학술대회

Korea Robotics Society

학술대회

국내학술대회

국제학술대회

인공지능 및 로보틱스 여름/겨울학교

전문가 심포지엄

제21회 한국로봇종합학술대회(KRoC 2026) - 일반/특별(OS)/로봇학회논문지동시제출

> 학술대회 > 국내학술대회

국내학술대회

신진연구자

[신진연구자1]

	주제	비규격 로봇의 지능형 학습 기반 제어
	신진연구자	장준우(인하대학교/조교수)
	Google Scholar	https://scholar.google.com/citations?user=1lbPybMAAAAJ&hl=ko&oi=ao
요약
비규격 로봇은 정확한 시스템 모델이나 시뮬레이터를 구축하기 어려운 경우가 많아, 최근 각광받고 있는 학습 기반 제어 기법의 적용의 한계가 존재한다. 많은 학습 기반 제어 연구는 시뮬레이터가 잘 정의된 정형 로봇 환경에 초점을 맞추고 있으며, 실제 현장 로봇이 직면하는 데이터 제한성 혹은 시뮬레이터에서 재현하기 어려운 복잡한 역학 특성에 대한 논의는 상대적으로 부족하다. 본 발표에서는 해양 로봇을 포함한 비규격 로봇 시스템을 사례를 통해 이러한 한계를 짚고, 실제 환경에서 효과적인 학습 기반 제어의 필요성을 제기한다. 이를 위한 효율적인 학습, 구조적 제약을 반영한 제어-학습 통합 접근 등의 향후 연구 방향을 소개하고, 비규격 로봇을 위한 학습 기반 제어의 새로운 문제 설정을 제시한다.

[신진연구자2]

	주제	다양한 지형 극복을 위한 이동 로봇 제어
	신진연구자	이영훈(한국기계연구원/선임연구원)
	Google Scholar	https://scholar.google.co.kr/citations?user=2EGeVrsAAAAJ&hl=ko
요약
바퀴 또는 다리를 갖는 이동형 로봇들이 인간이 살고 있는 다양한 환경에서 자유롭게 이동하며 실질적인 작업을 수행하기 위해서는 균형 유지 및 지형 극복 능력이 반드시 필요하다. 본 발표에서는 이동 로봇들이 다양한 복합 지형을 극복하기 위한 경로 계획 방법, 최적화 기반 균형 제어, 강화학습 기반 제어와 같은 이동형 로봇의 전신 제어 전략, 그리고 이를 활용한 로봇 시뮬레이션 및 실제 로봇에 적용한 사례들을 소개한다.

[신진연구자3]

	주제	기계시스템을 위한 모델 기반과 모델 프리 제어 이론
	신진연구자	한승용(전북대학교/조교수)
	Google Scholar	https://scholar.google.com/citations?user=fXESAT8AAAAJ&hl=ko
요약
최근 기계시스템의 데이터 획득이 용이해짐에 따라, 이를 직접 활용하여 시스템을 해석하는 기술들이 활발히 개발되고 있습니다. 특히 동역학 정보가 필수적인 기존의 모델 기반 제어와 달리, 오직 데이터만으로 제어기를 설계할 수 있는 모델 프리 제어가 큰 관심을 받고 있습니다. 본 발표에서는 전통적인 모델 기반 이론과 최신 데이터 기반의 모델 프리 이론을 상호 비교하여 소개합니다.

[신진연구자4]

	주제	건축 자재와 로봇 시스템의 융합을 통한 건설 자동화 시스템 개발
	신진연구자	김현규(한국항공대학교/조교수)
	Google Scholar	https://scholar.google.com/citations?user=JuPsN2-1EBkC&hl=en
요약
Collective Robotic Construction (CRC)은 다수의 로봇이 협동하여 구조물을 경제적이고 효율적으로 조립하는 시스템이다. 본 연구는 기존 CRC가 비구조용 재료나 특수 제작 부재에 의존해 현실 적용에 한계를 보였다는 점에 주목하여, 실제 건축 자재인 일반 목재를 로봇의 운동학적 사슬의 일부로 통합한 모듈형 CRC 시스템을 제안한다. 로봇 구동기는 그리퍼를 통해 목재 스트럿과 결합함으로써 이동, 운반, 그리고 시공 중 기구 재배열이 가능한 동적 재구성형 로봇 플랫폼을 형성한다. 또한 외부 비전 기반 디지털 트윈과 작업·동작 계획을 결합한 통합 제어 프레임워크를 통해 다수 로봇의 협업을 조율한다. 제안된 시스템은 실험을 통해 이동, 협동 운반, 기구 재배열뿐 아니라 3차원 트러스 구조 조립까지 성공적으로 시연함으로써, 실제 건축 자재를 활용한 자율 현장 시공의 가능성을 입증하였다.

[신진연구자5]

	주제	조류 모사 디자인으로 구현한 도약 이륙 및 지상 이동
	신진연구자	신원동(포항공과대학교/조교수)
	Google Scholar	https://scholar.google.co.kr/citations?user=PnvHiqwAAAAJ&hl=ko
요약
새는 비행뿐만 아니라 다리를 활용해 지상에서도 뛰어난 기동성을 발휘한다. 또한 다리로 도약해 초기 비행 속도를 확보함으로써 주변 환경의 제약 없이 이륙할 수 있다. 본 발표에서는 이러한 새의 특성에서 영감을 받아 개발한 로봇과 이 로봇을 활용한 실험을 통해 얻은 인사이트를 소개하고자 한다.

