조영근 부교수

계단과 경사로처럼 지형 변화가 심한 환경에서 로봇이 안정적으로 이동하기 위해서는 목표 보폭 기반 보행 전략과 멀티모달 센서 융합에 기반한 자율주행 기술이 필요합니다. 이를 해결하기 위해 목표 보폭 기반 보행 전략, 멀티모달 센서 융합 기반 자율주행, AI 행동지능 알고리즘을 핵심 기술로 연구하고 있습니다. 목표 보폭 기반 보행 전략은 지형 조건에 따라 보행 패턴을 실시간으로 조정하여 안정성을 확보하며, 멀티모달 센서 융합 기술은 다양한 센서 데이터를 결합해 주변 환경을 정밀하게 인식합니다. 이러한 기술은 시각장애인 안내 로봇의 실내외 자율주행, 대형 4족 로봇의 징검다리와 같은 험지 극복, 휴머노이드 로봇의 행동지능 구현 등에 적용되고 있습니다. 시각장애인 안내 로봇의 실내외 자율주행과 대형 4족 로봇의 험지 극복에 대한 시뮬레이션 검증을 완료했으며, 4족보행로봇 자율주행 요소 기술 개발, AI·휴머노이드 로봇 행동지능 기술 개발 등 관련 정부 과제를 다수 수행했습니다. 현재 TRL 3-4 단계의 기술 성숙도를 확보하고 있습니다.

GPS 신호가 닿지 않는 실내 물류창고, 지하 공간, 지게차 및 조선소 물류 환경에서는 로봇의 정밀한 위치 추정이 필수적입니다. 이를 위해 동적 환경에 강건한 Uni-Mapper, 자기지도 학습 기반 KISS-IMU, 정적 장면 재구성 기술인 StaticNeRF, 라이다-카메라 약결합 기반 맵핑 및 위치인식 기술을 핵심 방법론으로 연구하고 있습니다. 이러한 기술은 실내 물류 로봇의 위치인식, 지게차의 자율주행 및 자율작업, 조선소 창고 내 자재 물류 트래킹과 자율 운반, 복합도심 환경에서의 분산형 멀티로봇 SLAM 등에 적용됩니다. 한국기계연구원(KIMM)과 다중 로봇 SLAM 공동연구를 수행하고 있으며, KISS-IMU 논문은 ICRA 2026 로봇 인지 분야 최우수 논문상 최종 후보(Finalist)로 선정되었습니다. Uni-Mapper는 IEEE Transactions on Intelligent Vehicles(2025, IF 14.3)에, StaticNeRF는 IEEE Robotics and Automation Letters(2025, IF 5.3)에 게재되었으며, 동적 환경에서의 정적 지도 생성 기술과 라이다-카메라 약결합 기반 맵핑 및 위치인식 기술로 특허 2건을 보유하고 있습니다. 현재 TRL 3-5 단계의 기술 성숙도를 확보하고 있습니다.

빛의 감쇠가 심한 수중이나 안개 환경에서는 로봇의 인지 능력이 크게 저하되므로, 영상 신호를 복원하고 강건화하는 기술이 요구됩니다. 이를 위해 수중 영상 개선 및 거리(깊이) 추정 기술, CNN 기반 영상 디헤이징(Dehazing) 기술, 해상 객체 탐지를 위한 PoLaRIS 데이터셋을 핵심 기술 및 자산으로 연구하고 있습니다. 이러한 기술은 USV(무인수상정)의 자율주행 물체 위치인식, 해상교통 정밀조사측량, 수중 및 재난 환경에서의 로봇 자율주행과 임무수행, 무인자율 군집운항 기반 수중 문화유산 탐사 등에 적용됩니다. 삼성중공업과 해상 데이터셋(PoLaRIS)을 공동 구축했으며, 수중영상 개선 알고리듬 및 해상환경 USV 자율주행과 관련한 정부 및 기업 과제를 다수 수행했습니다. 센서 융합 기반 영상 디헤이징 시스템과 수중 영상 강건화 및 거리 정보 추정 시스템에 대해 각각 특허를 등록했으며, 현재 TRL 3-5 단계의 기술 성숙도를 확보하고 있습니다.