본 과제는 사용자가 작업대에서 지정한 위치를 적외선 지시점으로 감지하고, 상부 네 모서리에 설치된 네 개의 조명을 해당 위치로 자동 조향하는 스마트 작업대를 개발하는 것을 목적으로 한다. 기존 작업등은 작업 위치가 바뀔 때마다 사용자가 손으로 각도를 조절해야 하며, 한 방향의 빛이 손이나 공구에 가려지면 작업점에 진한 그림자가 생긴다. 이를 해결하기 위해 60×40 cm 작업면을 일정한 크기의 격자로 나누고, 안경에 부착한 적외선 LED가 비추는 지점을 글로벌 셔터 카메라로 촬영하여 해당 격자의 번호를 판별한다. 제작 단계에서는 각 격자의 중심을 목표점으로 설정한 뒤 네 조명을 차례로 조정하고, 조명별 수평·수직 서보 각도 총 8개를 격자 번호와 함께 메모리에 저장한다. 작동 중에는 복잡한 3차원 위치 추정이나 역기구학을 매 순간 수행하지 않고, 검출된 격자에 대응하는 각도값을 조회하여 Arduino가 8개의 서보모터를 구동한다. 이 방식은 프레임의 조립 오차, 서보 영점 차이, 조명 고정 각도와 같은 실제 제작 오차가 사전 보정값에 함께 반영되므로 계산 모델만 사용하는 방식보다 구현이 단순하고 안정적이다. 현재 직육면체 프레임의 위쪽 네 꼭짓점에 2축 조명 모듈을 설치하여 각 조명을 자유롭게 회전시키는 구동부를 구현하였으며, 적외선 지시점 검출과 격자별 각도표를 결합하는 통합 과정을 진행하고 있다. 격자 경계에서 지시점이 흔들리는 문제는 여러 프레임에서 같은 격자가 연속 검출될 때만 명령을 변경하는 방식으로 억제한다. 네 광원은 서로 다른 방향에서 같은 격자를 비추므로 단일 광원보다 그림자와 가림에 강하며, 사용자가 두 손을 사용하는 상황에서도 조명을 비접촉으로 조절할 수 있다. 향후 격자 크기, 인식 정확도, 조명 정착시간, 작업면 조도와 그림자 면적을 정량 평가하고 격자 사이의 각도를 보간하면 전자 제작대, 공예·수리 작업대, 실험실 및 정밀 조립 공정에 활용할 수 있다.

발표자가 실물을 설명할 때 "여기 이 부품"이라고 말하며 손을 뻗지만, 정면과 측면의 청중에게 그 손끝은 서로 다른 곳을 가리키고, 부품이 밀집한 대상에서는 몇 밀리미터의 오차가 전혀 다른 부품을 지목한다. 레이저 포인터는 발표자의 한 손을 묶어두고 쉽게 떨리며, 화면 확대는 청중의 시선을 실물에서 떼어놓는다. 말은 정확했으나 지시는 실패한 것이다. 본 과제는 발화 자체를 지시 명령으로 사용하여 이를 해결한다. LUX MEA는 발표자가 말을 하면 갈바노미터 스캐너(갈보)가 레이저를 그 위치로 조향해 원, 밑줄 등 필요한 표시를 그려 지시하는 음성 구동 발표자 보조 장치이다. 인터넷 없이 노트북 한 대로 동작하는 온디바이스 음성 인식이 사용자의 말을 문자로 바꾸고, 자모 단위 유사도 기반 매칭 계층이 이를 사전 등록된 키워드와 대응시키며, 호모그래피와 2차 다항 보정으로 구성된 캘리브레이션 맵이 지시 대상 좌표를 갈보 각도로 변환한다. 시준광인 레이저 빔은 거리와 무관하게 초점이 유지되어 인쇄 포스터와 실물을 오가며 짚을 수 있다. 기존 산업용 레이저 프로젝션 장비는 지시 입력이 사전 작성된 CAD 도면에 한정되고 운용 중 대상 전환에 소프트웨어 조작이 필요하며 가격이 수천만 원대이다. 본 과제는 동일한 조향 원리를 쓰되 입력을 자연스러운 발화로 대체하여 조작 학습이 불필요한 대화형 지시 장치로 재정의하였다. 음성 인식을 제외한 전 경로를 결정적 알고리즘으로 구성해 실시간 신뢰성을 확보하였고, 광출력을 밸러스트 저항으로 5mW 이하(Class 3R)에 회로 수준에서 고정해 안전을 설계 단계에서 보장하였다. 측정 결과 발화 종료부터 레이저 정착까지 약 0.85초, 캘리브레이션 검증 오차는 DAC 최소 분해능 수준을 달성하였으며, 총 제작비 45만 원 내외로 구현하였다. 본 기술은 발표는 물론 전자기기, 기계 부품 해설, 해부 모형 강의 등 실물 설명에 적용 가능하며, 정비 지시, 원격 전문가의 현장 지시, 무인 전시 해설 등으로 확장 가능하다.

