학부연구생

참여할 수 있는 과제
- 군사통신용 LiDARRADARCamera 기반 다중센서 교차 융합 1cm 레벨의 무인기 측위 기술 연구
  - 무인항공기(UAV) 산업과 응용 분야의 급속한 발전으로 인해 UAV의 일상적 활용이 크게 증가하고 있음. 그러나 이러한 확산은 보안상의 우려를 초래하고 있으며, 이에 따라 Anti-UAV(드론 대응) 기술이 등장하게 됨. 현재 대부분의 Anti-UAV 시스템은 객체 탐지(Object Detection) 기반 기법에 의존하고 있으나, 이들 기법은 소형 UAV를 정확하게 탐지하는 데 어려움이 있음. 이에 비해 의미론적 분할(Semantic Segmentation)은 픽셀 단위로 객체의 위치를 예측함으로써, 이러한 소형 목표물의 정밀한 위치 추정을 가능하게 함. 하지만 Anti-UAV 의미론적 분할을 위한 기존 공개 데이터셋은 매우 부족한 상황임. 본 연구에서는 이를 해결하기 위해, 적외선(IR) 및 가시광(VL) 영상을 포함한 새로운 데이터셋을 제안함. 제안하는 데이터셋은 총 605,045쌍의 UAV 영상과 그에 대응하는 분할 마스크(segmentation mask)로 구성되어 있음. 객체 다양성과 모델의 강인성 향상을 위해, 여러 기존 소스들을 통합하여 구성함. 또한, 본 논문에서는 해당 의미론적 분할 작업에 대해 여러 베이스라인 모델의 성능을 평가하였으며, 실시간 UAV 탐지를 위한 경량화 모델도 함께 제안함. 이 모델은 IR 및 VL 데이터를 기반으로 한 의미론적 UAV 로컬라이제이션의 실용 가능성을 입증함.
  - 본 과제는 인공지능을 이용한 오류 파라미터 탐색 방안 개발을 목표로 함. 오류주입을 성공하기 위해선 칩 상 알고리즘 동작 위치, 해당 알고리즘 동작 시간, 전자파 세기 등 다양한 파라미터를 알맞게 조율하고 오류를 주입해야함. 기존 오류주입 공경은 random search 알고리즘을 사용하여 파라미터를 찾아내기 때문에 최적 파라미터 위치를 찾는데 오랜 시간이 걸리는 문제점이 발생함. 따라서 AI를 활용해서 해당 파라미터를 고속 탐색하는 기술을 도출하고자 함. 향후, 해당 기술을 통해 적절한 오류 파라미터를 고속 탐색하여 IC Chip에 대한 오류 주입 강건성을 시험하는데 활용할 예정임. 해당 과제는 에이전틱 AI에 대한 물리적 공격과의 안전성 검증과 연결되며, 본 연구과제를 통해 AI를 이용한 오류 파라미터 고속 탐색 기술을 확보한다면, 에이전틱 AI에 대한 물리채널 기반 오동작 유도, 모델 탈취 공격 안전성 검증에 적절히 활용할 수 있고, 에이전틱 AI에 대한 물리 채널 검증 방안에 대한 문제를 해결할수 있음. 또한 에이전틱 AI 안전성 검증을 위한 인재 양성으로 사용할 수 있는 과제임.
Research Participation Proposal
- - High-Precision UAV Localization Using Multi-Sensor Cross-Fusion of LiDAR, RADAR, and Cameras for Military Communication Systems
    - With the rapid expansion of UAV usage across industrial and civilian sectors, concerns over security and unauthorized drone activity have increased significantly. Conventional anti-UAV systems primarily rely on object detection methods, which struggle with detecting small UAVs accurately. Semantic segmentation, by contrast, enables pixel-level localization, offering significantly improved performance for fine-grained target tracking. To address the lack of public segmentation datasets for anti-UAV tasks, this project introduces a large-scale dataset of 605,045 paired IR and VL UAV images with segmentation masks. The proposed framework also evaluates multiple baseline models and implements a lightweight segmentation network capable of real-time UAV localization. The integration of multimodal sensor data strengthens both model robustness and practical applicability in military scenarios.
  - My Contributions
    - Development and training of semantic segmentation models for UAVs using IR/VL data
    - Optimization of real-time lightweight neural networks
    - Design of multi-sensor fusion strategies for LiDAR–Camera–RADAR integration
    - Performance evaluation: mIoU, inference speed, localization accuracy

Report abuse