이 프로젝트는 청각장애인의 가정 내 안전 사각지대를 해소하기 위해 개발된 실시간 소리 분류 기반 안전 보조 시스템이다. 청각장애인은 집에서 보청기를 벗는 경우가 많아 화재나 침입 등 긴급 상황을 인지하지 못하는 위험에 놓이는데, 본 연구는 소리를 자동 감지·분류하고 알림을 제공하는 허브-서버-앱 통합 구조를 제안하였다. 허브는 Raspberry Pi 5 기반으로, 배경 소음을 기준으로 임계값을 설정해 소리를 감지하고, 링 버퍼 방식으로 중요한 구간을 놓치지 않는다. 분류는 BiLSTM–Prototype Network 2단계 구조를 채택해 짧은 충격음부터 긴 소리까지 안정적으로 인식한다. Prototype Network는 프로토타입 벡터 간 거리를 활용해 미지의 소리를 판별할 수 있고, 사용자의 피드백을 반영해 벡터를 갱신함으로써 점진적으로 성능을 개선한다. 모든 음성은 Log-Mel spectrogram으로 변환되어 Multi-Scale CNN을 통해 특징을 추출하고, 데이터 증강을 거쳐 일반화 성능을 강화하였다. UrbanSound8K, Google AudioSet 등 약 1만 5천여 개 데이터를 학습하여 87.46%의 정확도를 달성하였다. 모델은 TensorFlow Lite 기반으로 경량화되어 Raspberry Pi에서 실시간 추론이 가능하며, Firebase 연동을 통해 앱과 허브 간 데이터가 즉시 공유된다. 앱은 이벤트 발생 시간과 장소, 분류 결과를 표시하고, 사용자는 잘못 분류된 결과에 피드백을 제공하여 모델을 지속적으로 개선할 수 있다. 이를 통해 가정 내 화재경보, 현관벨, 유리 파손, 아기 울음 등 주요 소리를 빠르고 정확하게 감지할 수 있으며, 저렴한 비용으로 개인 맞춤형 안전 보조 서비스를 제공한다. 본 시스템은 향후 복지시설과 공공기관까지 확산될 수 있는 높은 사회적 가치와 상용화 가능성을 지닌다.

우선 연구를 진행하기 위해 직접 dataset을 수집했다. 기존의 benchmark dataset이 아니라 한국의 특정 대기업들에 대한 주가와, 미국과 한국의 금리 추종 상품들, VIX와 같은 공포 지수에 대한 정보를 2021-01-01~2025-06-30의 기간에 대하여 수집했다. 이후 해당 data들을 Timeseries forecasting에서 자주 사용하는 model들인 Transformer, iTrnasformer, PatchTST, FEDformer를 이용하여 forecasting 하였고, MSE MAE등의 metric으로 평가했다. 이때, short term forecasting의 기간은 약 20일, long term forecasting의 기간은 약 50일 임을 밝힌다. 이때, 가장 안정적인 graph 형태를 보였던 Itrnasformer를 backbone model로 설정하고, embedding 하기 이전에 FFT(Fourier transform)하여 주파수 단위로 분리한 후 주파수 도메인에서 partial Sparse-masking을 사용한 후 IFFT를 진행하여 data의 noise를 줄여주었다. 또한 High frequency data를 학습하는 Itransformer model과 Low frequency data를 학습하는 Itransformer model을 분리함으로써 각각의 경향성을 더더욱 깊이 학습하게 하고자 하였다. 이를 기반으로 다시 MSE와 MAE의 metric으로 평가했고 기존의 모델들에 비해서 더 뛰어난 성능을 가지고 있음을 증명했다. Stock price를 예측하는 model이기 때문에 수익성이 MSE, MAE보다 중요하다고 생각했다. 이 때문에 새로운 평가 metric을 만들었다. 예측한 날짜들의 평균 가격을 기반으로 지금 상태에서 Long position을 잡을 지, Short position을 잡을 지 결정, 이후 예측한 거래일 내 판매하는 형식으로 수익률을 계산했다. 직접 제작한 Our model은 이때 연 평균 18% 정도의 수익률을 냈고, 다른 모델들이 매우 미비하거나 대부분 음수의 수익률을 내는 것으로 고려하면 이는 우수한 성과임을 밝힌다.

