 시간이 소요될 수밖에 없었다.
그러나 위성은 15일 오후 6시(독일 현지시각·한국시각 16일 새벽 1시) 마침내 베를린공과대학교(TU Berlin) 지상국과 첫 교신에 성공하며 현재 정상적으로 작동 중임을 알려 왔다.

아리안 6호에 탑재된 OOV-Cube와 다른 위성들의 모습
윤지중 교수와 연구진은 앞으로 1~2주간 위성의 상태를 정밀하게 점검한 후 지상 IOT 단말기와 위성이 직접 통신하는 고효율 통신프로토콜 시연, 위성 온보드 상에서 실행하는 인공지능 신경망을 통한 데이터 처리 검증 등 첨단기술을 우주 환경에서 검증하는 위성의 임무를 차례로 수행하도록 한다는 계획이다. OOV-Cube의 임무가 성공적으로 완수되면 저비용으로 높은 신뢰성을 구현하는 초소형 위성 플랫폼 기술의 검증으로 유럽 우주시장에서의 입지가 강화되고 향후 추가 기술검증 임무를 수행할 수 있는 기회도 확대될 것으로 보인다. 또한 초저전력 IOT 통신 기술 시연을 통해 지상의 수많은 휴대용 IOT 단말기와 군집위성을 연결하여 환경 모니터닝을 할 수 있게 되는 것은 물론, 향후 지상통신과 위성통신이 융합될 6G 통신 시장에서 중요한 역할을 할 IOT 서비스에 필요한 핵심기술을 시연할 수 있을 전망이다.

향후 위성의 운용은 우리 대학 분산형 우주시스템 연구실과 베를린공대, 두 곳에 있는 위성관제센터가 맡는다. 윤지중 교수는 베를린공대에서 책임연구원으로 재직할 당시 OOV-CUBE에 사용된 위성체 플랫폼인 ‘TUBiX10’을 개발‧설계했으며, 2018년부터 2020년까지 총 5기의 위성을 TUBiX10 플랫폼을 기반으로 제작하여 저궤도에서 성공적으로 운용해 왔다.

발사를 기다리고 있는 OOV-Cube
OOV-CUBE는 유럽우주국이 아리안 6호의 첫 비행을 앞두고 지난 2022년 개최한 대회에서 수상의 영광을 안으며 별도의 발사 비용 없이 우주공간에서 첨단기술을 검증할 수 있는 기회를 갖게 됐다. 윤지중 교수는 “발사체의 첫 비행이 성공하는 건 쉽지 않은 일이라 위험부담이 있었지만, 비교적 신속하고 효율적으로 위성을 개발 및 제작할 수 있다는 자신감이 있었기 때문에 도전하게 됐다”고 설명하면서 “발사기회를 제공한 유럽우주국과 차세대통신 혁신융합대학 사업의 일환으로 교내에 위성 지상국을 설치해준 대학에 감사드리며, 앞으로 한국항공대와 유럽 간 우주분야 국제협력에 더 집중하겠다”고 말했다.
윤지중 교수는 OOV-Cube의 성과를 토대로 향후 IOT 기술을 탑재한 군집위성 개발에 더 박차를 가할 예정이다.

2026-07-23 (AI자율주행시스템공학과)

윤지중 교수 개발 위성 유럽우주국(ESA) 아리안 6호 로켓으로 7월 9일 발사

2026-07-23 (AI자율주행시스템공학과)

최영훈 교수, Joint Conference에서 Best Paper Award 수상

Extended Fusion Algorithm of A-star and Artificial Potential Field for Three-Dimensional Path Planning

최영훈 교수의 연구실에서 인공지능 드론의 3차원 비행 경로 플래닝 기술을 연구하여 발표한 논문 "Extended Fusion Algorithm of A-star and Artificial Potential Field for Three-Dimensional Path Planning"이 국제 학술 대회인 "Joint conference of APCATS, AJSAE & AAME" 2023년 10월 호에 게재되었다. 
논문 사이트로 이동


