연구실

1996년 설립 이후 본 연구실은 지능형자동차 연구실로써 도심과 같은 정형화된 환경뿐만 아니라 야지나 험지 등의 비정형 환경에서의 자율주행 또한 목표로 하고 있다. 센서와 차량 등의 하드웨어부터 내장되어 있는 소프트웨어까지 본 연구실에서 풀스택(full-stack)으로 개발 및 연구하고 있으며 시뮬레이션과 실제 환경을 동시에 활용함으로써 더욱 안전하고 고성능의 자율주행 시스템을 만들어가고자 한다. 이러한 시스템과 기술을 구현하기 위해 본 연구실은 크게 세가지 파트로 나뉘어져 있다. 첫째는 인식 파트이다. 카메라와 라이다 등의 센서를 활용하여 주변 환경에 대한 정보를 받아들이고, 이에 대한 정보를 압축하여 뒷 파트에서 원활하게 사용할 수 있게 한다. 센서 각각의 특성을 잘 이해하고 단점은 최소화하고 장점을 극대화하는 방향으로 활용하고자 하며, 여러 센서의 장점들을 교차 활용할 수 있는 융합 방법론에 대해서도 꾸준히 연구중이다. 둘째는 측위 파트이다. 우선 기본적으로 주행 환경에 대한 지도를 만드는 것을 전제로 하고 있으며 센서로부터의 인식 정보와 지도 정보를 비교해 현재 자차의 위치를 정확히 측정하는 것이 목표이다. 최근에는 지도를 만드는 부담을 줄이고자 지도 없이 실시간 정보만을 바탕으로 측위를 하는 연구 또한 진행하고 있다. 셋째는 제어 파트이다. 앞단에서 들어온 인식 정보와 측위 정보를 활용하여 현재 나의 위치와 주변 환경을 정확하게 이해한 후, 목적지까지 갈 수 있는 최적의 경로를 생성하고 그 경로와의 오차를 최소화하며 주행하는 것을 목표로 한다. 본 연구실의 연구 분야는 대표적으로 위와 같이 세 파트로 나뉘어져 있지만, 서로 개별적으로만 작동하는 것은 아니다. 세 파트 모두 정보를 실시간으로 긴밀히 주고받기 때문에 각 파트의 성능뿐 아니라, 파트 간의 상호작용을 최적으로 구성하고자 하는 연구 역시 진행 중이다. 본 연구실은 자율주행이란 큰 문제를 풀기 위해 효율적으로 분리할 수 있는 파트를 설정한 후, 모든 파트들이 내외적으로 최적 작동을 하여 안전하고 고성능의 자율주행 시스템을 구축하기 노력하고 있다. 이러한 노력을 통해 대규모 국가/기업과제 수행 및 연구실 내부적으로 수많은 데모 경험을 보유하고 있으며 최근 RA-L, ICRA, IROS, ICRA, ICML, T-ITS 등 많은 국 내외 저널/학회 실적을 꾸준히 내었다.

* 연구 분야
- 카메라, 레이더, 라이다 등 차량에 장착되는 센서들을 이용한 주변 환경 및 물체 인지 기술
- 센서로부터 얻은 환경 정보를 토대로 한 차량의 정밀 측위 기술
- 주변 지형지물과의 상호작용을 고려하여 차량의 안정성과 효율성을 극대화하는 주행 기술
- 동적인 환경 변화에 강인하며 전략적으로 목표를 설정을 위한 주행 전략 판별 기술
- 무인항공기(UAV)와 무인자동차(UGV)의 협력 주행을 통한 효율적 정보 전달과 운용을 위한 무인 군집 주행 기술

* 연구 키워드
- Object Detection / Semantic Segmentation / 3D Scene Reconstruction / 3D Scene Segmentation
- Reinforcement Learning / Inverse Reincforcement Learning / Imitation Learning
- Sensor Fusion / Decision Making / Interactive Path Planning / Safety-Critical-Systems Control
- Simultaneous Localization and Mapping (SLAM) / Active SLAM / Visual SLAM
- Representation Learning / Incremental Learning

1. Sang-Hyun Lee, Seung-Woo Seo, "Unsupervised Skill Discovery for Learning Shared Structures across Changing Environments", Proceedings of the 40th International Conference on Machine Learning (ICML), PMLR, pp. 19185-19199, 2023.
2. Min-Kook Suh and Seung-Woo Seo, "Long-Tailed Recognition by Mutual Information Maximization between Latent Features and Ground-Truth Labels", Proceedings of the 40th International Conference on Machine Learning (ICML), PMLR, pp. 32770-32782, 2023.
3. Chan Kim, Jaekyung Cho, Christophe Bobda, Seung-Woo Seo, Seong-Woo Kim, "SeRO: Self-Supervised Reinforcement Learning for Recovery from Out-of-Distribution Situations", International Joint Conference on Artificial Intelligence(IJCAI), pp. 3884-3892, 2023
4. Se-Wook Yoo, Chan Kim, Jinwoo Choi, Seong-Woo Kim, Seung-Woo Seo, "GIN: Graph-based Interaction-aware Constraint Policy Optimization for Autonomous Driving", IEEE Robotics and Automation Letter 8.2 (RA-L), pp. 464-471, 2023
5. Yurim Jeon, Hwichang Kim, Seung-Woo Seo, "ABCD: Attentive Bilateral Convolutional Network for Robust Depth Completion", IEEE Robotics and Automation Letter 7.1 (RA-L), pp. 81-87, 2023
6. Chan Kim, JaeKyung Cho, Hyung-Suk Yoon, Seung-Woo Seo, Seong-Woo Kim, "UNICON: Uncertainty-Conditioned Policy for Robust Behavior in Unfamiliar Scenarios", IEEE Robotics Autom. Lett. 7.4, (RA-L), pp. 9099-9106, 2022
7. Younghwa Jung, Seung-Woo Seo, and Seong-Woo Kim, "Fast Point Clouds Upsampling with Uncertainty Quantification for Autonomous Vehicles", International Conference on Robotics and Automation (ICRA). IEEE, 2022
8. Se-Wook Yoo, Seung-Woo Seo, "Learning Multi-Task Transferable Rewards via Variational Inverse Reinforcement Learning", International Conference on Robotics and Automation (ICRA). IEEE, 2022
9. Yurim Jeon, Seung-Woo Seo, "EFGHNet: A Versatile Image-to-Point Cloud Registration Network for Extreme Outdoor Environment", IEEE Robotics Autom. Lett. 7.3 (RA-L), pp. 7511-7517, 2022