안동혁 부교수

실시간 서비스의 사용자 경험(QoE)을 보장하기 위해서는 암호화 트래픽 분류와 초저지연 전송을 결합한 종단간 최적화 기술이 필수적입니다. 이를 위해 QUIC 프로토콜의 흐름 제어 메커니즘을 개선하고, 멀티패스 환경에서 데드라인 기반 전송 기법을 구현하는 연구를 수행했습니다. GRU 기반의 대역폭 예측 모델을 설계해 네트워크 상태 변화를 사전에 감지하고, 버퍼 상태를 반영한 Adaptive Bitrate(ABR) 기술을 결합함으로써 스트리밍 품질 저하를 최소화했습니다. 멀티패스 전송 경로 간 지연 편차를 실시간으로 보정하는 데드라인 스케줄링 방식을 적용해 확정적 전송 품질을 확보한 것이 특징입니다. 해당 기술은 실시간 스트리밍 서비스와 고품질 네트워크 서비스, 5G-TSN 코어 네트워크 환경에 적용되고 있으며, 초저지연·초신뢰 통신이 요구되는 산업 현장에서 활용 가능성을 검증했습니다. 관련 연구는 논문 6건으로 발표되었고, 모바일 네트워크 대역폭 예측 기술에 대한 특허 1건을 보유하고 있습니다. 현재 기술성숙도(TRL)는 4-6 수준으로, 실험실 검증 단계를 넘어 실제 네트워크 환경 적용을 위한 고도화 작업을 진행하고 있습니다.

해양 및 조선소 환경에서는 다중 카메라를 활용한 객체 추적과 P&ID(Piping & Instrumentation Diagram) 문서의 효율적인 인식이 요구됩니다. 이러한 문제를 해결하기 위해 GPS 정보와 AI를 결합한 이미지 경량화 및 왜곡 최소화 병합 기술을 개발했습니다. 다중 카메라에서 수집되는 영상 데이터를 GPS 좌표와 정합해 중복 촬영 영역의 왜곡을 최소화하고, 경량화된 이미지 병합 알고리즘을 적용해 대용량 조선소 현장에서도 실시간 처리 성능을 확보한 것이 핵심입니다. 별도의 대규모 학습 데이터 없이도 문서 구조를 인식할 수 있는 무학습 기반 접근을 병행해 다양한 P&ID 도면 형식에 대한 범용성을 높였습니다. 해당 기술은 스마트 야드 구축과 디지털 조선소 물류 최적화에 적용되고 있습니다. 한화오션과의 산학협력을 통해 실제 조선소 현장에 기술을 적용했으며, 그 성과로 중소조선연구원장상과 2023년 성과교류회 금상을 수상했습니다. 현재 기술성숙도(TRL)는 6-7 수준으로, 실증 단계를 거쳐 상용화를 위한 준비를 진행하고 있습니다.

로봇의 위치 추정(SLAM) 시스템은 다양한 센서 환경에서 범용적으로 동작해야 하며, 제한된 환경 데이터로 인한 분류 성능 저하 문제를 개선할 필요가 있습니다. 이를 위해 Google Cartographer SLAM 알고리즘을 다양한 센서 특성에 맞게 확장하고, LSTM-GAN 기반의 환경 유기물 데이터 증강 기법을 적용해 학습 데이터 부족 문제를 해결했습니다. 생성형 모델을 통해 다양한 환경 조건을 모사한 데이터를 확보함으로써 제한된 실측 데이터만으로도 SLAM 시스템의 인식 강건성을 높인 것이 특징입니다. 해당 기술은 무인 이동체의 실시간 지도 작성과 환경 모니터링에 활용되고 있습니다. 볼보그룹코리아(주)와의 산학 프로젝트를 통해 GUI 기반 무인 장비 작업 경로 지정 기술을 이전했으며, 관련 연구 성과는 MDPI Sensors(2025)에 게재되었습니다. 현재 기술성숙도(TRL)는 4-6 수준으로, 실제 무인 이동체 플랫폼에 적용하기 위한 검증을 이어가고 있습니다.