default_top_notch
default_setNet1_2
ad34

'젊은 로봇 공학자' (70) 한양대 이영문 교수

기사승인 2024.05.22  15:44:24

공유
default_news_ad1

젊은 로봇 공학자(Young Robot Engineer)' 코너는 한국로봇학회와 로봇신문이 공동으로 기획한 시리즈물로 미래 한국 로봇산업을 이끌어 갈 젊은 로봇 공학자를 발굴해 소개하는데 있다.

70번째 인터뷰는 한양대 ERICA 로봇공학과 이영문 교수다.  교수는 1989년생으로 서울대학교 전기정보공학부 학사, 2016년 미국 미시간대 (University of Michigan Ann Arbor)에서 컴퓨터공학으로 석사, 2019년 박사학위를 받았다. 졸업 후 2020년 3월부터 한양대 ERICA 로봇공학과 조교수로 근무하고 있다.

2012년 싱가포르 노동청 글로벌 리더십 어워드, 2012년서울대 최우수 튜터상, 2014년 미시간대 Graduate Fellowship 상을 수상했다. 

주요 연구 분야는 실시간 인공지능 시스템(Real-Time Artificial Intelligence Systems), 전기자동차 및 자율주행 시스템(Electric and Autonomous Vehicle Systems), 컴퓨터 시스템 및 빅데이터 (Computer Systems and Big Data) 등이다. 

   
▲한양대 ERICA 로봇공학과 이영문 교수

Q. 한양대 로봇공학과에 대해 간략한 소개 부탁 드립니다.

한양대 ERICA 로봇공학과는 10명의 교수진과 연 100명(로봇공학과 약 50명, 로봇융합전공 약 50명) 규모의 학부, 약 100명의 대학원, 연구생들로 구성된 한양대의 대표학과입니다. 기존 주로 대학원 프로그램이었던 로봇공학을 학부과정부터 체계적으로 교육하고 50%가 넘는 학생들이 대학원에 진학하여 로봇공학 전문인력으로 성장하고 있습니다. 또한, 로봇공학이 융합과정인 만큼 외연을 확장하여 기계, 전자, 컴퓨터 등의 학과에서 로봇공학을 전공할 수 있는 융합전공 지능형로봇학과를 운영하고 더 나아가 전국적으로 로봇공학과가 메인스트림 전공으로 자리매김 할 수 있도록 지능형로봇 혁신융합대학 사업을 수행하고 있습니다.

Q. 최근 하고 계신 연구가 있다면 소개 부탁드립니다.

실시간인공지능연구실 'RAISE Lab(Real-TIme AI and Systems Engineering Lab.)'은 크게 인공지능과 시스템, 그리고 그 둘을 결합한 로봇시스템 연구를 수행하고 있습니다. (http://youngmoonlee.com)

   
▲인공지능 연구: 실시간 포즈인식과 객체인식 (AAAI2022, ICPR2022, RSS2023)

최근 인공지능 연구로는 실시간으로 사람 포즈 인식과 역역 분할 인식을 동시에 수행할 수 있는 모델을 개발하여 인공지능분야 최우수학술대회 AAAI, ICPR, RSS 워크숍에 발표하였습니다. 기존 메타(Meta)의 Mask R-CNN, SAM이 톱 다운 방식으로 사람을 우선 찾고 그 뒤에 실제 포즈, 분할 알고리즘을 적용하기 때문에 느려서 실시간 시스템에 적용하기 어려운 점을 해결하여 로봇, HCI, 헬스케어에 적용가능한 성과를 인정받은 것 같습니다. 인공지능 분야 연구는 정보통신기획평가원(IITP)의 그랜드ICT 연구센터, 인공지능융합혁신인재사업의 지원을 받고 있습니다.

   
▲로봇시스템 연구: 로봇과 계산사진학을 결합한 HRI 시스템 Snapbot (HRI2024)

시스템 연구는 연구재단의 개인연구, 기초연구실 사업을 통해 인공지능 기반 임베디드 시스템, 배터리 관리 시스템을 연구하여 시스템분야 최우수국제학술대회 DAC, RTAS, MobiSys에 발표되었습니다. 인공지능과 임베디드 시스템을 결합한 로봇시스템으로 서울시립과학관과 관람행동의 인공지능학습을 통한 관람객 맞춤형 안내로봇 개발 사업을 연구재단의 지원을 받아 수행하였고 로봇분야 국제학술대회 HRI에 발표되었습니다.

   
▲시스템 연구: 모바일 배터리 관리 시스템 (MobiSys2020, UbiComp2020, GetMobile2021) 

Q. 2019년 미국 미시간대 앤아버에서 컴퓨터공학 “Thermal and QoS-Aware Embedded Systems”로 박사 학위를 받았는데 어떤 내용인지 소개 부탁드립니다.

로봇, 자동차, IoT(사물인터넷), 스마트폰 시스템의 성능과 배터리 소모가 극단적으로 증가함에 따라 시스템의 발열, 저온 문제가 한계에 봉착하고 있는데, 저온 환경에서는 배터리 성능 저하로 시스템이 갑자기 꺼지기도 하고, 고온에서는 성능이 저하되거나, 사용불능이 되거나, 심지어 배터리가 폭발하는 현상을 시스템적으로 실시간으로 관리해야한다는 실시간 시스템 관리 분야를 개척한 박사논문입니다. 기존 기계적인 쿨링 시스템 및 배터리 관리 시스템은 환경의 변화에 적응하지 못하고, 성능 및 QoS(Quality of Service:서비스 품질)와 발열의 트레이드오프를 효과적으로 대응하지 못하며, 값이 비싸 실용적이지 못하기 때문에 시스템 SW가 주변 환경에 실시간으로 적응하고, QoS를 효과적으로 관리하는 솔루션을 실제 자동차, 드론, 스마트폰의 임베디드 시스템에 실용적으로 적용함으로 입증하였습니다.

