IMaC

🚪Introduction

Intelligent Mechatronics and Control Lab

자율주행차(AV)에서 도심 항공 모빌리티(UAM)까지, 미래 모빌리티는 복잡한 환경을 자율적으로 탐색하고, 동적 조건에 적응하며, 인간 사용자와 원활하게 상호작용할 수 있는 능력을 점차적으로 확대하고 있습니다. 이러한 발전은 전동화 기술의 핵심인 새로운 구동부와 센서와 같은 하드웨어 혁신, 그리고 안전성과 효율성을 보장하는 자율화 기술의 발전에 기반을 두고 있으며, 이를 통해 모빌리티는 단순한 교통 수단에서 벗어나 친환경적이고 지능적인 이동 솔루션으로 변화하고 있습니다. 저희 연구팀은 이러한 미래 모빌리티의 주요 도전 과제를 해결하기 위해 메카트로닉스 및 제어 분야에서 연구를 진행하고 있습니다.

연구 철학 및 도전 과제

미래모빌리티의 방향성

미래모빌리티의 연구 방향성은 전동화와 자율화 기술을 중심으로 발전하고 있습니다. 전동화는 내연기관을 대체하는 전기 모빌리티 수단의 확산을 목표로 하여, 환경 친화적이고 효율적인 교통 수단을 개발하는 데 중점을 둡니다. 이는 탄소 배출을 줄이고, 재생 가능 에너지를 활용하는 교통 시스템으로의 전환을 통해 지속 가능한 사회를 구현할 수 있습니다. 또한, 자율화 기술은 운전자의 개입 없이 모빌리티가 스스로 이동할 수 있도록 하는 시스템으로, 교통 효율성을 높이고, 사고를 줄이며, 이동의 자유로움을 제공합니다. 자율 주행 기술은 특히 고령화 사회에서 교통 약자에게 중요한 해결책이 될 수 있습니다.
미래모빌리티의 연구 목표는 지속 가능성과 인구 감소 문제 대처에 중점을 두고 있습니다. 지속 가능한 교통 수단은 환경을 보호하고 에너지 자원을 절약하는 데 기여합니다. 전동화와 자율화는 모두 에너지 효율성을 극대화하고, 교통 흐름을 최적화하여 환경 부담을 최소화합니다. 또한, 인구 감소와 지역 소멸 문제를 해결하기 위해, 이동 시간을 단축시킬 수 있는 UAM과 같은 혁신적인 교통 수단은 도심과 외곽 지역 간의 빠른 연결을 가능하게 하여, 소외된 지역의 경제 활성화와 접근성을 높입니다. 이를 통해 지역 간 불균형 문제를 해결하고, 노동 인구가 적은 지역에서도 경제 활동을 촉진할 수 있습니다.

저희 연구는 미래 모빌리티의 세 가지 주요 격차를 해결하는 것을 목표로 하고 있습니다.

명령과 출력 간의 격차 (Control system)

첫 번째 격차는 자율 시스템에서 제어 명령과 출력 간의 제어 오차로, 이는 모델 불일치,센서 오류, 외란 등으로 인해 발생합니다. 저희의 목표는 이러한 문제를 완화하여 모빌리티의 안전하고 효율적인 기동성을 보장할 제어 시스템을 설계하는 것입니다. 또한, 액추에이터와 센서 성능 향상은 다양한 조건에서의 응답성과 신뢰성을 높이는 데 중요한 요소입니다. 알고리즘과 하드웨어 혁신을 통해 명령을 정밀하게 실행할 수 있는 시스템을 정교화하여 미래 모빌리티 솔루션을 발전시키고자 합니다.
Related projects
Open in Notion

실제와 시뮬레이션 간의 격차 (Digital twin)

두 번째 격차는 실제 환경과 시뮬레이션 간의 불일치입니다. 저희의 목표는 시뮬레이션 모델의 정밀도를 높여 실제 환경을 정확히 반영함으로써 자율 시스템의 검증과 최적화를 강화하는 것입니다. 특히, UAM의 지면 효과나 다양한 도로 조건에서의 지상 차량 동역학과 같은 복잡한 현상을 실시간으로 시뮬레이션할 수 있는 적응형 디지털 트윈을 구현하는 것이 중요한 도전 과제입니다. 이러한 노력은 교통 상황 및 보행자 패턴과 같은 환경 변화에 맞춰 모델을 업데이트하여 시스템 테스트의 정확성을 높이는 방향으로 이어집니다. 디지털 트윈의 정확성을 높이기 위해서는 실시간 데이터와 머신러닝 알고리즘의 통합, 정교한 모델링 및 시스템 식별 기술이 필요합니다. 이러한 개선은 가상 시나리오와 실제 상황 간의 격차를 줄여주며, 자율 시스템의 개발 주기를 크게 단축시킬 수 있습니다.
Related projects
Open in Notion

