PROJECTS

❍ 의료와 급격한 기술발달로 야기된 사회문제 해결 및 생명/인체공학에 기반한 인간 삶의 조건을 혁신하고, 인문사회학, 생명의과학, 뇌공학, 지능정보과학 등 학교 강정 연구분야를 융합하여 미래 인간과 사회를 위한 기술을 완성하며, 미래 사회를 선도할 신인류 “Super Sapiens”의 탄생에 필요한 역량과 핵심인자를 보유한 명품인재를 양성하는것을 목표로 함

❍ 기간 : 2020.07.01 – 2029.12.31

❍ 주관기관 : 과학기술정보통신부

❍ 중점 연구(활동) 분야

[제 2세부: Superintelligence 실현 및 심비오시스의 주요 SW 원천 기술* 연구개발]

a. 리서치랩1(초월 지각 /초월 추론 Superintelligence 연구 - 오감/언어 학습 프레임워크 및 최적화) 

-극한 상황에서 취득된 영상으로부터 정보 추출 연구

-신뢰도 기반 점증적 지식 그래프 확장을 통한 비신뢰도 데이터 정제 및 확장

-자가 신뢰도 학습을 통한 멀티 모달 데이터 학습 모델 갱신 기법 개발

b. 리서치랩2(스케이러블 수퍼인텔리전스 학습 인프라 개발 - 데이터 불균형/부족 상황에 강건한 뉴럴-네트워크 학습 인프라 연구 개발)

-대규모 고차원 데이터의 인덱싱 및 간결화를 통한 스케이러블 기계 학습 기반 연구

-거대 데이터 기반 멀티-모달리티 공통 표현 도출 모델 학습 프레임워크 연구

-기학습된 생성 모델을 소수 데이터만 가용한 유사 도메인으로 전이하는 퓨샷 생성 모델 적응(Adaptation) 기술 개발

c. 리서치랩3(Super Sapiens / Superintelligence 심비오시스 플랫폼 개발 - 실시간 지능 결합을 위한 고신뢰 심비오시스 디지털 트윈 구조 구축)

-인간과 기계의 유기적 지능 결합 모델 연구 

-가상 물리 환경에 최적화된 고신뢰, 실시간 Superintelligence 디지털 트윈 구조 개발

-자가 학습 기반 지식 중심 네트워크 운용 기술 구축

* 초월 지각/ 초월 추론 Superintelligence, 스케이러블 수퍼인텔리전스 학습, Super Sapiens / Superintelligence 심비오시스

❍ 전략기술 분야 중심의 중소·중견기업이 필요로 하는 실무 중심의 교육과 공동연구를 지원하여, 현장에서 즉시 활용 가능한 고급 연구인력 양성과 기업 R&D 혁신을 동시에 실현하는 것을 목표로 함. 

이를 위해 대학 및 출연(연)과의 협력을 통해 석·박사 과정 운영과 연계된 공동연구를 수행하여, 산업 현장에 적합한 기술력을 갖춘 실무형 고급 인재를 양성함. 

❍ 기간 : 2025.09.01 – 2027.08.31 

❍ 주관기관 : 과학기술정보통신부

❍ 중점 연구(활동) 분야

[산업 현장에서의 이상 탐지 자동화를 위한 실무형 공동 연구 개발]

a. 비교 기반 AI 아키텍처를 활용한 최적화 모델 개발

b. 시각적 맥락을 해석하는 AI 기반 의미론적 비교 방식 연구

c. 산업용 표면 결함 자동 탐지 기술

d. 반도체·디스플레이 핵심 공정 품질관리 기술

e. 다양한 패턴(주기성/비주기성)에서 발생하는 이상에 대한 탐지 기술

f. AI 기반 비전 검사 핵심 알고리즘 개발

g. 지도 학습 기반 결함 검출 알고리즘 연구

❍ 목표: 기존 사후 대응 중심의 급경사지 관리 시스템의 한계를 극복하고 정보 관리의 제한성, 예측의 부정확성, 기술적 한계, 대응 속도 부족 등의 문제를 해결하기 위해 95% AI 정확도 기반의 엣지-IoT 통합 감시 플랫폼을 개발함. 이를 통해 붕괴 전조 증상을 AI로 사전에 분석하여 위험을 경보하고 데이터 기반의 실시간 예측 및 분석을 통해 재난 예방 중심의 효율적인 급경사지 위험 대응 체계로 전환하는 것을 목표로 함.