[Figure 1] Simulation of fusion algorithm
 
Urban Air Mobility (UAM) has been recently getting attention due to environmental and economic reasons. This has led to research on three-dimensional path planning requiring more degrees of freedom than traditional two-dimensional path planning. Traditional path planning algorithm such as A-star and artificial potential field has focused on how to avoid collisions and how to guarantee path’s optimality. A-star algorithm is, however, hard to handle unknown obstacles, and the artificial potential field could not reach to the given destination due to local minima problem. To relieve these issues, the fusion algorithm of A-star and artificial potential field was developed.

[Figure 1] Comparison of algorithms with known and unknown (purple) obstacles


The algorithm is, however, mainly relevant to two-dimensional path planning problems. To deal with three-dimensional path planning cases for UAM, this paper introduces an extended fusion algorithm of A-star and artificial potential field algorithms to handle three-dimensional path planning problems. To demonstrate the proposed algorithm, numerical simulations are conducted with traditional A-star and artificial potential field algorithm.

2026-07-23 (AI자율주행시스템공학과)

해군분석모델용 AI-CGF를 위한 시나리오 생성 모델 설계(I): 진화학습

지승도 교수의 연구실에서 해군 지능형 가상 군사(AI-CGF) 모의 기술을 연구하여 발표한 논문 "해군분석모델용 AI-CGF를 위한 시나리오 생성 모델 설계(I): 진화학습"이 "한국군사과학기술학회지" 12월호에 게재되었다. 본 연구는 워게임에서 인간 대신 AI를 접목한 최초의 시도에 대한 타당성을 검토한 연구로, 그 타당성이 충분히 입증되어 내년부터 보완 및 확장 연구를 추진할 예정이다.
[그림 1] 전체 시스템 개요도
본 논문은 진화학습을 적용한 해군분석모델용 AI-CGF를 위한 시나리오 생성 모델을 설계하였다. 제안된 모델은 유전자 풀, 진화학습 제어기, 몬테카를로 시뮬레이션 제어기를 통해 해군분석모델에 전술 시나리오를 전달함으로써 진화학습을 시작한다. 진화 과정에서 선택, 교배, 변이의 진화 연산이 적용되었다. 총 5가지의 청군 전술 시나리오에 대하여 제안된 진화학습을 실험한 결과 전술적 가치가 높은 홍군 전술 시나리오를 생성할 수 있었다. 다만, 구성한 세력 상에서 높은 적합도가 곧바로 홍군의 승리를 의미하지는 않는 것으로 확인되었다. 그런데도 상륙전의 경우 청군의 이동 경로를 길게 가져가도록 유인함으로써 상륙 목표를 성공적으로 달성하는 고도의 전술도 확인할 수 있었다. 본 논문은 해군분석모델용 AI-CGF에 진화학습을 최초로 적용하였다. 이를 통해 인간이 설계한 청군 전술 시나리오에 대한 홍군 전술 시나리오를 자동 생성함으로써 논리적이며 수준이 높은 전술 시나리오 생성 능력을 확보할 수 있었다. 진화학습을 이용한 시나리오 생성모델은 유전 알고리즘을 통해 최적의 시나리오를 생성할 수 있다는 장점을 갖고 있으나, 학습과정에서 과도한 시간이 소요된다는 단점 또한 갖고 있다. 이를 해결하기 위해 지도 및 강화학습을 활용한 시나리오 생성 모델에 관한 연구를 후속 연구 논문에서 서술한다.

2026-07-23 (AI자율주행시스템공학과)

Stereo Confidence Estimation via Locally Adaptive Fusion and Knowledge Distillation

김선옥 교수의 연구실에서 발표한 논문 "Stereo Confidence Estimation via Locally Adaptive Fusion and Knowledge Distillation"이 "IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)"에 게재 승인되었다. IEEE TPAMI는 세계 최고 권위의 인공지능 학술지 중 하나로, Impact factor가 24.3점에 달한다. 본 연구는 김선옥 교수가 제 1 저자로 주도했으며, 스위스의 로잔 연방 공과대학교(EPFL), 연세대학교, 고려대학교, 이화여자대학교가 공동으로 참여하였다. 