본 과제는 PLA 매트릭스에 jute fiber(JF)와 microfibrillated cellulose(MFC)를 함께 도입해 계층형 섬유 네트워크를 구축하고, SCPL 공정으로 경량 복합 폼을 제작하여 압축 성능과 흡음 성능을 동시에 높이는 것을 목표로 한다. PLA 용액에는 체분급된 NaCl을 사용해 기공 크기와 연결성을 안정화했으며, 섬유 혼합비를 조절해 하중 전달 경로와 점성 손실 경로를 확장했다. 최적 조성인 J1M2에서는 40% 변형 응력이 기준 PLA 대비 115% 증가하고, 40% 변형까지의 단위 질량당 에너지 흡수율도 106% 향상되었으며, 시편은 자중의 2,778배 하중을 지지했다. 흡음 평가는 ASTM E1050 및 IEC 61260-1을 준용해 수행하여 배치 간 변동을 억제하고 인증 요구에 부합하도록 했고, 500–2000 Hz 구간 평균 흡음계수는 약 38% 향상되었다. 재가공성 검증에서는 동일 조성 시편을 회수해 재용해·재성형했을 때 40% 변형 응력의 97.6%와 흡음 성능의 94.4%를 유지하여 폐루프 재사용 가능성을 입증했다. 특히 압축 단계를 상온에서 수행함으로써 고온 공정에서 흔한 분자량 저하와 결함 생성을 피했고, 동일 공정 경로로 재제조가 가능해 품질 편차 없이 반복 사용을 달성했다. 공정, 물성 동시 설계를 통해 구조적 강인성과 음향 기능을 함께 확보했으며, 저온 기반 SCPL은 기존 설비와 호환돼 생산 규모 확대에도 유리하다. 본 연구는 경량 충격 흡수 부품과 차량 내장 흡음재 등으로의 적용을 넓히고, 단계적 대체를 통해 시장 진입을 가속하며, 환경 부하와 단위 성능당 비용을 동시에 낮출 것으로 기대된다. 또한 시편 회수, 재용해, 재성형, 재검증으로 이어지는 순환 절차를 통해 공정 표준화의 기반을 마련했다.

고령, 장애, 중증 질환 등의 이유로 휠체어에서 오랜 시간 생활하는 환자들은 압박 궤양(또는 욕창, Pressure Ulcer)에 의해 어려움을 겪는다. 압박 궤양은 장시간 피부에 압력이 가해져 신체 조직에 손상이 발생하는 질환으로, 정도가 심한 경우 신체 조직의 괴사로 이어져 환자들이 극심한 고통에 시달리기도 한다. 이에 본 과제에서는 압박 궤양의 주요 원인인 압력과 온습도 문제를 해결하여 간병인의 역할을 대신할 수 있는 휠체어 시트를 제작하고자 하였다. DC기어모터로 시트 하부 PLA 판의 경사를 제어하여 사용자의 하중 분포를 조절하는 기능을 통해 체중에 의한 압력이 접촉 부위에 교대로 가해지도록 설계하였다. 압력 센서의 측정값을 실시간으로 피드백하여 과도한 압력에 의해 신체 조직이 취약해질 수 있는 상황도 방지하였다. 센서의 측정값을 서버로 전송하여, 보호자나 의료인이 스마트폰 앱을 통해 압력에 대한 실시간, 누적 데이터를 원격으로 확인하는 기능과 센서 측정이 되지 않는 경우 이탈 상황으로 인식하는 기능 등 전반적인 IoT 시스템을 구현하였다. PLA 판 위에는 배치할 폼은 온습도에 의한 영향을 완화하는 형상으로 설계하였다. 시트와 좌골의 접촉 부위에서의 열유동해석을 통해 접촉면에서 온도와 습도의 영향을 최소화하는 형상을 제작하였다. 본 과제의 창작물은 고비용, 맞춤형의 기존 시제품에 비해 저비용으로 재사용 가능한 보급형 휠체어 시트를 설계, 제작하였다는 점에서 의의를 가진다. 추가로, 의료기기에 IoT 기술을 접목하여 활용 가능성이 넓다는 장점이 있다. 하드웨어의 보급률을 높여 사용자의 착석 자세에 대한 압력 분포 데이터를 충분히 확보한다면 압박 궤양과 더불어 척추 측만증이나 추간판 탈출증(디스크) 등 착석 자세의 문제로 발생하는 다른 질환에도 적용 가능하다. 더 나아가, 사용자의 데이터를 기반으로 의료용 AI 모델을 개발하여 사용자의 체형이나 습관에 따른 개별 솔루션을 제공하는 서비스 등을 통해 디지털 헬스케어 분야로의 확장을 기대할 수 있다.

