이경호 교수

선박의 배관 설계는 수많은 파이프 경로와 장비 간섭을 동시에 고려해야 하는 고난도 작업으로, 기존 룰 기반 설계 방식은 복잡한 선체 구조 안에서 최적 경로를 찾는 데 많은 시간이 소요되는 한계가 있었습니다. 이를 해결하기 위해 커리큘럼 러닝(Curriculum Learning) 기반 강화학습(RL)을 배관 자동 라우팅에 적용하여, 학습 난이도를 단계적으로 높여가며 복잡한 배관 경로를 스스로 탐색하도록 하는 알고리즘을 구축했습니다. 아울러 바운딩박스 방식의 최소 간격 거리 확보 알고리즘을 결합하여 장비 및 구조물과의 간섭을 자동으로 회피하도록 설계했습니다. 이 기술은 선박 의장 설계 기간 단축, 배관 설계 오류의 자동 검증, Pipe Auto Cutting In-house 시스템 구축에 적용되고 있습니다. 관련 연구 성과는 Journal of Computational Design and Engineering에 게재된 논문(Application of reinforcement learning based on curriculum learning for the pipe auto-routing of ships, 2023)으로 발표되었으며, 해당 논문은 47회 인용되었습니다. 기존 룰 기반 설계 대비 경로 최적화 속도가 향상됨을 확인했으며, 연구실 규모의 시제품 구현과 시뮬레이션 검증을 완료하여 TRL 5-6 수준에 도달했습니다.

대형 선박 블록은 크기와 형상이 방대하여 현장에서 정밀 계측을 수행하기 어렵고, 조선소 적치장의 블록 관리 또한 수작업에 의존하는 비효율이 있었습니다. 이를 개선하기 위해 라이다(LiDAR) 포인트 클라우드 매칭과 증강현실(AR) 정합 기술을 결합하고, 딥러닝 기반 카메라 영상 인식을 통한 장애물 검출 기술을 개발했습니다. 또한 드론 영상과 GIS 수치지도를 정합하여 적치장을 모니터링하는 기술과, 별도의 마커 없이 의장 및 선각을 검사하는 Marker-less AR 검사 기술을 구축했습니다. 이 기술들은 블록 생산 공정 관리, AR 기반 안전 교육을 위한 VR 콘텐츠 플랫폼, 무도면 의장 검사, 조선소 적치장 블록 검출 및 적치율 연산 등에 적용되고 있습니다. HD현대중공업, 삼성중공업, 한화오션 등 국내 대형 조선사와 공동 산학 프로젝트를 수행하며 기술을 고도화했습니다. 실제 블록 대비 계측 오차를 최소화하고 검사 시간을 단축하는 성과를 거두었으며, 다중 정보 기반 증강현실 영상 선박블록 운송 장치(등록번호 10-2942113), 공간정보 기반 선박블록 운송 장치 및 장애물 검출(등록번호 10-2942115/10-2492115), 드론 영상 이용 조선소 적치장 모니터링 시스템(등록번호 10-2588246) 등 다수의 특허를 등록했습니다. 국내 대형 조선소 현장 실증을 거쳐 TRL 6-7 수준에 도달했습니다.

자율운항 선박은 선내 인력 개입 없이 핵심 기관시스템의 이상 상태를 원격으로 진단하고 모니터링하는 기술이 필수적입니다. 이러한 필요에 따라 자율운항선박의 핵심 기관시스템에 대한 원격 고장 진단 및 모니터링 지원 기술을 연구하고 있습니다. 대형언어모델(LLM) 기반 유지보수 챗봇을 개발하여, 선내 펌프 등 핵심 기관시스템의 성능을 모니터링하고 고장을 예측 진단하도록 설계했습니다. 해당 챗봇 시스템은 선내 펌프 및 기관 시스템의 원격 정비를 지원하고, 선박 원격 유지보수를 위한 챗봇 시스템으로 활용되도록 개발되었습니다. 관련 연구 성과는 Ships and Offshore Structures 학술지에 게재된 논문(Exploring large language models (LLMs)-based chatbots for pump maintenance in ships, 2025)으로 발표되었습니다. 현재 PoC 단계 및 실험실 규모의 성능 평가를 완료하여 TRL 3-4 수준에 도달한 상태입니다.