[Figure 1] Network configuration in knowledge distilation framework
Stereo confidence estimation aims to estimate the reliability of the estimated disparity by stereo matching. Different from the previous methods that exploit the limited input modality, we present a novel method that estimates confidence map of an initial disparity by making full use of tri-modal input, including matching cost, disparity, and color image through deep networks. The proposed network, termed as Locally Adaptive Fusion Networks (LAF-Net), learns locally-varying attention and scale maps to fuse the tri-modal confidence features. Moreover, we propose a knowledge distillation framework to learn more compact confidence estimation networks as student networks. By transferring the knowledge from LAF-Net as teacher networks, the student networks that solely take as input a disparity can achieve comparable performance. To transfer more informative knowledge, we also propose a module to learn the locally-varying temperature in a softmax function. We further extend this framework to a multiview scenario. Experimental results show that LAF-Net and its variations outperform the state-of-the-art stereo confidence methods on various benchmarks.
[Figure 2] Confidence maps on KITTI 2015 dataset
We presented LAF-Net that estimates confidence with tri-modal input, including matching cost, disparity, and color image through deep networks. The key idea of the proposed method is to design locally adaptive attention and scale inference networks to generate optimal fusion weights. In addition, the confidence estimation performance is further improved with recursive refinement networks. In addition, we presented an effective confidence estimator through knowledge distillation using the LAF-Net taking tri-modal input as teacher, where we learned the locally varying temperature which is effective in transferring more informative value to student networks. The proposed method has competitive accuracy with simpler networks than teacher. We further applied the proposed framework to multiview stereo confidence estimation which demonstrates the generalization ability of the proposed framework. A direction for further study is to examine how confidence estimation networks could be learned in an unsupervised manner.

2026-07-23 (AI자율주행시스템공학과)

Event-Based Emergency Detection for Safe Drone

지승도 교수의 연구실에서 인공지능 드론의 안전 시스템을 위한 이벤트 기반 지능 제어 기법을 연구하여 발표한 논문 "Event-Based Emergency Detection for Safe Drone"이 SCI급 국제 우수 등재 저널인 "Applied Sciences" 2022년 8월 호에 게재되었다. 
▶ 논문 사이트로 이동
[Figure 1] Abnormal running time with / without proposed event-based emergency detection
Quadrotor drones have rapidly gained interest recently. Numerous studies are underway for the commercial use of autonomous drones, and distribution businesses especially are taking serious reviews on drone-delivery services. However, there are still many concerns about urban drone operations. The risk of failures and accidents makes it difficult to provide drone-based services in the real world with ease. There have been many studies that introduced supplementary methods to handle drone failures and emergencies. However, we discovered the limitation of the existing methods. Most approaches were improving PID-based control algorithms, which is the dominant drone-control method. This type of low-level approach lacks situation awareness and the ability to handle unexpected situations. This study introduces an event-based control methodology that takes a high-level diagnosing approach that can implement situation awareness via a time-window. While low-level controllers are left to operate drones most of the time in normal situations, our controller operates at a higher level and detects unexpected behaviors and abnormal situations of the drone. We tested our method with real-time 3D computer simulation environments and in several cases, our method was able to detect emergencies that typical PID controllers were not able to handle. We were able to verify that our approach can provide enhanced double safety and better ensure safe drone operations. We hope our discovery can possibly contribute to the advance of real-world drone services in the near future.