본 과제는 오리가미 구조를 활용하여 전쟁 및 재난 상황에서 쉘터의 기능을 하는 주거 구조물을 개발하는 것을 목표로 한다. 현대 사회의 가자지구 분쟁, 우크라이나 전쟁, 경남 산불 등과 같은 다양한 재난 상황 속에서 건설 노동자, 난민, 이주자 등 취약 계층은 제대로 보호받지 못하고 있다. 기존 쉘터는 단기용일 경우 열악한 임시시설에 그치며, 장기 주거 시설은 건설 기간이 오래 걸린다는 한계가 있다. 이러한 문제의 대안으로, 본 과제에서는 신속한 시공과 동시에 장기간 사용이 가능한 주거 구조물을 제시한다. 그리고 이를 실현하기 위한 구조적 해법으로 ‘오리가미 구조’를 제안한다. 오리가미, 소위 종이접기 구조는 부재의 접힘에 의해 전체적 형상이 가변적인 구조이다. 이 특성을 활용하면, 구조물이 접혔을 때는 부피를 최소화하여 시공현장까지의 간편하고 신속한 운반을 가능하게 하고, 펼쳐졌을 때는 부피를 확장해 내부에 건축 공간을 형성할 수 있다. 추가로 시공현장에서 복잡한 건설 과정 없이 오리가미 구조의 전개와 모듈 조립만으로 설치가 가능하다는 점에서 실질적 이점을 제공한다. 본 과제에서는 Miura fold 기반의 T-hedra case rigid origami에서 착안한 오리가미 구조물을 설계하였다. 먼저 단단하고 두께가 있는 부재를 활용한 Rigid Origami 구조의 형성 방법을 고안했다. 각 부재 사이의 접힘을 가능하게 하기 위한 조인트를 설계했고, 각 부재와 조인트 주변의 응력을 분석함으로써 구조적 안정성을 검토하였다. 또한, 구조물 내부 거주자의 쾌적성을 위해 최적화된 창문 배치를 설계하고 특수 상황의 냉난방 부하를 줄여 자급률을 확보했으며, 최종적으로 사업의 타당성을 검토하고자 사업성 분석과 각 모듈의 설치를 위한 시공 및 물류 계획을 수립하였다. 이 일련의 과정을 통해 재난 상황에서 실질적으로 활용 가능한 주거 구조물의 가능성을 탐색하였다. 최종적으로 구조적 안정성과 컨테이너 크기가 고려된 실제 모듈의 축소 모형을 제작했다.

본 연구는 산업 환경에서 인간의 수행 능력이 시간에 따라 변하는 역동적 특성에 주목합니다. 기존의 공정 스케줄링 연구들은 피로-회복 또는 학습-망각 중 일부 요소만을 고려하거나, 실시간 적용이 불가능한 한계가 있었습니다. 이러한 한계는 생산성 저하와 비효율적인 자원 배분으로 이어집니다. 이에 본 연구는 4가지 요소를 모두 포함하는 통합 모델을 제시함으로써, 혁신적인 작업자의 공정 스케줄을 제공하는 것을 목적으로 합니다. 먼저, 본 연구는 피로-회복과 학습-망각의 네 가지 요소를 통합한 새로운 실시간 작업률 수학 모델을 제안합니다. Li et al.(2020)의 피로-회복 모델에 Wright의 학습 곡선과 Ebbinghaus의 망각 곡선을 결합하여, 작업과 휴식의 연속적인 흐름 속에서 작업률이 어떻게 변화하는지 수리적으로 정의합니다. 특히 작업의 특성에 따라 각 요소의 중요도를 조절할 수 있는 가중치 기반으로 설계하여 유연성을 높입니다. 다음으로, 실시간 작업률에 따른 최적의 작업/휴식 전환 시점을 도출합니다. 이를 통해 작업자가 동적으로 가장 효율적인 스케줄을 설계해나가도록 합니다. 이후 Grid Search, 시뮬레이션을 통해 스케줄링 결과를 도출하고 효율성 및 현장 적용 가능성을 분석합니다. 본 솔루션은 작업자의 피로, 회복, 학습, 망각을 통합 고려하여 생산성을 극대화합니다. 기존의 비효율적 스케줄링을 개선하고, 불필요한 휴식 시간을 줄여 인적 자원 배분 효율을 높입니다. 작업자 상태를 실시간 반영해 최적의 작업-휴식 시점을 제공함으로써 번아웃을 예방하고 안정적 생산성을 유지하며 총체적 인건비 절감합니다. 본 모델은 단순 반복 작업부터 인지 노동까지 폭넓게 적용 가능하며 SaaS, API 형태로 맞춤형 솔루션을 제공해 스마트 팩토리나 스마트 오피스의 핵심이 될 것입니다. 나아가 원격 근무자의 디지털 헬스 솔루션으로도 활용 가능하며 스포츠 선수 훈련, 군인의 특수 직무 계획 수립 등에 적용하여 인적 자원 관리의 새로운 패러다임을 제시합니다.