본 작품은 사람이 직접 들어가 점검하기 어려운 고층 건물의 소방배관, 상·하수도관, 댐 및 펌프장 내부를 스스로 이동하며 상태를 확인하는 지렁이형 배관 점검 로봇이다. 우리는 특히 수직 배관에서는 일반적인 바퀴형 로봇이 미끄러지기 쉽고, 배관의 직경이나 굽힘 정도가 달라지면 주행이 어려워진다는 점에 주목하였다. 이를 해결하기 위해 지렁이가 몸의 일부를 고정하고 다른 부분을 뻗은 뒤 다시 끌어당기며 이동하는 방식에서 아이디어를 얻었다. 로봇의 양 끝에는 Linear Actuator와 Scissor Mechanism을 결합한 3방향 확장형 고정부를 설치하여 파이프 내벽을 강하게 지지하도록 하였고, EVA 폼과 실리콘 고무패드를 적용해 마찰력을 높였다. ACT1과 ACT2가 번갈아 고정과 해제를 수행하고 중앙 몸통이 늘어나고 줄어드는 6단계 동작을 반복하면서 로봇은 전진하며, 수평 파이프는 물론 수직 방향 파이프도 수월하게 올라갈 수 있다. 중앙부에는 DS3218 서보모터 4개를 사용하여 길이 변화뿐 아니라 몸통을 연속적으로 휘게 할 수 있어 직경 약 15~25 cm의 다양한 배관과 완만한 곡관에도 대응하도록 설계하였다. 또한 ESP32-S3 CAM(OV2640)을 통해 카메라 영상을 Wi-Fi로 태블릿에 실시간 전송하고, AI가 파손·부식·이물질을 탐지하도록 구성하였다. 결함이 발견되면 IMU 센서로 로봇의 실제 이동 상태를 측정해 출발점 기준 위치를 추정하고, 이동 cycle 정보를 함께 활용해 누적 오차를 보정한다. 이후 결함 종류와 AI 신뢰도, 캡처 이미지를 사용자에게 전달한다. 본 작품은 배관 벽을 붙잡고 이동하며, 내부를 보고, 결함을 판단하고, 그 위치까지 알려주는 통합형 배관 점검 로봇이다. 이를 통해 위험한 배관 점검의 인명 부담을 줄이고, 점검 효율과 유지보수의 신속성을 높이며 다양한 산업으로 확장 가능한 실용적 안전점검 장비를 제시하고자 한다.