인간과 기계 간의 격차 (Personalized Human-machine interaction)

세 번째 격차는 인간과 기계 간의 감정적 공감 격차로, 이는 기계가 인간의 감정, 고통, 의도를 이해하고 반응하는 데 어려움을 겪는 문제를 의미합니다. 저희의 목표는 고도화된 인지 및 판단 알고리즘을 통해 이러한 공감의 격차를 해소하는 것입니다. 이러한 시스템은 기계 중심의 센싱(속도, 진동 등)과 인간 중심의 센싱(표정, 음성의 뉘앙스 등)에서 얻어진 애매한 인간 신호를 해석하여, 기계가 실시간으로 인간의 편안함과 선호에 맞춰 행동을 조정할 수 있어야 합니다. 예를 들어, 승객의 멀미를 감지하는 도심 항공 모빌리티 솔루션이나 잠재적 위험을 인식하고 회피하는 자율주행차를 들 수 있습니다. 궁극적으로, 인간-기계 상호작용을 개인화하는 것은 공감의 격차를 줄이고, 개별 요구에 맞춘 이동 경험을 제공하며, 사용자와 진정으로 공감할 수 있는 기계를 만드는 데 핵심이 될 것입니다.
Related projects
Open in Notion

연구 연혁

현재 연구 토픽에 대한 자세한 설명은 👉 Research area

(’14~’24) 무인기 제어 및 전동화 (in UNIST)

UAV

Actuator and sensor

Self-driving car and personal aerial vehicle

(’25~’30) 차세대 도심 항공 모빌리티(UAM) 개발 및 디지털 전환 (in KNU)

분야 전망 및 진로

학위 과정 및 분야 별 연구 트랙

Command to Output (Control system)

The first gap is the control error between control commands and outputs in autonomous systems, due to model mismatches and sensor errors. Our goal is to design control systems that mitigate these issues, ensuring safe, efficient vehicle maneuverability. Enhancing actuator and sensor performance is another key to improving responsiveness and reliability under diverse conditions. Through algorithmic and hardware innovations, I aim to refine systems for precise execution of commands, advancing future mobility solutions.
Related projects
Open in Notion

Real to Sim (Digital twin)

The second gap is the discrepancy between the real world and the simulation. Our goal is elevating the precision of simulation models, so they accurately reflect real-world conditions, enhancing the validation and optimization of autonomous systems. A critical challenge lies in creating adaptive digital twins to simulate complex phenomena in real-time, like in-ground effects on the UAM or ground vehicle dynamics on varied road surfaces. This effort extends to updating models with environmental changes, like traffic and pedestrian patterns, for accurate system testing. To increase the fidelity of these digital twins requires integration of real-time data and machine learning algorithms, as well as sophisticated modeling and system identification. Such improvements make simulations more adaptable and predictive, bridging the gap between virtual and actual scenarios. These advances can significantly accelerate the development cycle of autonomous systems.
Related projects
Open in Notion

Human to machine (Personalized Human-machine interaction)

The third gap is the empathy gap between humans and machines, reflecting the challenge of enabling machines to feel and respond to human emotions, pains, and intentions. Our objective is to bridge the empathy gap by developing systems equipped with advanced perception capabilities and emotional intelligence algorithms. These systems should interpret ambiguous human cues from both machine-centric sensing (such as velocity, vibration, etc.) and human-centric sensing (including facial expressions, vocal nuances, etc.), enabling machines to adjust their behavior in real-time to align with human comfort and preferences. Examples include urban aerial mobility solutions that detect passenger motion sickness and autonomous vehicles that recognize and avoid potential hazards. Ultimately, personalizing human-machine interactions is key to bridging the empathy gap, to offer mobility experiences customized to individual needs, creating machines that can truly empathize with users.
Related projects
Open in Notion