❍ 기간: 2025.09.01 – 2028.08.31 

❍ 주관기관: 중소벤처기업부 (전문기관: 중소기업기술정보진흥원) 

❍ 중점 연구(활동) 분야

[급경사지 붕괴 예측을 위한 엣지-IoT 통합감시 플랫폼 개발]

a. 이기종 IoT 디바이스 통합 인터페이스 구축: 지표변위계, 구조물경사계, 데이터로거 등 다양한 제조사의 IoT 디바이스에서 수집되는 데이터를 표준화된 포맷(JSON, CSV 등)으로 변환하고 통합 관리하는 인터페이스를 개발함.

b. 엣지 디바이스 기반 실시간 처리 및 AI 연산 구현: 데이터 처리 지연을 최소화하기 위해 현장의 엣지 디바이스에서 데이터를 실시간으로 수집 및 분석함. 네트워크 장애 시에도 독립적으로 작동하여 데이터 손실을 방지하고 현장 하드웨어에서 AI 연산을 직접 처리함.

c. AI 기반 붕괴 전조 증상 분석 및 예측 알고리즘 개발: 머신러닝 및 딥러닝 모델을 활용하여 진동, 경사도, 강우량 등 주요 데이터를 실시간으로 분석하고 붕괴 전조 증상을 탐지함. 토석류, 침식, 퇴적량 등을 학습하여 위험 지역의 변화를 정량적으로 예측함.

d. 실시간 위험 탐지 및 상황 대응 가이드 생성형 AI 알고리즘 개발: AI 의사결정 알고리즘을 통해 위험 수준에 따라 '점검', '경고', '경보', '대피'의 단계별 대응 지침을 제공함. 과거 데이터를 기반으로 AI가 다양한 재난 시나리오를 생성하고 상황별 대응 가이드를 자동으로 제안함.

e. IoT 디바이스 기반 급경사지 모니터링 시스템 구축: 급경사지 현장에 IoT 디바이스를 배치하여 진동, 강우, 지반 움직임 등의 데이터를 실시간으로 수집 및 모니터링하고 AI 모델이 재난 발생 가능성을 정량적으로 평가하여 화면에 표시함.

f. 관리자용 App 개발 및 경보 시스템 연동: 위험 상황 발생 시 관리자와 주민에게 경보를 신속히 전달(목표 시간 10초 이내)하고 위험상황 판단 가이드를 제공하는 모바일 앱을 개발함.

❍ 목표: 첨단 분야 AI 제품 응용 기술 역량을 갖춘 전문 인력 양성을 위해, 산학 프로젝트를 체계적으로 수행함. 대학 기관 및 연구 개발 기관은 기업과 협력하여 AI 기술 개발과 실증을 추진하는 동시에,  실무 중심 교육을 진행하여 실무 역량과 연구 수행 능력이 강화된 인재 양성을 목표로 함.

❍ 기간: 2026.03.01 – 2031.02.28 

❍ 주관기관: 한국AI·로봇산업협회

❍ 중점 연구(활동) 분야

[첨단 분야 AI 제품 응용 기술 전문 인력 양성]

a. 웨이퍼 매크로 이미지 자동 셀 분할 및 파티클 검출 시스템 개발: 통계 기반 자동 패턴 생성 및 딥러닝 앙상블 기술을 적용하여, 마스터 패턴 없이 자동으로 웨이퍼 셀을 분할하고 초미세 파티클을 정밀 검출하는 지능형 무인 검사 시스템을 협력 기업과 공동으로 개발함.

b. 마스터 패턴 비 의존형 자동 웨이퍼 셀 분할 기술 개발: 통계 기반 자동 패턴 생성 기법을 활용하여, 별도의 마스터 패턴 없이 웨이퍼 매크로 이미지의 셀 영역을 자동으로 분할하는 컴퓨터 비전 기반 기술을 개발함. 

c. 딥러닝 앙상블 기반 초미세 파티클 정밀 검출 기술 개발: 딥러닝 앙상블 기법을 적용하여 초미세 파티클을 정밀하게 검출하고, 반도체 공정 수율 향상에 기여하는 검출 시스템을 구현함.

d. 기존 교과목 연계 및 교육 과정 개선: 셀 분할 기술 및 산업 현장 데이터 기반 이상 탐지 모델링을 기존 교과목 '컴퓨터 비전' 및 '스마트팩토리융합특론'에 반영하여 교육 과정을 개선함.

e. 현장 실습 및 취업 연계: 참여 기업과 연계한 현장 실습을 운영하고, 프로젝트 우수 성과자에게 협력 기업 현장 실습 기회 제공 및 취업 연계를 장려함.

