고급지능시스템 연구실
Advanced Intelligent Systems Laboratory
연구실 소개 및 연구분야
지능형 통신 및 시스템 연구실 (AISLab)
6G 무선 통신, 인공지능, 그리고 로보틱스의 융합을 통한 미래 지능형 인프라 구축
서울대학교 전기·정보공학부 소속 지능형 통신 및 시스템 연구실(AISLab)은 차세대 통신 시스템과 지능형 연결 시스템의 혁신을 목표로 합니다. 양현종 교수님의 지도 아래, 우리 연구실은 이론적 깊이와 실질적인 기술 구현을 결합하여 세상의 복잡한 문제들을 해결하는 데 주력하고 있습니다.
핵심 연구 분야:
AI-Native RAN 및 무선 파운데이션 모델: 인간의 의도(Intent)를 실시간 네트워크 동작으로 변환하는 Intent-Driven 지능형 기지국을 설계합니다. NVIDIA Sionna 및 Aerial 플랫폼을 활용하여 GPU 가속 기반의 6G 물리/매체 제어 계층을 연구합니다.
분산 학습 및 에지 지능(Edge Intelligence): 배터리 제한이 있는 무선 기기들을 위한 효율적인 분산 학습 알고리즘을 개발합니다. 프라이버시를 보호하면서도 채널 상태에 따라 최적으로 연산을 오프로딩하는 프레임워크를 구축합니다.
커넥티드 협력 로보틱스: 다수의 로봇이 6G 네트워크를 통해 정보를 공유하고 협력하는 플릿(Fleet) 수준의 내비게이션 기술을 연구합니다. 에지 LMM(Large Multimodal Model)을 활용하여 전체 로봇 군집의 흐름을 최적화하고 안전한 자율 주행을 실현합니다.
AISLab은 자체 개발한 연구 중심 커리큘럼을 통해 학생들이 신호 및 시스템, 최적화 이론부터 최신 딥러닝 기술까지 탄탄하게 습득하도록 돕습니다. 우리는 학계의 경계를 넘어 산업계와 긴밀히 소통하며, 이론이 실제 현장에서 구현되어 세상을 바꾸는 가치를 창출합니다.
6G 무선 통신, 인공지능, 그리고 로보틱스의 융합을 통한 미래 지능형 인프라 구축
서울대학교 전기·정보공학부 소속 지능형 통신 및 시스템 연구실(AISLab)은 차세대 통신 시스템과 지능형 연결 시스템의 혁신을 목표로 합니다. 양현종 교수님의 지도 아래, 우리 연구실은 이론적 깊이와 실질적인 기술 구현을 결합하여 세상의 복잡한 문제들을 해결하는 데 주력하고 있습니다.
핵심 연구 분야:
AI-Native RAN 및 무선 파운데이션 모델: 인간의 의도(Intent)를 실시간 네트워크 동작으로 변환하는 Intent-Driven 지능형 기지국을 설계합니다. NVIDIA Sionna 및 Aerial 플랫폼을 활용하여 GPU 가속 기반의 6G 물리/매체 제어 계층을 연구합니다.
분산 학습 및 에지 지능(Edge Intelligence): 배터리 제한이 있는 무선 기기들을 위한 효율적인 분산 학습 알고리즘을 개발합니다. 프라이버시를 보호하면서도 채널 상태에 따라 최적으로 연산을 오프로딩하는 프레임워크를 구축합니다.
커넥티드 협력 로보틱스: 다수의 로봇이 6G 네트워크를 통해 정보를 공유하고 협력하는 플릿(Fleet) 수준의 내비게이션 기술을 연구합니다. 에지 LMM(Large Multimodal Model)을 활용하여 전체 로봇 군집의 흐름을 최적화하고 안전한 자율 주행을 실현합니다.
AISLab은 자체 개발한 연구 중심 커리큘럼을 통해 학생들이 신호 및 시스템, 최적화 이론부터 최신 딥러닝 기술까지 탄탄하게 습득하도록 돕습니다. 우리는 학계의 경계를 넘어 산업계와 긴밀히 소통하며, 이론이 실제 현장에서 구현되어 세상을 바꾸는 가치를 창출합니다.