본 과제는 기존 키오스크의 구조를 변경하지 않고 필요한 입력 기능을 추가할 수 있는 탈부착형 비접촉 입력 플러그인을 개발하는 것을 목표로 한다. 공공 키오스크는 다수가 반복적으로 화면을 접촉한다는 위생적 부담이 있으며, 새로운 입력 방식 역시 고령층이나 디지털 기기 사용에 익숙하지 않은 사용자에게 또 다른 장벽이 될 수 있다. 이에 카메라 기반 손 인식과 ToF 센서를 결합하여 비접촉 입력을 구현하고, 사용 과정에서 어려움이 감지될 경우 사람의 도움으로 연결하는 자동 도움요청 시스템을 함께 설계하였다. 카메라는 MediaPipe를 이용해 손의 위치와 Pinch 동작을 인식하고, ToF 센서는 카메라만으로 얻기 어려운 깊이/거리 정보를 보완하여 의도하지 않은 입력을 줄이도록 하였다. 두 센서의 데이터는 Raspberry Pi 4에서 처리되며, 손의 위치를 화면 기준 상대좌표로 변환한 뒤 마우스 커서 이동과 클릭 신호로 출력하여 특정 키오스크의 버튼 배치나 내부 프로그램에 종속되지 않도록 하였다. 하드웨어는 3D 프린팅한 거치 구조를 이용해 키오스크 상단에 장착·분리할 수 있도록 제작하였다. 자동 도움요청 시스템은 진행 없음 시간, 헛클릭, 같은 영역 배회, 선택 동작 없음의 네 가지 행동 신호를 바탕으로 도움 필요도를 판단하며, 일정 기준을 넘으면 먼저 도움 팝업을 제시하고 필요 시 직원 호출로 연결한다. 본 작품은 기존 설비를 유지한 채 새로운 기능을 선택적으로 추가할 수 있어 경제성과 범용성이 높으며, 새로운 기술에 적응하기 어려운 사용자까지 고려한다는 점에서 의미가 있다. 향후 음성/시선/촉각 등 다양한 입력 모듈을 추가하여 사용자 특성에 맞는 인터페이스를 선택적으로 제공하는 확장형 플랫폼으로 발전할 수 있다.

본 작품은 의료 소외 지역의 치과 의료 접근성 향상을 위한 스마트폰 기반 AI 원격 구강 진단 로봇 시스템이다. 사용자의 스마트폰을 5자유도 로봇에 장착하여 구강을 여러 각도에서 자동 촬영하고, AI 기반 영상처리 및 3D 재구성 기술을 통해 3D 치아 모델을 생성한다. 생성된 3D 모델과 촬영 데이터는 서버에 저장되어 의료진이 원격으로 환자의 구강 상태를 확인할 수 있다. 추가 관찰이 필요한 경우 의료진은 앱을 통해 로봇을 원격으로 조작하여 특정 구강 영역의 사진과 영상을 실시간으로 확인할 수 있다. 또한 로봇의 관절 범위와 충돌 가능성을 고려한 안전 경로 계획을 적용하여 안정적인 촬영을 지원한다. 이를 통해 저비용·고접근성 원격 구강 진단 환경을 구축하고 정기적인 검진과 치과 질환의 조기 발견을 지원하고자 한다.

키보드는 책상 위에 올려놓고 사용하는 자세의 제약을 요구한다. XR 환경에서는 시선의 제약으로 타이핑 속도가 느려진다. 문제는 입력 좌표계가 신체 외부에 고정되어 있어 자세와 시선을 함께 구속한다는 구조적 전제에 있다. 본 팀은 이를 자세 비구속·시선 비점유 입력 문제로 재정의하고, 키보드를 책상이 아닌 손에 씌우는 방식으로 해결한다. 이에 다음의 설계 원리를 따르는 장갑형 키보드 KIH를 제안한다. 첫째, 보지 않고도 마디 위 다수의 버튼을 구별할 수 있다는 HCI 연구에 근거하여 eyes-free 구조를 만들었고, 유저 테스트를 통해 엄지가 닿기 편한 스윗스팟에 버튼을 배치했다. 둘째, 암기 용이성을 제 1원칙으로 하여, 기본 자모의 배치만 외우면 모든 글자를 입력할 수 있도록 하였다. 셋째, 두벌식 입력을 채택하여 기존 키보드 이용자들에게는 익숙한 입력 방식을 제공한다. 파일럿 테스트에서 평균 10 WPM 이상으로 최신 시선 비점유 입력 기법들과 동급임을 확인했고, 학습률이 반복 횟수에 따라 증가함을 확인하였다. KIH는 XR 텍스트 입력뿐만 아니라, 이동 중이거나 자세에 제약이 없는 상황의 입력에도 활용될 수 있으며, 나아가 약 600만원에 육박하는 시각장애인용 점자정보단말기를 대체할 초저가 입력 보완재(프로토타입 재료 원가 14,184원)로 확장될 수 있다.