❍ 목표: 관리자 중심의 사후 모니터링 방식의 한계를 극복하고 기존의 고비용 3D 모델링 및 고가의 3D 스캔 없이 2D 영상으로 설비와 디지털 정보를 1:1 매칭하는 비디오 트윈(Video Twin) 기반의 고정밀 AOI(Active Object Interaction) 통합 플랫폼을 개발함. 이를 통해 중소 제조 현장에서의 지능형 안전 대응 시스템 어플리케이션을 구현하는 것을 목표로 함.

❍ 기간: 2026.03.01 – 2027.02.28

❍ 주관기관: 성균관대학교 산학협력단

❍ 중점 연구(활동) 분야

[능동적 객체 상호작용(AOI) 기반의 지능형 안전대응 시스템 개발]

a. 요구사항 정의 및 멀티모달 UI/UX 설계: 현장에서 발생할 수 있는 위험 시나리오를 도출하여 현장 요구사항을 정의하고, UI/UX 스토리보드를 설계함.

b. 위험 객체 데이터셋 구축 및 라벨링: 실제 제조 현장에서 다각도·다조명 조건으로 촬영·라벨링한 자체 수집 데이터와 AI Hub 공개 데이터를 함께 활용하여 학습용 데이터셋을 구축함.

c. YOLO 기반 위험객체 인식 모델 개발 및 경량화: YOLO 계열 모델로 위험 객체를 인식하는 AI 모델을 개발하고, 엣지 디바이스 탑재를 위한 경량화를 수행함.

d. 사진 기반 노코드(No-Code) 매칭 CMS 구축: 복잡한 코딩 없이 사진 등록만으로 트윈 환경을 구성하는 노코드 자산관리 DB를 구축하고, 권한 인증 기반의 제어통제 기능과 작업내역·TBM 수행결과·센서알림 등의 이벤트 로그를 시계열로 저장하는 비즈니스 로직/연산 모듈을 포함한 웹 CMS 및 통합 관제 대시보드를 개발함.

e. 멀티모달(터치·음성) 인터페이스 통합: 안드로이드 내장 음성 API(STT)를 활용한 커맨드 트리거 로직으로 80dB 소음환경에서 작동하는 음성 UI를 구현하고, 짧은 터치(오작동)와 길게 누르기(의도된 입력)를 구분하는 입력 필터링을 적용해 수요기업 현장 테스트(F1 Score) 기준 터치 인식 정확도 95% 이상의 안전 태깅 모바일 앱(MVP/APK)을 개발함.

f. 시스템 통합 빌드 및 자체 성능 검증: 엣지-서버 하이브리드 구조로 전체 시스템을 통합하고, 통신 단절 시에도 동작하는 Fail-Safe 구조와 얼굴 자동 마스킹·제어 신호 암호화(TLS 1.3)를 적용하며, 온디바이스 추론 지연 50ms 이내 등 핵심 지표에 대한 자체 검증을 수행함.

g. 최종 모델 고도화 및 결과 정리: 작업자가 수동 태깅한 데이터를 서버에서 분석·재학습시키는 데이터 선순환 구조를 기반으로 설비들을 자동 인식하도록 모델을 고도화하고, IoT 미들웨어 연동을 통한 디지털 락아웃(LOTO) 설비 제어 기능을 구현하여 스마트 안전 TBM 및 디지털 LOTO 관제 시스템으로 주요 산출물을 정리함.

❍ 목표: 제조 산업의 AI 대전환(AX)에 대응하여 현장 밀착형 산학협력과 글로벌 공동 연구를 수행하고, 팩토리·첨단제조 AX 및 Physical AI 분야를 선도할 현장 중심 문제 해결형 글로벌 AX 석·박사급 핵심 인재 총 265명을 양성하는 것을 목표로 함.

❍ 기간: 2026.08.01 – 2031.12.31 

❍ 주관기관: 성균관대학교

❍ 중점 연구(활동) 분야

[글로벌 제조 AX 선도적 실천 리더 양성을 위한 교육·연구 및 산학협력 플랫폼 구축]

a. AI융합(AX) 특화 교육과정 구축 및 학과 신설: 일반대학원 내 학과를 신설하고, 제조 도메인 지식과 머신러닝, 딥러닝, 생성형 AI, 최적화 기법 등 핵심 AI 기술을 유기적으로 결합한 문제해결형 전문 커리큘럼을 운영함.