최근 관심분야 및 주요 연구과제
AI-Native RAN 및 무선 파운데이션 모델
인간의 의도(Intent)를 이해하고 이를 실시간 네트워크 정책으로 변환하는 지능형 기지국 구조를 연구합니다. 또한, 디지털 트윈과 실제 채널 데이터를 결합하여 전파 환경을 예측하는 무선 파운데이션 모델을 개발합니다.
분산 학습 및 무선 에지 지능
무선 에지 환경에서 기기들의 프라이버시를 보호하면서도 효율적으로 모델을 학습시키는 알고리즘을 연구합니다. 통신 채널 상태에 따라 연산량을 동적으로 조절하는 채널 인지형 오프로딩 기술을 포함합니다.
커넥티드 협력 로보틱스
6G 통신 기술을 기반으로 수십 대의 로봇이 실시간으로 정보를 교환하며 협력하는 시스템을 구축합니다. 에지 서버의 대규모 모델을 활용해 로봇 군집의 이동 경로를 최적화하고 혼잡을 관리하는 기술에 집중합니다.
통신-센싱 통합 시스템 (ISAC)
무선 통신 신호를 활용해 주변 환경을 정밀하게 감지하는 센싱 기술과 통신 기능을 하나의 시스템으로 통합하는 연구를 수행합니다. 이는 6G 시대의 자율주행 및 환경 인지를 위한 핵심 기술입니다.
인간의 의도(Intent)를 이해하고 이를 실시간 네트워크 정책으로 변환하는 지능형 기지국 구조를 연구합니다. 또한, 디지털 트윈과 실제 채널 데이터를 결합하여 전파 환경을 예측하는 무선 파운데이션 모델을 개발합니다.
분산 학습 및 무선 에지 지능
무선 에지 환경에서 기기들의 프라이버시를 보호하면서도 효율적으로 모델을 학습시키는 알고리즘을 연구합니다. 통신 채널 상태에 따라 연산량을 동적으로 조절하는 채널 인지형 오프로딩 기술을 포함합니다.
커넥티드 협력 로보틱스
6G 통신 기술을 기반으로 수십 대의 로봇이 실시간으로 정보를 교환하며 협력하는 시스템을 구축합니다. 에지 서버의 대규모 모델을 활용해 로봇 군집의 이동 경로를 최적화하고 혼잡을 관리하는 기술에 집중합니다.
통신-센싱 통합 시스템 (ISAC)
무선 통신 신호를 활용해 주변 환경을 정밀하게 감지하는 센싱 기술과 통신 기능을 하나의 시스템으로 통합하는 연구를 수행합니다. 이는 6G 시대의 자율주행 및 환경 인지를 위한 핵심 기술입니다.
주요 논문/특허
Selected Publications (by Research Area)
1. AI-Native RAN & Wireless Foundation Models
인간의 의도(Intent)를 네트워크 정책으로 변환하거나, 대규모 언어 모델(LLM)을 통신 계층에 접목하여 스스로 최적화하는 AI-내이티브 통신 구조를 연구합니다.
H. J. Yang, H. Kim, H. Noh, S. Kim, and B. Shim, "Large Language and Multimodal Models for Task-Oriented Autonomous Communications: Opportunities and Challenges," accepted, IEEE Vehicular Technology Magazine (VTM), 2026.
S. Ryu and H. J. Yang, "Standards-Compliant DM-RS Allocation via Temporal Channel Prediction for Massive MIMO Systems," accepted, IEEE Transactions on Vehicular Technology (TVT), 2026.
S. Park, H. Noh, and H. J. Yang, "Robust Transmission of Punctured Text With Large Language Model-Based Recovery," IEEE Transactions on Vehicular Technology (TVT), vol. 75, no. 1, 2026.
2. Distributed Learning & Wireless Edge Intelligence
통신 자원이 제한된 에지 환경에서 데이터 프라이버시를 유지하며 모델을 학습시키는 알고리즘을 연구합니다. 특히 연산 오프로딩과 통신 효율을 극대화하는 연합 학습(Federated Learning)에 집중합니다.
J. Jang, H. Lyu, D. J. Love, and H. J. Yang, "Fed-ZOE: Communication-Efficient Over-the-Air Federated Learning via Zeroth-Order Estimation," under review, IEEE Journal on Selected Areas in Communications (JSAC), 2026.
M. Kim, J. Jang, Y. Choi, and H. J. Yang, "Distributed Task Offloading and Resource Allocation for Latency Minimization in Mobile Edge Computing Networks," IEEE Transactions on Mobile Computing (TMC), vol. 23, no. 12, 2024.
