RoboRacer & Autonomous Driving 연구 테마
1. 소형 자율주행 플랫폼(RoboRacer, 1/10-scale) 기반 알고리즘 연구
RoboRacer(F1TENTH) 차량을 활용하여 실세계 자율주행 알고리즘을 실험 가능한 형태로 축소·구현하는 연구를 수행합니다.
- SLAM, Localization, Mapping
- Obstacle avoidance(Follow-The-Gap, AEB), Pure Pursuit 기반 경로 추종
- 최적 경로 생성(Optimal Trajectory)과 고속 레이스 주행
2. Embodied AI–World Model + 모델체킹 기반 시뮬레이션 안전성·신뢰성 연구
자율주행 에이전트가 환경과 상호작용하며 학습·추론하는 Embodied AI 환경에서, World Model과 Formal Verification(모델체킹)을 결합하여 안정적이고 신뢰할 수 있는 시뮬레이션 및 주행 제어를 연구합니다.
- World Model을 통한 환경 동역학 예측 및 미래 상태 시뮬레이션
- Timed Automata 기반 환경·상황 모델의 안전성 검증
- 모델체킹으로 도출된 제약(safety constraints)을 RL·planning에 연동
- Sim-to-real 전환 시 발생할 수 있는 위험 상황 최소화
- 시뮬레이터 내 시나리오 생성의 안정성·일관성 강화
핵심 목표:
"학습 및 제어 알고리즘이 안전 제약을 위반하지 않도록 보장하는 검증 기반(verification-aware) Embodied AI 자율주행 프레임워크 개발."
3. 시뮬레이터 기반 자율주행 학습 및 평가
실차 실험의 위험성과 비용을 줄이기 위해 Gazebo / Isaac / custom simulator 환경에서 알고리즘을 반복 검증합니다.
- RL 및 imitation learning 정책 학습
- 도전적 시나리오 자동 생성 및 stress-testing
- World Model 기반 predictive simulation과 결합한 연속적 학습
- sim-to-real 성능 격차 최소화 설계
4. Formal Verification을 적용한 안전 자율주행
자율주행 알고리즘의 안전성·신뢰성 보장을 정형 기법으로 체계화합니다.
- Timed Automata 기반 주행·충돌·제동 시나리오 모델링
- 충돌/제동 조건에 대한 safety property 모델체킹
- Verification-guided control 및 runtime shielding 설계
- 안전 미준수 상황에 대한 자동 방어동작 제어
5. 경량 AI / 세계 모델(World Models)의 자율주행 적용
LLM·World Model 기술을 자율주행 환경에 맞게 경량화하고 실시간성 요구에 부합하도록 구현합니다.
- World Model 기반 환경 예측 및 미래 trajectory 샘플링
- 불확실성을 고려한 planning 및 제어
- Multi-modal state representation 학습
6. 교육·오픈소스 기반 자율주행 생태계 구축
RoboRacer Korea를 중심으로 교육–연구–경진대회 생태계를 구축합니다.
- ROS2 기반 랩 과제 및 실습 자료(Lab-06~Lab-12) 개발
- 초급~고급 워크숍 및 실차 실습 기반 교육 커리큘럼 운영
- 전국 RoboRacer 네트워크 및 오픈소스 프로젝트 활성화