본 과제는 이미지 내 영역별 중요도 불균형을 고려하여 차등적 해상도로 저장함으로써 저장공간을 확보하는 MRS3 시스템 개발을 목적으로 한다. 기존 PNG, JPEG 등 압축 알고리즘이 모든 픽셀에 균일한 압축을 적용하는 것과 달리, 얼굴과 같은 중요 영역은 원본 해상도로, 하늘이나 나무 등 배경은 저해상도로 저장하여 추가적인 공간 이득을 제공한다. 압축 단계에서는 YOLO 기반 자동 ROI 설정 또는 사용자 수동 선택을 통해 중요 영역을 추출하고, 원본 해상도 ROI와 다운스케일된 배경을 pkg 확장자로 패키징한다. 복원 단계에서는 EDSR 모델을 활용한 Super Resolution으로 배경을 업스케일하고, 원본 ROI와 자연스러운 알파블렌딩을 통해 완전한 이미지를 재구성한다. 본 시스템을 FastAPI 및 ngrok을 통한 공개 웹 기반 인터페이스로 구축하여 사용자 접근성을 극대화했다. 사용자와 서버 간 상호작용을 단계적으로 나타내면 다음과 같다. 압축: 이미지 업로드 → ROI(다각형) 설정 → 배율/고압축 옵션 선택 → 서버 처리 → .pkg 반환 복원: .pkg 업로드 → 복원 모드 선택 → 서버 처리 → 복원 결과 반환 MRS3는 인물 사진에서 기존의 20-40% 로의 용량 감소 효과를 달성하며, 압축-복원 통합 파이프라인을 제공하여 기존 기술 대비 운영 복잡성을 크게 줄였다. 영역별 차등적인 해상도 할당과 지능적 ROI 판별 기능(YOLO)으로 콘텐츠에 최적화된 처리가 가능하며, 웹 기반 서비스로 즉각적인 활용이 가능하다. 의료영상 분야에서 진단 품질 보장과 동시에 PACS 저장비용 절감, 보안 감시 시스템에서 저장용량 절약 등 다양한 이미지 관련 분야에서 활용 가능할 것으로 보인다. 글로벌 이미지 압축 시장의 연평균 8.5% 성장 환경에서 B2C 구독 서비스부터 B2B API 서비스까지 다양한 수익 모델을 구현할 수 있으며, 클라우드 스토리지 비용 상승 압박에 대응하는 실질적 솔루션으로서 높은 시장 가치를 보유한다.

본 창작물 ‘과일 수확 로봇’은 농업 현장의 인력 부족 문제를 해소하고, 소규모 농가에서도 활용 가능한 현실적 자동화 솔루션을 제시하기 위해 개발하되었다. 기존 수확 로봇은 주로 미국·유럽의 대규모 농장을 대상으로 고가 장비 중심으로 개발되어 국내 비닐하우스 환경에 적용하기 어려웠으며, 상용화 사례도 제한적이고 가격 부담이 컸다. 이에 본 창작물은 약 100만 원 내외의 제작비와 ROS2 기반 모듈형 아키텍처를 도입하여 경제성과 환경 적응성을 동시에 확보하였다. 하드웨어는 5자유도 로봇 팔과 알루미늄 프로파일 기반 차체, 그리고 줄기 절단과 파지 기능을 결합한 엔드이펙터를 직접 설계·제작하여 이동성과 안정성을 구현하였다. 인식 부문에서는 약 2,500개의 과일 데이터를 활용해 딸기·사과·오렌지를 학습하도록 YOLO-pose 신경망을 훈련하여 과일의 위치와 특징점을 정밀하게 추출할 수 있도록 하였다. 제어 부문에서는 Jetson Orin Nano 기반 ROS2 환경에서 IBVS·PBVS를 결합한 Hybrid Visual Servo 알고리즘을 개발하여 근접 구간에서도 안정적인 위치 제어와 수확 작업을 수행할 수 있었다. 전체 작업 절차는 Behavior Tree 구조를 통해 Ready → Rough Approach → Fine Approach → Pick & Place 단계로 체계적이고 반복 가능한 수확 과정을 완성하였다. 본 창작물은 저비용·고효율 구조를 통해 소규모 농가에서도 도입 가능성을 확보하였으며, 농촌 인력난 해소와 생산성 향상에 기여하는 동시에 스마트 농업 및 농업 자동화 기술 확산의 중요한 기반이 될 것으로 기대된다.