b. AX연구협력센터 기반 전주기 산학협력 체계 운영: 대학 연구팀과 기업 파트너(LS티라유텍, 티라로보틱스, 디엔솔루션즈 등)를 잇는 허브를 구축함. 센터 내에 기획·관리, 데이터 수집·분석, 성과확산 전담팀을 구성하고 분기별 기술협의체를 통해 현장 수요를 상시 반영함.

c. 제조 전주기 공정 지능화 및 LLM 융합 기술 개발: CNC 공작기계 기반의 생산 계획 수립, 이상 감지, 품질 예측 등 공정 지능화 시스템을 개발하고, 제조 도메인 텍스트 및 센서 데이터를 활용하여 공정 추천과 이상 원인을 설명하는 LLM 미세조정 모델을 구축함.

d. 로봇 Physical AI 및 스마트팩토리 디지털 트윈 연동 기술 개발: 강화학습 기반의 로봇 동작 최적화 및 에이전트 기반의 공정 자율 제어 시스템을 연구함. 물리 제조 시스템과 가상 디지털 트윈을 실시간 연계하여 자율 최적화를 수행하는 CPS 플랫폼을 구현함.

e. 수요자 중심 산학 공동 프로젝트 및 인재 양성: 산업 현장의 문제를 PBL(Problem-Based Learning) 과제로 전환하여 1인 1프로젝트 수행을 의무화함. 대학-기업 간 양방향 인턴십과 재직자 대상 AX 혁신 교육을 운영하여 수혜 학생의 취업률 95% 이상 달성을 추진함.

f. 글로벌 AX 협력 및 W.O.R.L.D. 프로그램 추진: 퍼듀대, 미시간대, 조지아공대 등 해외 선도 대학과의 공동 연구 및 글로벌 Co-Lab 설립을 추진함. 해외 우수 연구자 초청 세미나, 3~6개월 파견 연구, Top-tier 학회 발표 지원을 통해 국제적 연구 역량을 강화함.

❍ 목표: 화장품 ODM 전문기업 (주)코스메카코리아 제조 현장 한계 혁신을 위한 6개 핵심 AI 과제 도출 및 상호 유기적 연계를 통한 단일 ‘지능형 자율제조 플랫폼’  구축을 목표로 함.

❍ 기간: 2026.08.01 – 2028.07.31 

❍ 주관기관: 중소벤처기업부(스마트제조혁신추진단) / (주)코스메카코리아

❍ 중점 연구(활동) 분야

[과제3. AI 멀티비전 기반 품질검사 (화장품 패키징 공정 통합 외관 검사)]

a. 다수의 산업용 카메라와 조명, 센서를 연계하여 화장품 용기 및 패키징 박스의 전방위 외관 이미지를 안정적으로 취득하는 기술을 개발함. 제품 재질과 형상에 따른 반사·그림자를 최소화하고, 카메라 간 동기화와 캘리브레이션을 통해 실제 이송 환경에서도 균일한 다각도 영상을 확보함.

b. 다양한 형상, 재질, 색상의 화장품 용기를 대상으로 정상 및 결함 다각도 이미지 데이터셋을 구축함. 정상 데이터 중심의 학습이 가능하도록 데이터 증강, 영상 정규화, 관심영역 추출 등 전처리 기술을 개발하여 모델 학습과 성능 평가 기반을 마련함.

c. 각 카메라 시점에서 추출한 특징을 통합 분석하는 멀티뷰 기반 이상탐지 모델을 개발함. 단일 시점에서 확인하기 어려운 미세 결함까지 검출하고, 정상·불량 판정과 함께 결함 위치 및 이상 정도를 제공할 수 있는 모델 구조를 확보함.

d. 결함 데이터가 부족한 생산환경에 대응하기 위해 정상 데이터 중심의 비지도 이상탐지와 Few-shot 학습 기술을 개발함. 소량의 정상 이미지로 신규 제품의 검사 기준을 자동 생성하여 대규모 재학습 없이 신제품과 생산환경 변화에 유연하게 대응할 수 있는 시스템을 구축함.

e. 여러 제품군을 하나의 모델에서 검사할 수 있는 통합 이상탐지 구조를 개발함. 제품별 특성을 구분하면서 공통 결함 특징을 학습하도록 모델을 설계하고, 경량화와 연산 최적화를 통해 실제 생산라인에 적용 가능한 추론 성능을 확보함.

f. 생산라인에서 축적되는 데이터를 활용하여 모델을 지속적으로 개선하는 재학습·배포 체계를 개발함. 모델 버전과 성능을 관리하고, 실제 생산라인 실증을 통해 검출 성능, 환경 변화 대응성, 신제품 전환성 및 운영 안정성을 검증함.