2026-07-23 (AI자율주행시스템공학과)

Research for an autonomous driving system for construction site

김필은 교수의 IRAM 연구실에서 진행중인 건설 현장을 위한 자율 주행 시스템을 연구를 소개한다. 로봇은 흔히 지도에 대한 정보를 기반으로 실내 환경에서 정확한 위치를 파악하고 탐색할 수 있다. 일반적인 지도는 건물의 구조적 레이아웃을 포함하지만 위치 파악의 정확도는 비구조적 건물 요소, 즉 문이나 가전제품 및 가구와 같은 일반적인 항목에 의해 크게 영향을 받는다. 이 연구는 센서에 의해 감지된 비구조적 요소에 대한 시맨틱맵을 동적으로 업데이트하여 실내 로봇 위치 파악의 견고성과 정확성을 향상시킨다. 우리는 객체 인식과 지도 업데이트를 전통적인 확률적 지역화로 통합하는 수정된 AMCL (Adaptive Monte Carlo Localization)을 제안한다. 제안된 접근 방식을 통해 로봇은 현재 환경 상태를 반영하는 의미론적 건물 지도을 업데이트하여 비구조적 요소로 인해 발생하는 오류를 자동으로 수정할 수 있다. kinnapped robot과 기존의 localization 시나리오에 대한 평가로 시맨틱 지도 업데이트 기능이 보다 정확하고 강력한 자세 추정을 달성할 수 있음을 보였다. 
 
[그림 1] 건설 현장을 위한 자율 주행 시스템 구조
또 다른 연구의 목적은 모의 건설현장에서 장애물을 감지할 수 있는 센서일체형 건설장비를 모의하는 것이다. 다양한 센서를 이용하여 현장을 정확히 포착하여 상황을 파악하고 상황 정보를 관리인에게 전달할 수 있는 건설장비의 완전 자율주행에 초점을 맞추고자 하였다. 3D 레이저 스캐너와 카메라를 사용하여 가상 픽업 트럭 모델을 만들고 장애물을 감지하기 위해 감지 데이터를 수집 및 처리하는 시뮬레이션에 대한 개요를 제공했다. 로봇 운영 체제(ROS) 프레임워크를 기반으로 통합된 센서를 장착한 픽업 트럭을 생성하여 포인트클라우드 클러스터를 감지하기 위해 PCL (포인트 클라우드 라이브러리) 알고리즘을 적용했다. 사각지대에 있는 작업자와 같은 물체를 인식하는 기능을 통해 혼잡한 건설 현장에서 작업자 안전을 향상시킬 수 있는 가능성을 보여준다. 추가 연구에는 실제 작업장에서 장비의 센서 기반 인식 및 평가를 기반으로 하는 자율 제어가 포함될 예정이다.

2026-07-23 (AI자율주행시스템공학과)

On the confidence of stereo matching in a deep-learning era

김선옥 교수의 연구실에서 발표한 논문 "On the confidence of stereo matching in a deep-learning era: a quantitative evaluation"이  "IEEE Transactions on Pattern Analysis and Machine Intelligence"에 게재되었다.


▶ 논문 사이트로 이동
[그림 1] KITTI 2015 및 Middlebury 데이터셋으로 시험한 Qualitative results concerning Census-CBCA 알고리즘
본 논문은 스테레오 매칭을 획득한 깊이 영상의 신뢰도 추정 방법들을 분석한 논문으로 최근 머신러닝 분야의 세계 최고 학술지인 IEEE Transactions on Pattern Analysis and Machine Intelligence (Impact factor: 16.389) 에 게재 승인 받았다. 본 연구는 이탈리아의 볼로냐 대학교(University of Bologna) 연구진과 국내 한국항공대학교, 연세대학교, 고려대학교, 이화여자대학교의 공동 연구로 진행되었으며 기존의 handcrafted feature부터 최근 사용되고 있는 deep learning 기반의 방법 등 약 60여가지 이상의 신뢰도 추정 방법에 대한 실험을 진행하여 결과를 비교 및 분석하였다.
분석 결과, 2019년 세계 최고 컴퓨터비전 학술대회인 IEEE Computer Vision and Pattern Recognition (CVPR)에서 발표된 김선옥 교수의 ‘LAF-Net: Locally Adaptive Fusion Networks for Stereo Confidence Estimation”이 신뢰도 추정에 있어서 가장 뛰어난 성능을 보여줌을 확인하였다.