본 과제는 8x8 배열의 저비용 라이다(LiDAR) 센서를 활용하여 사용자의 수면 상태를 비접촉식으로 모니터링하고, 이를 바탕으로 수면 환경을 능동적으로 최적화하는 스마트 수면 관리 솔루션 개발에 관한 것이다. 기존 애플 워치 등 웨어러블 기기는 수면 중 착용에 따른 물리적 불편함을 유발하며, 카메라 기반의 기기는 침실 내 사생활(Privacy) 침해 우려가 매우 크다는 근본적인 한계가 있다. 이에 본 연구는 단가 약 3만 원 수준의 저렴한 라이다 센서를 채택하여 대량 생산 시의 가격 경쟁력을 확보함과 동시에, 영상 데이터가 아닌 64개 픽셀의 거리 데이터(Depth Map)만을 수집함으로써 프라이버시 이슈를 원천적으로 차단하였다. 시스템의 핵심 측정 원리는 라이다 센서가 스캔하는 영역 중 사용자가 누워있는 특정 관심 영역(Region of Interest, ROI)을 설정하고, 이 영역 내에서 발생하는 미세한 흉부의 거리 변화를 추적하여 1인 사용자의 분당 호흡수(BPM), 호흡 변동성, 뒤척임 횟수를 정밀하게 분석하는 것이다. 이를 통해 10초 이상 호흡에 의한 거리 변화가 감지되지 않으면 수면 무호흡증으로 판단하고, 움직임 에너지를 바탕으로 수면 단계를 분류한다. 특히 본 기기는 단순한 모니터링을 넘어 내장된 적외선(IR) 송신기를 통해 레거시 에어컨을 제어하며, 향후 Zigbee나 Thread와 같은 무선 통신 프로토콜을 추가하여 가습기와 조명 등 스마트홈 기기까지 실시간으로 통합 제어할 수 있도록 설계되어 쾌적한 수면 환경을 능동적으로 조성하는 것을 목표로 한다.

이 연구는 Kolmogorov-Arnold Networks(KANs)의 기존 pruning 방식이 사용자가 정한 임계값에 따라 구조 선택이 크게 좌우된다는 문제를 해결하는 것을 목표로 한다. KAN은 각 edge마다 학습 가능한 일변수 함수를 두어 복잡한 관계를 표현하는 신경망이다. edge별 함수 모습을 직접적으로 분석할 수 있어 해석가능하며 blackbox로 표현하는 MLP의 문제를 해결한다. 기존 제시된 모델의 크기를 줄이는 방법인 deterministic pruning은 node의 중요도가 고정된 임계값보다 작으면 node를 제거하는 방식이다. 따라서 임계값을 조금만 바꾸어도 제거되는 연결 수와 예측 성능이 크게 달라질 수 있다. 데이터나 모델 구조가 달라질 때마다 적절한 값을 다시 찾아야 한다는 점도 실제 활용과 재현성을 떨어뜨린다. 이를 개선하기 위해 본 연구에서는 Regularized Horseshoe prior와 Variational Inference를 이용한 Probabilistic pruning 방법을 node가 아닌 edge에 적용한다. 한 edge에 속한 여러 계수를 단위로 불필요한 연결은 강하게 축소하고 중요한 edge는 유지하도록 학습한다. 또한 각 edge의 중요도를 하나의 값으로 단정하지 않고 여러 추정 결과를 통해 불확실성까지 함께 분석한다. 이후 posterior에서 계산한 edge contribution score에 따라 pruning 여부를 결정하여 점추정 판단을 posterior의 확률 판단으로 바꾼다. 평가는 두 방법에서 각각 pruning된 edge의 개수를 동일하게 두어 파라미터 개수를 통일했다. 그 결과 probabilistic pruning은 deterministinc pruning보다 낮은 MSE를 보였으며 추가로 출력에 영향을 주지 않는 edge를 우선적으로 제거하는 현상까지 확인했다. 본 연구는 KAN의 해석 가능성을 구조 선택의 불확실성 정량화까지 확장하는 재현 가능한 pruning 메커니즘을 제시한다.