대규모 언어 모델(LLM)의 본질은, 인간의 의도를 이해하고 이를 디지털 세계가 해석할 수 있는 명령어로 번역하는 데에 있다. 이러한 특성 덕분에, 현재까지 LLM은 Apple Intelligence 같은 시스템에서 대화형 에이전트로 활용되어, 사용자의 명령을 바탕으로 앱을 실행하거나 예약을 대행하는 등 디지털 환경 내 다양한 임무를 수행한다. 한편, 기계의 본질은 ‘인간을 돕기 위한 도구’라는 데에 있다. 이에 본 프로젝트는 LLM의 본질을 바탕으로, 인간과 기계 사이의 인터페이스를 LLM을 이용해 재정의하고자 한다. 인간은 자연어로 의도를 전달하고, LLM의 이해를 거쳐 기계는 동작을 수행함으로써, 복잡한 조작 없이 자연어만으로도 누구나 디지털 세계뿐만 아니라 물리적 세계를 조작할 수 있는 환경을 조성하고자 한다. 이는, 기계가 '인간을 돕는다'라는 역할을 자연어라는 직관적인 수단을 통해 더욱 충실히 수행할 수 있도록 하는 것이다. 이를 시연하기 위한 수단으로 '그림 그리는 기계(2D Plotter)'를 선정하였다. 2D Plotter는 “오른쪽으로 선을 그려줘”와 같은 명확한 지시뿐 아니라, “곰돌이를 그려줘”와 같은 추상적이고 창의적인 명령도 처리할 수 있어, LLM 기반 인터페이스의 적용 가능성을 다양한 차원에서 실증할 수 있다. 향후에는 본 시스템이 로봇팔, 스마트홈, 휴머노이드 등 다양한 물리적 기계에 적용되어, 마치 하나의 운영체제(Operating System)처럼 범용적 인터페이스 역할을 수행할 수 있을 것으로 기대한다. 이는 인간과 기계 사이에 존재했던 전문성 등의 기술적 장벽을 실질적으로 낮추는 계기가 될 것이며, 인간 중심의 미래 설계에 있어 중요한 전환점이 될 것이다.

좁은 골목길 교차로에서 보행자가 달려오는 자동차를 미처 보지 못해 사고가 발생하는 경우가 많다. 특히 스마트폰 사용, 노이즈 캔슬링 착용, 전기차의 저소음 등으로 인해 다가오는 차량을 인지하지 못하면 사고 위험성은 더욱 커진다. 본 작품은 이러한 문제를 해결하기 위해 고안되었으며, 골목길 교차로에서 차량을 감지하고 그 속도를 기준으로 보행자에게 시각적/청각적 경고를 제공하여 보행자와 운전자의 안전을 지키는 것을 목표로 제작되었다. 본 작품은 동일한 장치를 여러 대 설치하여 구성한 시스템이다. 장치는 약 30cm*10cm*10cm 크기의 박스 형태로, 내부에는 ESP32 보드를 기반으로 한 회로가 구현되어 있다. 전면에는 초음파 센서 두 개를 배치해 차량의 속도를 측정하고, 후면에는 초록 및 빨강 LED와 버저를 배치하여 경고 효과를 낸다. 각 장치는 속도 측정과 경고 기능을 모두 수행할 수 있어, 한쪽 장치가 차량을 감지해 속도를 산출하면 반대편 장치는 이를 수신해 적절히 반응한다. 또한 별도의 보드를 컴퓨터에 연결하여 측정된 속도를 기록할 수 있도록 구현하였다. 본 작품은 소형화 설게를 통해 설치 부담을 줄였고, 단순한 회로 구성으로 제작 비용 또한 낮출 수 있었다. 이로써 실제 골목 환경에서 설치와 활용이 용이하다. 또한 기본 구조가 간단하므로 골목 상황에 따라 LED, 센서, 장치 배치 등을 변경하기 쉽고, 기록된 교통 데이터를 활용해 소프트웨어 최적화도 가능하다는 점에서 높은 확장성과 유연성을 지닌다. 따라서 본 작품은, 교통 정책의 사각지대가 되기 쉬운 좁은 골목길에서, 특히 보행자에게 즉각적이고 효율적인 안전 효과를 제공할 수 있다는 점에서 의의가 크다.

