메뉴닫기
환영합니다

뉴스

[인터뷰] 류주혁 연구원
이름
서울대학교 공학전문대학원
날짜
2024.09.09 10:09
조회수
260

(Ju-Hyeok Ryu, Chan Kim, and Seong-Woo Kim, “Active Automotive Augmented Reality Displays using Reinforcement Learning,” IEEE International Conference on Robotics and Automation (ICRA*), Yokohama, Japan, May 2024 (*Top 1 in Robotics, Google Scholar 2024), 사진 제공: 류주혁 연구원)

 

 

Q. 안녕하세요. 류주혁 연구원님, 2024년 ICRA(International Conference on Robotics and Automation)에 ‘Active Automotive Augmented Reality Displays using Reinforcement Learning’란 제목의 논문이 게재된 것을 축하합니다. 이 논문이 게재된 소감에 대해서 말씀해 주세요.
A. 사실 별다른 기대를 하지 않은 상황이었습니다. 왜냐하면 제 연구는 자동차 산업에서 헤드업디스플레이(HUD) 라는 특정 제품을 가지고 연구를 하였고 기하 광학을 근간으로 하고 있었기 때문입니다. 학회의 이름 에서와 같이 로봇이 압도적인 테마일 것이라고 생각했지만 참석해보니 자동화(Automation)라는 카테고리에 포함될 수 있는 다양한 산업에서의 문제들을 AI를 포함한 여러 방법으로 해결하고 있었습니다. 제 연구도 산업에서 새로 시도되는 분야라는 참신함과 더불어 해결과정에서 여러 전통적인 방법론 들과의 조합을 시도하였고 그 과정에서 나름의 결과를 도출한 것이 주요했던 것 같아 기뻤고 회사에서의 직무와 연구에서는 느낄 수 없었던 새로운 성취감을 느꼈습니다. 

 

Q. 이 논문을 작성하게 된 계기가 무엇인지와 연구 과정에서 어려웠던 점이 있으시면 말씀해 주세요. 

A. 현업에서 문제들은 시간을 들여서 해결할 수 있는 문제와 그렇지 않은 문제로 나뉘어질 것입니다. 저 역시 해결 불가능한 문제를 가지고 있었고 이러한 문제를 강화학습으로 해결하자라는 막연한 각오만 가진 채로 공학전문대학원에 입학했었습니다. 모든 공학전문대학원의 연구원들이 공통적으로 느끼는 어려움이겠지만 저 역시 그런 문제들 중 어떤 문제를 연구 과제로 선정할 지가 가장 큰 장애물이었던 것 같습니다. 왜냐하면 분야는 나름 명확한데, 알고리즘, 빅데이터, 인공지능에 대한 지식과 배경이 얕은 상황에서 어떤 문제를 선정한들 그걸 해결할 수 있는지에 대한 가능성을 알 수 없었기 때문이었습니다. 그리하여 저 또한 최초의 연구 주제에서 제가 아는 문제들 중 해결하기 어렵지만 가장 단순한 문제로 변경하였고 그것이 연구 주제가 되었습니다. 역시 문제가 해결되리라는 확신은 없었으나 돌이켜보면 최선의 선택이었던 것 같습니다. 문제 선정의 과정과 연구의 진행과정에서 김성우 지도교수님 연구실에서의 랩미팅과 랩세미나가 이정표와 같은 역할을 해주었습니다.

 

Q. 이 논문이 어떤 내용인지 관련 분야에 생소한 사람들에게 이해하기 쉽게 설명해 주세요. 

A. HUD로 대표되는 차량용 증강 현실 디스플레이는 전방에 있는 차량이나 표지판 사람 등과 같은 물체와 디스플레이에서 표현되는 정보와의 중첩성이 중요한데 차량은 실시간으로 예측될 수 없는 지면의 불규칙함과 물체 그리고 사람의 시야의 불규칙성의 요소로 인해 중첩성이 깨질 수밖에 없었습니다. 기존의 방식으로는 민감한 광학계를 가진 HUD를 모델링하더라도 정확도가 크게 떨어져 적용하기에는 무리가 있어 이를 강화학습을 도입하여 기존방식에서 크게 개선됨을 보였습니다.

 

Q. 이번 논문으로 얻을 수 있는 기대 효과가 무엇인지 궁금합니다. 

A. 본 문제는 본질적으로 역진자(Inverted Pendulum) 문제와 동일한데 기존의 역진자 문제에서 불확실성 요소가 추가로 주어지고 다자유도 문제의 조건이면서 높은 정확도가 요구되는 문제에서 효과가 있을 것으로 기대됩니다.

 

Q. 자동차 산업 분야에서 연구원님의 연구 결과를 실제로 구현하기 위해서 어려운 점은 없는지 궁금합니다.

A. 신뢰성이 검증된 시뮬레이터 기반의 학습 환경이 중요합니다. 시뮬레이터가 아무리 검증되었다고 하더라도 실제 환경 모두를 대변할 수 없기 때문에 실제 환경과 시뮬레이터 사이의 오차를 보상할 수 있는 방법이 필요하고 이를 위해선 실제 환경에서의 검증 과정이 추가로 필요합니다. 따라서 자동차의 테스트 환경 조건을 구성하기가 까다롭기 때문에 이 부분이 가장 어려운 부분이라고 할 수 있겠습니다.

 

Q. 이 기술이 운전자의 안전에 어떤 도움을 줄 수 있는지 구체적인 사례를 통해서 말씀해 주세요.

A. 완전 자율 주행시대가 오기까지는 아직 시간이 더 필요한데 운전자의 개입이 필요한 상황에서 전방 주시를 도움으로써 안전에 보다 유리한 상황을 만들 수 있습니다. 속도가 올라갈수록 전방의 시야가 협소해지고 장애물을 놓치기 쉬운데 이를 증강현실 디스플레이를 통해 운전자에게 사전에 알려줄 수 있고 사고를 예방할 수 있습니다.

 

Q. 앞으로 연구원님의 연구 성과가 기대됩니다. 끝으로 향후 연구 계획을 말씀해 주세요. 

A. 현업에서 아직 사람이 해결하기에 시간이 오래 걸린다거나 또는 해결하더라도 정확도가 떨어지는 문제들이 있는데 이러한 문제들에 대해 강화학습을 도입하여 해결했으면 하고 특정 문제에 적합한 알고리즘을 개발하여 업무에서의 효율성을 증진시키고 싶습니다.