본 연구는 비정합 외란(mismatched)과 모델 불확실성(model uncertainty)에 노출되는 쿼드로터의 강인한 위치 제어를 위해 계층적 주파수 영역 외란관측기(disturbance observer) 구조를 제안한다. 주파수 영역 외란 관측기는 Q-filter의 대역폭 지정을 통해 추정하고자 하는 외란의 주파수 범위를 직접 설계할 수 있다는 장점이 있으나, 쿼드로터의 수평축 동역학은 고차 상대 차수(relative degree)를 가지므로 기존 이론을 직접 적용할 경우 역모델이 부적정(improper)해져 수치적 구현에 어려움이 발생한다. 이러한 문제를 해결하기 위해, 쿼드로터의 고차 동역학을 특이 섭동 이론(Singular perturbed theory)을 기반으로 시간 스케일에 따라 slow/fast subsystem으로 분해하고, 각 subsystem의 상대 차수를 낮추는 방법을 제안하였다. 상대 차수 축소를 통해 주파수 영역 외란 관측기의 역모델 구현 문제를 완화하여 제어기의 수치적 실현 가능성을 확보하였다. 또한 각 subsytem의 동역학 특성에 맞추어 Q-filter의 대역폭을 독립적으로 설정함으로써 서로 다른 주파수 특성을 갖는 외란은 계층적으로 추정 및 보상할 수 있도록 하였다. 비선형 드론 모델 시뮬레이션을 통해 모델 불확실성과 Dryden 난류 모델 조건에서 제안된 계층적 외란 관측기 구조가 강인한 위치 추종 성능을 보임을 검증하였다. 제안한 방법은 고차 상대 차수로 인해 제한되었던 기존 주파수 영역 외란관측기의 쿼드로터 적용 가능성을 확장하였다는 데 의의가 있다. 또한 서로 다른 시간 스케일을 갖는 고차 동역학을 저차 subsystem으로 분해하여 각각 외란관측기를 설계하는 구조이므로, 향후 쿼드로터뿐만 아니라 계층적 동역학을 갖는 일반적인 고차 시스템으로의 확장가능성을 갖는다.

시각은 인간이 가장 많이 사용하는 감각으로, 뇌 신호로부터 시각 정보를 읽어내는 것은 뇌-컴퓨터 인터페이스(BCI)의 핵심 과제이다. 최근 딥러닝 기반 디코더가 뇌 신호에서 이미지를 재구성하는 수준에 이르렀으나, 대부분 재구성 성능만을 목표로 설계되어 모델이 어느 시점의 어떤 정보를 근거로 판단했는지 알 수 없는 블랙박스로 남아 있다. 본 연구는 효율적인 디코더 구조와 그 내부를 해석하는 방법론을 함께 제시한다. 뇌자도(MEG)로 측정한 뇌 자기 신호를 합성곱 신경망(CNN)에 입력해 이미지 임베딩을 예측하고, 사전 학습된 Diffusion Model로 피험자가 본 시각 자극을 재구성한다. 이어 Integrated Gradients로 학습된 CNN이 어느 시점의 신호에 의존하는지 정량화하고, 신경과학에서 쓰이는 표현 유사도 분석(RSA)을 결합해 자극의 저수준 시각 특징, 크기, 생물성이 처리되는 시점을 규명한다. 제안한 temporal-channel separable convolution 구조는 시간 축과 센서 축의 특성이 다르다는 점에 착안해 두 축의 연산을 분리한 구조로, 파라미터를 약 17만 개 줄이면서도 세 이미지 임베딩 공간 모두에서 검색 정확도가 향상되었다. 그리고 해석 결과 저수준 시각 특징이 자극 제시 후 약 133ms에서 가장 먼저 기여하고 크기와 생물성이 각각 175ms, 183ms로 뒤따랐으며, 크기와 생물성은 375ms와 467ms에서 더 큰 두 번째 피크를 보여 계층적 시각 처리와 일관되는 시간 순서를 재현하였다. 본 방법론은 MEG뿐 아니라 EEG, ECoG, fMRI 등 다양한 신경 신호 디코더에 그대로 적용할 수 있다. 이를 통해 BCI 설계 시 어떤 시공간의 신호를 활용할지에 대한 근거를 제공할 수 있을 것으로 기대된다.