저희가 소개할 창작물은 청각장애인을 위한 소리 안내 장치 입니다. 저희는 ESP32, INMP 441 마이크,그리고 OLED를 회로로 연결하고 시계 형태로 하드웨어를 디자인 해서 청각장애인 분들의 생활을 효과적으로 보조할 수 있는 장치를 만들었습니다. 저희 장치에는 몇가지 기능이 포함되어있습니다 첫 번째는 AI Speech To Text 기능입니다. 사람들이 말을 할 때 소리를 듣지 못하는 분들을 위해 말소리를 텍스트로 변환 하는 기능입니다. 이 기능을 통해 청각장애인 분들이 수어를 하지 못하는 사람들의 말을 알아들을 수 있도록 도와줍니다. 두 번째는 화자 구분 기능입니다. 여러 사람이 말을 하고 있을 때 지금 텍스트로 변환되고 있는 말소리는 누구의 말소리인지 AI 기술로 구분해주어서 누가 무슨 말을 했는지 헷갈리지 않도록 도와주는 기능입니다. 세 번째는 소음 분류 기능입니다. 경적소리, 주변에서 유리가 깨지는 소리, 그리고 경보음 등을 AI가 분류하여서 사용자에게 안내합니다. 이 기능을 통해 청각장애인 분들도 소리를 듣지 못하여도 위험한 소리를 파악하여 위기사항에 신속하게 대처할 수 있습니다. 저희 장치를 통해 청각장애인들을 비롯한 여러 사용자들에게 개인 맞춤형 음성 기반 화자 구별, 빠른 위험 상황 인식, 그리고 대화 추적 등의 기능을 통해 부가적인 언어 보조의 도움을 줄 수 있을것이라고 생각합니다

본 연구에서는 큐브위성 기반 화성 착륙선의 대기 진입 시 감속 및 안정화를 위한 초음속 낙하산의 형상별 성능을 평가하기 위해, 유체–구조 연성(Fluid–Structure Interaction, FSI) 해석을 수행하였다. 분석 대상은 평면형, 타원형, 반구형 캐노피로 정의하였으며, 5개(3a=nb, n=0-4)의 형상에 대해 화성 대기의 특수한 환경 조건과 12U급 페이로드 하중을 고려한 수치 해석을 진행하였다. 해석에는 Arbitrary Lagrangian–Eulerian (ALE) 기법을 적용하여 낙하산 구조와 주변 유동장 간의 상호작용을 정밀하게 모사하였다. 이를 통해 전개 과정에서 발생하는 유동 불안정, 캐노피 표면의 응력 집중, 그리고 낙하산 전체의 변형 특성을 파악하였다. 분석 과정에서는 캐노피에 작용하는 응력 분포, 낙하산별 전개 양상 등을 단계별로 추적하였으며, 시간에 따른 항력 계수(Cd) 변화를 계산하여 감속 성능의 안정성을 비교하였다. 또한 유체의 압력, 속도장을 관찰하고, 이를 바탕으로 각 캐노피 형상 주변에 나타나는 유동 특징을 분석하였다. 해석 결과, 하강 및 감속 과정에서 다섯 가지 낙하산 형상은 평가 항목별로 일정한 경향성을 나타냈다. 항력 계수는 3a=0b 형상에서 가장 크게 증가하였으나, 캐노피 평면 응력 집중은 3a=4b 형상에서 높이가 증가할수록 완화되는 양상을 보였다. 또한 캐노피 높이가 커질수록 질량이 약 5–10 kg 증가하여 미션의 자유도를 일부 제한하지만, 동시에 밴드에 의존하지 않고도 안정적인 감속 성능을 발휘하는 장점을 확인할 수 있었다. 분석 대상 형상의 초기 유동 패턴은 유사하나 캐노피 깊이에 따라 충격파 박리 시점과 후류 구조가 달라지는 경향을 보였다. 이러한 종합적인 평가를 통해, 12U 페이로드의 감속 임무에서 가장 유리한 형상을 정의하였다. 본 연구는 큐브위성 기반 소형 화성 착륙선의 낙하산 설계 과정에서 형상 선택을 위한 평가 지표를 제시하고 적용하였다는 점에서 의의가 있으며, 향후 실험적 검증 및 형상 최적화 연구의 기초 자료로 활용될 수 있을 것이다.