2026-07-23 (AI자율주행시스템공학과)

A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery

최영훈 교수의 IASL 연구실에서 발표한 논문 "A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery"가 "Journal of Aircraft 2019 (JA 2019)"에 게재되었다.
▶ 논문 사이트로 이동


[그림 1] 도심항공네트워크 생성을 위한 프레임 워크

최영훈 교수의 IASL 연구실에서는 다개체 무인기를 활용하는 다양한 시나리오에 대한 임무 및 경로 계획 최적화에 관한 연구를 진행하고 있다. Journal of Aircraft에 실린 “A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery” 연구에서는 3차원 point cloud data를 활용하여 3차원 도시모델을 생성하고 이를 기반으로 항공 네트워크를 형성하는 프레임워크를 제안하였다. 또한 생성한 항공 네트워크를 활용하여 다양한 드론 배송 시나리오를 graph theory와 linear programming을 바탕으로 수학적인 모델링(정식화)를 통하여 비교 분석한 결과를 제시하였다.

2026-07-23 (AI자율주행시스템공학과)

Design of Warship Simulation Using Variable-Chromosome Genetic Algorithm

지승도 교수의 지능 시스템 연구실에서 발표한 논문 "Design of Warship Simulation Using Variable-Chromosome Genetic Algorithm"이  "Multi-Agent Systems" 2020년도 특집호에 게재되었다.
▶ 논문 사이트로 이동
A genetic algorithm (GA) is a global search algorithm based on biological genetics. GAs are generally used for industrial applications, artificial neural networks, web applications, the defense industry, and so on. However, it is difficult to apply GAs to more complex situations because of the fixed number of chromosomes. In this research, in order to overcome this limitation, we propose a variable-chromosome GA with a chromosome attachment feature. Verification of the algorithm is carried out through anti-submarine high value unit (HVU) escort mission simulations. Ultimately, it is confirmed that the GA using the variable chromosome is more effective in dealing with highly complex missions, whereby the number of chromosomes gradually increases.
[Figure 1] Overall methodology
the chromosomes organized by genes. These chromosomes, which are loaded on each model, are composed of 10 random chromosomes for the first generation. There are 10 chromosomes in an individual for the first generation, however, more or less than 10 chromosomes can be implemented via attachment after some generations have passed. Accordingly, it is possible to achieve flexible evolution, as the number of chromosomes is increased or decreased as necessary.
[Figure 2] Mission scenario

To validate the proposed methodology, wetested an anti-submarineHVUescort mission simulation. A submarine has firepower that is almost equal to a fleet. Thus, there are many warships that are required to cope with submarines. In this case study, we allocate warships, an HVU, helicopters, false targets, and an enemy submarine to create a complex warfare environment, as shown in Figure above The false targets are allocated randomly in every simulation, however, the warships, HVU, helicopters, and enemy submarine are allocated at fixed positions.

2026-07-23 (AI자율주행시스템공학과)

Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation

최영훈 교수의 IASL 연구실에서 발표한 논문 "Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation"가 "Journal of Intelligent & Robotic Systems 2019"에 게재되었다.
▶ 논문 사이트로 이동
​
[그림 1] ABECOM과 RBECOM의 경로 탐색 결과 비교
Journal of Intelligent & Robotic Systems에 실린 “Energy-Constrained Multi-UAV Coverage Path Planning for an Aerial Imagery Mission Using Column Generation” 연구에서는 UAV를 활용하여 특정 지역을 스캔하는 임무를 다루었다. 이러한 임무는 정찰, 영상/이미지 촬영, 수색/구조 등의 다양한 임무로 확장되어 활용될 수 있다. UAV를 이런 임무를 수행할 때에는 최대한 회전비행을 하는 횟수를 줄이는 것이 중요한데 기존의 선형계획법을 활용한 경로 생성 방법으로는 항공기의 회전비행 특성을 반영하기가 어려웠다. 그 이유는 회전의 유무는 직전에 방문했던 waypoint와 다음에 방문할 waypoint가 결정된 뒤에 알 수 있는데 이 조건을 선형으로 표현하기 힘들기 때문이다. 이 연구에서 linear programming과 dynamic programming을 결합한 column generation 알고리즘을 통하여 이 문제를 해결할 수 있음을 보였다.