S. Ryu, J. Jang, and H. J. Yang, "Noise Variance Optimization in Differential Privacy: A Game-Theoretic Approach Through Per-Instance Differential Privacy," IEEE Access, vol. 12, 2024.
3. Connected Collaborative Robotics
다수의 로봇이 6G 네트워크를 통해 유기적으로 협력하기 위한 통신-제어 공동 설계(Co-design)를 연구합니다. 에지 서버의 지능을 활용해 군집 로봇의 경로를 최적화하고 지능형 센싱을 통합합니다.
H. J. Yang, H. Lee, K. Shim, J. Kwak et al., "Advancing Multi-Robot Networks via MLLM-Driven Sensing, Communication, and Computation: A Comprehensive Survey," under review, IEEE Communications Surveys & Tutorials (COMST), 2025.
H. Lyu, H. Noh, H. J. Yang, and K. Chowdhury, "Secure Multi-Hop Relaying in Large-Scale Space-Air-Ground-Sea Integrated Networks," under review, IEEE Transactions on Wireless Communications (TWC), 2025.
J. Jang, H. Lyu, H. J. Yang, M. Oh, and J. Lee, "Deep Learning-Based Autonomous Scanning Electron Microscope," Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2020.
1. AI-Native RAN & Wireless Foundation Models
인간의 의도(Intent)를 네트워크 정책으로 변환하거나, 대규모 언어 모델(LLM)을 통신 계층에 접목하여 스스로 최적화하는 AI-내이티브 통신 구조를 연구합니다.
H. J. Yang, H. Kim, H. Noh, S. Kim, and B. Shim, "Large Language and Multimodal Models for Task-Oriented Autonomous Communications: Opportunities and Challenges," accepted, IEEE Vehicular Technology Magazine (VTM), 2026.
S. Ryu and H. J. Yang, "Standards-Compliant DM-RS Allocation via Temporal Channel Prediction for Massive MIMO Systems," accepted, IEEE Transactions on Vehicular Technology (TVT), 2026.
S. Park, H. Noh, and H. J. Yang, "Robust Transmission of Punctured Text With Large Language Model-Based Recovery," IEEE Transactions on Vehicular Technology (TVT), vol. 75, no. 1, 2026.
2. Distributed Learning & Wireless Edge Intelligence
통신 자원이 제한된 에지 환경에서 데이터 프라이버시를 유지하며 모델을 학습시키는 알고리즘을 연구합니다. 특히 연산 오프로딩과 통신 효율을 극대화하는 연합 학습(Federated Learning)에 집중합니다.
J. Jang, H. Lyu, D. J. Love, and H. J. Yang, "Fed-ZOE: Communication-Efficient Over-the-Air Federated Learning via Zeroth-Order Estimation," under review, IEEE Journal on Selected Areas in Communications (JSAC), 2026.
M. Kim, J. Jang, Y. Choi, and H. J. Yang, "Distributed Task Offloading and Resource Allocation for Latency Minimization in Mobile Edge Computing Networks," IEEE Transactions on Mobile Computing (TMC), vol. 23, no. 12, 2024.
S. Ryu, J. Jang, and H. J. Yang, "Noise Variance Optimization in Differential Privacy: A Game-Theoretic Approach Through Per-Instance Differential Privacy," IEEE Access, vol. 12, 2024.
3. Connected Collaborative Robotics
다수의 로봇이 6G 네트워크를 통해 유기적으로 협력하기 위한 통신-제어 공동 설계(Co-design)를 연구합니다. 에지 서버의 지능을 활용해 군집 로봇의 경로를 최적화하고 지능형 센싱을 통합합니다.
H. J. Yang, H. Lee, K. Shim, J. Kwak et al., "Advancing Multi-Robot Networks via MLLM-Driven Sensing, Communication, and Computation: A Comprehensive Survey," under review, IEEE Communications Surveys & Tutorials (COMST), 2025.
H. Lyu, H. Noh, H. J. Yang, and K. Chowdhury, "Secure Multi-Hop Relaying in Large-Scale Space-Air-Ground-Sea Integrated Networks," under review, IEEE Transactions on Wireless Communications (TWC), 2025.
J. Jang, H. Lyu, H. J. Yang, M. Oh, and J. Lee, "Deep Learning-Based Autonomous Scanning Electron Microscope," Proc. IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2020.