학업, 업무, 디지털 기기 등 여러 요인으로 인해 수면 질이 저하되고, 이에 따른 수면 장애 인구도 증가하는 추세이다. 현재 시장의 기상 알람 모델은 유저의 수면 단계와 무관하게 설정된 시간에 울리는데, 깊은 수면 단계인 N3나 REM 수면에서 깨어나면 각각 관성 심화, 인지 부조화를 겪게 된다. 수면 단계를 고려하는 기존 제품들도 있으나, 유저의 움직임이나 호흡 등 간접적인 지표를 사용하기 때문에 부정확하다는 단점이 있다. 본 과제에서는 TGAM모듈(single-channel EEG)을 활용하여 유저의 뇌파를 직접 측정하고, 얕은 수면 단계인 N2 단계에 이르렀을 때 알람을 울리는 장치를 제작하였다. 본 알람시계에서 유저는 OLED 화면과 로터리 엔코더(다이얼)를 통해 기상 허용 구간과 기상 시간을 설정한다. 설정 이후 OLED 디스플레이에는 현재 시각이 표시되어 시계로 작동한다. 유저는 TGAM이 연결된 안대를 착용하고 수면을 취하며, 설정한 기상 구간이 시작되면 측정된 뇌파가 블루투스로 시계 본체에 전송되어 classifier에 입력된다. N2 단계가 감지되면 알람이 울리고, 구간 내에서 감지되지 않으면 최종 설정된 기상 시각에 알람이 울린다. N2 classifier 모델은 TGAM을 통해 측정한 뇌파 특징을 분석하여 구현하였다. ANPHY-Sleep 데이터베이스의 데이터를 활용해 spindle 수를 포함한 여러 feature들을 추출하고, 이를 xgboost 방식으로 학습시켜 모델을 만들었다. 본 과제에서는 TGAM의 signal을 classifier에 맞게 전처리하여 알람 시계를 구현하였다. 본 작품은 수면의 질 개선을 원하는 모든 사람이 사용할 수 있으며, 연령과 성별에 구애받지 않는다. 수면 장애를 겪는 현대인들에게 주간 졸림 감소, 안정적인 에너지 유지, 집중력 향상, 생산성 증대 및 정서적 안정 효과를 기대할 수 있다. 더불어 이 작품은 EEG 도입을 시도한 첫 모델로서 사업화 시 수면 웨어러블 시장에서 EEG 기반 기술을 선도할 수 있을 것이다.

본 과제의 목적은 자폐 스펙트럼 아동의 청지각(소리의 구별·인지·반응 능력) 발달을 돕는 훈련 완구를 개발하는 것이다. 청지각은 언어 습득과 의사소통 능력과 직결되며, 자폐 아동은 반복적이고 체계적인 훈련이 필요하다. 그러나 현재 널리 쓰이는 ABA(응용행동분석) 치료는 비용 부담으로 장기간 유지가 어렵고, 기존 훈련 교구는 단순한 음향 자극에 머물러 효과와 흥미 유발이 제한적이다. 따라서 가정과 교육 현장에서 모두 활용 가능한 경제적·접근성 높은 대안 도구가 필요하다. 이를 위해 본 연구는 다감각 통합, 난이도 조절, 데이터 기록이라는 세 가지 차별성을 제시했다. LED 조명, 진동, 말랑한 실리콘 캐릭터를 결합해 아동의 시각·청각·촉각을 동시에 자극하고, 난이도를 네 단계로 구분하여 아동 발달 속도에 맞춘 맞춤형 훈련을 가능케 했다. 또한 반응 시간과 시도 횟수를 자동 기록해 그래프와 표로 제공하고, 토큰 보상 체계와 연계하여 학습 동기를 강화했다. 기술적으로는 ESP32를 기반으로 DFPlayer mini, RGB LED 모듈, 진동센서를 결합한 독립 모듈을 제작하였으며, WiFi(WebSocket)와 ESP-NOW 통신을 병행해 교사·보호자가 웹 UI로 쉽게 제어할 수 있도록 했다. 결과물은 네 개의 동물 모듈과 웹 인터페이스로 구성되며, 아동이 소리를 듣고 해당 장치를 터치하면 즉각적인 빛과 소리 피드백을 제공한다. 이는 ABA 원리에 부합하는 강화 효과를 갖는다. 기대효과로는 아동이 흥미를 가지고 반복 학습할 수 있으며, 보호자는 정량적 데이터를 통해 발달 과정을 관리할 수 있다. 또한 가정용 보조 훈련 도구, 교육기관 연계 교구 등으로 확장 가능하며, 구독형 서비스·콘텐츠 팩·기관용 라이선스 등 다양한 수익 모델을 통해 경제성과 사업성도 확보할 수 있다.