2026-07-23 (AI자율주행시스템공학과)

공중로봇 자율 비행을 위한 딥 강화 학습 기술 개발

최영식 교수의 RML 연구실에서 단안 카메라를 통해 획득한 영상에서 Semantic segmentation 및 Depth 등의 시각 정보를 추출하여, 이를 기반으로 공중로봇이 장애물을 피해 목표지점까지 자율 비행하도록 하는 딥 강화학습(Deep Reinforcement Learning) 기술을 개발했다.
본 연구는 삼성전자의 미래기술육성센터의 지원으로 2016년 9월부터 2018년 8월까지 진행되었다. 본 연구에서 개발한 시각 정보 추출 인공 신경망(Artificial Neural Network)을 실제 한국항공대 주변 풍경에 적용해본 영상이다. 아래 [영상 1]은 3가지 화면으로 구성되어 있으며, 위에서부터 RGB 이미지, Semantic Segmentation, 그리고 Depth를 나타낸다. CityScape 및 KITTI 데이터셋으로 실험한 결과 기존의 인공 신경망과 비교했을 때, 신경망의 크기는 1/20에서 1/30이지만 정확성은 최대 10% 더 높은 결과를 보였다. 신경망의 크기를 크게 줄인 결과 임베디드 GPGPU 장비인 nVidia의 Jetson TX2에서도 작동할 수 있었으며, 10Hz의 속도로 시각 정보를 추출하는데 성공했다.


[영상 1] 실제 환경에서의 시각 정보 추출 시험
[영상 2] 딥 강화학습(Deep Reinforcement Learning)을 이용한 공중로봇의 장애물 회피 훈련
위 [영상 2]는 본 연구를 통해 추출한 시각 정보를 이용해 시뮬레이션 환경에서 자율비행을 학습시킨 결과이다. Microsoft의 AirSim 환경에서 최대 16대의 에이전트가 동시에 딥 강화학습을 진행했다. GPS를 통해 목표 지점을 정해주면 공중 로봇이 장애물을 피해 목표 지점까지 비행하도록 학습시켰다. 약 24시간 학습한 후 충돌 없이 목표 지점까지 비행할 확률이 50%에 달했으며 약 48시간 학습 후에는 90% 이상에 달했다.
[영상 3] ​실제 환경에서의 공중로봇 장애물 회피 시험
위 [영상 3]은 48시간의 시뮬레이션 학습을 마친 후 이를 실제 환경에 적용하여 실험한 결과이다. 공중로봇으로는 Parrot의 Bebop 2.0을 활용했으며, GPGPU 장비로는 nVidia의 Jetson TX2를 활용했다. 공중로봇의 단안 카메라가 이미지를 촬영하여 GPGPU 장비로 이를 전송하면, GPGPU 장비가 5Hz로 공중로봇의 비행 방향(Heading)과 속력을 제어한다. 실험 결과 목표 지점까지의 경로상에 장애물이 존재하면 약 5m에서 10m 전에 미리 비행 방향을 변경했으며, 장애물과 가까워질 수록 속력을 줄이는 것을 확인했다. 또한 장애물이 이동하더라도 충돌하지 않고 지속적으로 비행 방향과 속력을 조절하는 것을 확인했다. 다만 시뮬레이션 환경 상 움직이는 장애물에 대한 훈련을 실시하지 않았기 때문에, 충돌은 피하더라도 목표 지점까지 비행하는 경로를 찾는데는 실패하는 경향을 보였다.

2026-07-23 (AI자율주행시스템공학과)