극한 환경용 구조재료로 주목받는 내화 다주원소 합금(Refractory Multi-Principal Element Alloy)은 단상 안정성, 적층제조 공정 적합성, 연성 및 고온 강도를 동시에 만족해야 하지만, 방대한 조성 공간과 물성 간 상충관계가 존재하여 실험적 탐색에 한계가 있다. 본 연구에서는 W-Ta-Mo-Nb-Zr-Ti 계를 대상으로, 물리적 설계 기준에 따라 후보 조성을 단계적으로 선별하는 physics-guided screening framework를 구축하였다. 1단계에서는 CALPHAD 계산으로 상온과 1,000 K에서의 BCC 단상 안정성을 평가하고, 경쟁상의 형성 가능성이 높은 조성을 제외하였다. 2단계에서는 Eagar-Tsai 용융풀 신경망 분류기로 레이저 분말베드 용융(Laser Powder Bed Fusion) 공정창을 예측하고, 안정적인 용융풀 형성이 가능한 조성을 선별하였다. 3단계에서는 머신러닝 기반 원자 포텐셜 모델을 활용해 Local Lattice Distortion (LLD)과 Interstitial Charge Density (ρ₀)를 계산하여 연성 및 결합 특성을 평가하였다. 4단계에서는 Rao–Suzuki형 나사전위 강화 모델을 적용하여 온도에 따른 항복강도를 평가하고 후보 조성의 기계적 성능을 비교하였다. 단계적 선별 결과, 광범위한 W–Ta–Mo–Nb–Zr–Ti 조성 공간에서 두 개의 유망 조성 영역을 도출하였다. 하나는 Ta80W12Nb8을 기준 조성으로 하는 고-Ta 계열이며, 다른 하나는 보다 높은 구성 엔트로피를 갖는 Ta–Mo 기반 고엔트로피 계열이다. 최종적으로 두 조성 영역에서 대표 합금을 선정하여 아크용해를 통해 시편을 제작하였으며, 이후 경도 및 인장시험을 통해 예측 결과를 검증할 수 있도록 계산–실험 피드백 구조를 구축하였다. 본 프레임워크는 방대한 다원계 조성 공간에 대해 고비용 계산과 실험을 최소화하면서 물리적 해석을 가능하게 하여 극한환경용 합금 설계에 적용될 수 있다.

드론과 도심항공모빌리티(UAM)의 활용 확대에 따라 회전익의 소음 저감과 공력효율 확보는 중요한 기술과제로 부각되고 있다. 특히 소형 드론 프로펠러는 낮은 레이놀즈 수 영역에서 운용되어 층류박리, 천이 및 후류 불안정성이 크게 나타나며, 뒷전 부근의 속도변동과 와류 방출은 주요 광대역 소음원으로 작용한다. 본 연구는 별도의 구동기나 외부 에너지 공급 없이 블레이드 내부에 압력 구동형 수동 유동을 형성하여 뒷전 소음을 저감하는 구조를 제안하고, 그 유동제어 효과와 공력·음향 성능을 실험적으로 검증하는 것을 목적으로 한다. 설계 블레이드는 inner span r/R=0.2의 앞전 부근에서 고압 공기를 유입하고, 이를 내부 유로를 통해 outer span r/R=0.8~0.9의 뒷전 슬롯으로 방출하도록 구성하였다. Dual-pulse PIV를 이용해 후류 속도변동, 와도 RMS 및 Reynolds shear stress를 비교하였고, 소음 실험과 추력·토크 측정을 통해 음향 및 공력 성능을 함께 평가하였다. 그 결과 설계 블레이드는 후류의 최대 유동방향 및 수직방향 속도변동을 각각 31%, 18% 감소시켰으며, RMS vorticity와 Reynolds shear stress는 최대 35% 감소하였다. 또한 6~16 kHz의 LBLVS/BVS 관련 주파수 대역에서 소음이 감소했고, A-weighted OASPL은 모든 측정각에서 1.28~2.07 dBA, 평균 1.77 dBA 감소하였다. 반면 FM 감소는 2.36%에 그쳐 공력성능 저하는 제한적이었다. 본 구조는 회전익에 적용하기 어려운 능동 유동제어를 대체할 수 있는 단순하고 에너지 자립적인 소음저감 방식으로서, 소형 드론 및 UAM용 저소음 프로펠러 설계에 활용될 가능성이 있다.