본 과제의 목적은 유체의 점도를 비침습적/실시간으로 모니터링하여 공정 자동화에 활용될 수 있는 AI 믹싱 디바이스를 개발하는 것이다. 기존 점도계는 소량의 샘플 채취와 접촉식 측정이 필요하여 시간, 비용 그리고 공정 연속성 측면에서 매우 불리하였다. 본 연구는 이를 개선하여 카메라 모듈만으로 영상을 촬영하고, 인공신경망을 통해 점도를 추론하여 경제성과 비접촉성을 동시에 확보한다. 비전 모델 훈련을 위해 실제 물-글리세린 용액의 교반 후 감쇠과정을 촬영하고 데이터셋으로 활용하였으며, SPH 기반 유체 시뮬레이션과 블렌더 렌더링으로 생성한 대규모 합성 데이터 또한 함께 사용하였다. 모델 구조는 Transformer 기반 Vivit 모델을 사용하여 높은 추정 정확도와 강건한 모델 성능을 달성하였고, 이는 단순한 점도계 대체를 넘어 다양한 산업 공정에서 End Point Detection과 안정화에 기여할 수 있으리라 예상한다. 특히 저비용·비침습 방식으로 다수 반응기 모니터링에 적합하여, 정유/석유화학/제약/식음료 등 산업 전반에서 자동화 공정 구현의 핵심 센서로 활용될 것으로 기대된다.

test

천연가스는 전체 에너지원 중 약 25% 이상을 차지하는 주요 화석연료로, 그 주성분인 메탄 (CH4)은 지구온난화지수 (Global Warming Potential, GWP)가 이산화탄소 대비 28배에 달하는 강력한 온실가스이다. 그러나 천연가스의 생산과 이동, 추출 과정에서 발생하는 메탄은 낮은 농도 (0.1-1.0 vol%)와 불안정한 유량으로 인하여 배출량 규제에 어려움이 있어 이를 효과적으로 처리할 수 있는 촉매 개발이 필수적이다. 희박 메탄산화 반응 (Lean Methane Oxidation, LMO)은 배기가스 내 메탄을 완전 연소시켜 이산화탄소와 물로 전환하는 친환경적인 반응으로, Pd/CeO2 촉매가 가장 우수한 활성을 나타내는 것으로 알려져 있다. 이는 CeO2의 강한 금속과 지지체 간 상호작용 (Strong Metal-Support Interaction, SMSI)과 높은 산소 저장용량, 그리고 우수한 산화환원 성질(Ce3+ ↔ Ce4+)에서 기인한다. 선행연구에 따르면, Pd/CeO2 촉매를 기존의 IWI (Incipient Wetness Impregnation) 방법보다 기계화학적 촉매합성법인 볼 밀링 (Ball-milling) 방법으로 합성할 때 더 높은 활성과 안정성이 보고된 바 있다. 따라서, 본 연구에서는 볼 밀링 방법을 적용하여 Pd/CeO2 촉매를 제조하고, LMO 반응에 대한 활성을 평가하였다. 그 결과, Pd/CeO2-5Hz 촉매가 가장 높은 메탄 전환율과 TOF (Turn-over Frequency), 가장 낮은 활성화 에너지를 나타내었다. 촉매의 특성 분석에 따르면, 이는 볼 밀링 과정에서 형성된 풍부한 PdCUS (Coordinatively unsaturated Pd sites)가 메탄의 활성화에 중요한 역할을 한 것으로 해석된다. 본 연구는 단순한 합성법을 통해 메탄 저감 촉매를 개발할 수 있는 새로운 가능성을 제시하며, 향후 대기질 개선과 온실가스 저감에 기여할 것으로 기대된다.

.