[신진연구자6]

	주제	트레일러 자율주행 물류 플랫폼의 엣지케이스 대응을 위한 End-to-End 기반 하이브리드 제어 연구
	신진연구자	신희석(세종대학교/조교수)
	Google Scholar	https://scholar.google.co.kr/citations?user=p7Vnh4YAAAAJ&hl=ko
요약
본 연구에서는 End-to-End 방식을 전면적으로 적용하는 접근이 아닌, 정상 주행 및 정밀 주차 구간에서는 고전 자율주행 제어를 유지하고, 고전 기법으로 대응이 어려운 엣지케이스 상황에 한해 End-to-End 기반 제어를 선택적으로 적용하는 하이브리드 제어 연구를 진행한다. 이를 통해 물류 현장, 공항 카고 트레일러, 비정형 야지 환경 등 다양한 실환경에서 적용 가능한 확장형 트레일러 자율주행 제어 기술을 구현하는 것을 최종 목표로 한다.

[신진연구자7]

	주제	AI 기반 자율적 물체 조작 기술
	신진연구자	이진휘(한국공학대학교/조교수)
	Google Scholar	https://scholar.google.co.kr/citations?user=6bBxn-sAAAAJ&hl=ko
요약
로봇 매니퓰레이터는 산업 자동화 현장에서 핵심적인 장비로 활용되고 있다. 최근에는 협동 로봇 기술의 발전과 서비스 로봇 응용의 고도화에 따라, 환경 변화에 능동적으로 대응할 수 있는 자율 조작 기술에 관한 연구와 수요가 빠르게 증가하고 있다. 특히 인공지능 기술의 비약적인 발전은 로봇의 인지·판단·행동 능력을 고도화시키며 자율적 물체 조작 기술의 성능과 범위를 확장하고 있다. 또한 Agentic AI의 등장은 복잡한 작업을 장기적으로 계획하고 실행하는 로봇 자율화 연구를 한층 가속하고 있다. 본 발표에서는 이러한 AI 기술 발전 흐름에 따른 물체 조작 자율화 연구 동향과 사례들을 소개하고자 한다.

[신진연구자8]

	주제	로봇을 위한 멀티모달 시공간 인지 기반 환경 인식 연구
	신진연구자	안인규(국민대학교/조교수)
	Google Scholar	https://scholar.google.com/citations?user=1ehtyP0AAAAJ&hl=ko
요약
로봇이 마주하는 실세계는 끊임없이 변화합니다. 이러한 동적 환경에서 로봇이 안정적으로 동작하기 위해서는 공간 정보뿐만 아니라 시간의 흐름에 따른 변화까지 인지해야 합니다. 특히, 환경에서 발생하는 소리는 시각 정보만으로는 알 수 없는 중요한 단서를 제공합니다. 본 발표에서는 청각을 결합한 멀티모달 시공간 인지 기반의 환경 인식 연구를 소개합니다.

[신진연구자9]

	주제	Spatio-Temporal State Estimation and Semantic Memory in Unstructured Environments
	신진연구자	이준호(숙명여자대학교/조교수)
	Google Scholar	https://scholar.google.com/citations?user=SM7JFHsAAAAJ
요약
In unstructured and high-entropy environments, the traditional paradigm of geometric mapping often faces a fundamental question: Is a precise map truly necessary for navigation? While reactive avoidance may suffice for simple traversal, meaningful operation in the wild requires more than just geometry; it demands a memory of state. This presentation explores robust perception frameworks designed for time-varying environments where visual features degrade, and topography evolves over time. Drawing from extensive experiments in long-term data collection and multi-modal sensor fusion, we discuss methodologies to overcome sensory uncertainty through cross-modal registration and to extract invariant features along the seasonal changes via time-series data alignment. Besides SLAM, we propose redefining the map as a Spatio-Temporal Semantic Memory; a dynamic database that records the lifecycle and state changes of environmental objects. This approach shifts the focus from static mapping to a "MapOps" framework, enabling robots to accumulate experience, quantify environmental changes, and make data-centric decisions for long-term autonomy in the wild.

[신진연구자10]

	주제	메모리 증강 공간지능 기반 자율 로봇 내비게이션
	신진연구자	김기섭(대구경북과학기술원/조교수)
	Google Scholar	https://scholar.google.com/citations?user=9mKOLX8AAAAJ&hl=ko
요약
자율 로봇이 실제 환경에서 장기간 안정적으로 동작하기 위해서는 정확한 위치 추정과 지도 구축을 넘어, 공간을 이해하고 기억하며 인간의 자연스러운 지시를 해석할 수 있는 공간지능(Spatial Intelligence)이 핵심 요소로 자리 잡고 있다. SLAM은 로봇 공간 인지의 출발점으로 널리 활용되어 왔으나, 대규모ﾷ복잡한 환경과 장기 운용 상황에서는 한계를 가진다. 본 연구에서는 센서 퓨전과 3차원 장면 표현을 기반으로 스케일 일관성 있는 지도 구축과 다중 로봇 협업 매핑을 다루며, 인간의 모호하고 암묵적인 언어 지시를 이해하는 인간 친화적 내비게이션에 주목한다. 특히 딥러닝 기반 시각 SLAM과 메모리 기반 추론을 결합한 공간 AI 방법론을 통해 보다 유연하고 신뢰성 있는 로봇 의사결정 방식을 소개한다.