연구 성과
- 대학원
- 연구 성과
A Multi-Trip Vehicle Routing Problem for Small Unmanned Aircraft Systems-Based Urban Delivery
- AI자율주행시스템공학과
- 2026-07-23
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.
[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.
-
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.
2026-07-23
▶ 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.
-
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.
2026-07-23
▶ 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.