   
▲미시간 박사과정, GM 연구인턴 중 자동차 박물관 및 올드 카 페스티벌

Q. 박사때 GM R&D센터에서 연구인턴으로 계셨는데 당시 어떤 연구를 하셨는지 궁금합니다.

박사학위 논문의 자동차 산업 적용을 위하여 GM R&D의 Electronic Control Group(전자제어그룹)에서 주변환경의 변화에도 안정적으로 실시간 제어가 가능한 시스템 소프트웨어를 연구, 개발하였습니다. 자세한 적용 모델, 결과는 밝히기 어렵지만, GM의 상용 전기차동차 볼트와 자율주행 슈퍼크루즈 제품군을 현재의 고사양 임베디드 플랫폼에 전개하기 위한 연구 개발에 기여하였습니다.

Q. 로봇을 연구하시게 된 동기가 있다면?

GM은 모든 직원들이 입사후 생산공장에서 일해보는 기술트레이닝이 있고 철판에서 시작하여 버튼을 누르면 시동이 걸리는 완제품까지 자동차 생산 파이프라인 전과정의 엔지니어링 미러클을 경험하면서 로봇, 자동화에 관심을 갖게 되었습니다. 또한, 미시간은 미국 자동차 산업의 중심지이고, 박사과정때부터 자동차회사들이 SW인력을 뽑아 개발하고, SW회사를 사들여, 로봇회사로 탈바꿈하려는 과정을 지켜볼 수 있었고, 서부와는 달리 동부의 CMU(카네기멜론대), MIT(메사추세츠 공대)로 대표되는 HW/로보틱스 스쿨의 스타트업과 그 기술 포트폴리오를 보고 로봇 연구에 뜻을 갖게 되었습니다.

Q. 교수님의 주요 관심 분야가 실시간 인공지능시스템, 전기자동차 및 자율주행시스템, 컴퓨터 시스템 및 빅데이터 등으로 알고 있습니다. 실시간 인공지능에 대한 개념 설명과 관련 분야의 최신 동향이나 기술적인 트렌드가 있다면 무엇인지 궁금합니다.

인공지능은 사이버세계에서는 어느정도 승리한 패러다임이 되었습니다. 하지만, 실제 물리적 세계에 인공지능을 적용하기 위해서는 실시간으로 동작하는 인공지능 시스템이 필수적입니다. 알고리즘, 모델, 시스템, 플랫폼 수준에서 최신 인공지능을 실시간으로 물리적 세계에 실현하고자 하는 것이 실시간 인공지능의 연구 목표입니다.

이러한 인공지능과 및 로보틱스의 발전 추세를 이야기함에 있어 반도체 산업과 무어의 법칙을 빼놓을 수 없습니다. 지난 반세기 동안 반도체 집적회로는 성능, 효율, 비용 그 모든 면에서 성장을 거듭하면서 컴퓨터, 인터넷, 인공지능, LLM(거대언어모델)은 모두 마이크로프로세서, 메모리 등의 고집적 반도체 회로의 성능 증가, 전력 감소, 그리고 소형화가 있었기에 가능했던 것입니다. 그 다음에 자연스럽게 따라오는 질문은 “과연 무어의 법칙이 언제까지 지속될 것인가?“ 하는 질문입니다. 반도체 발전의 끝은 어디인가를 논할 때 많은 사람들은 물리적인 공정 기술의 한계를 이야기합니다. 하지만, 무어는 반도체의 집적도가 증가하는 이유를 기술적으로 ”할 수 있기 때문에“라 하지 않았고, 그 대신 “더 경제적이기 때문에”라 하였습니다. 이는 “할 수 있기” 때문이 아니라 실용적이고 경제적으로 동작하는 실시간 인공지능의 중요성을 보여주는 되풀이 되는 트렌드입니다.

Q. 최근 로봇산업이 인공지능 기술의 발달로 더 많이 스마트해지고 있습니다. 로봇과 인공지능은 불가분의 관계로 변하고 있는데 연구하면서 가장 어려운 점은 무엇입니까?

반도체와 인공지능 산업의 지난 반 세기 동안의 추세를 돌아본다면, 산업이 단지 기술적으로 “할 수 있기 때문에” 성장하지 않는 다는 것을 보여줍니다. 따라서, 인공지능 시대의 로봇산업의 방향성을 예측할 때 기술의 가능성에 더하여 그 기술의 경제성을 함께 고려하는 것이 무엇보다 중요합니다. 더 이상 슈퍼컴퓨터에서 “할 수 있는 것”으로는 부족하고 임베디드 플랫폼에서 “실용적이고 경제적으로” 동작하는 제품과 서비스를 만들게 되면 성능, 효율, 비용의 트레이드오프가 중요해집니다. 그렇다면 이러한 최신 인공지능이 요구하는 새로운 트레이드오프 공간 위에서 로봇 기술의 지속적 발전을 저해할 수 있는 경제적 비용요소는 무엇일까? 이것이 가장 어려운 문제입니다.

Q. 연구자로서 앞으로의 꿈과 목표가 있다면?

위에 제시한 문제인 실용성과 경제성을 달성하는 로보틱스를 실현하는 일이 거창한 꿈이라면, 혼자 이룰 수 없는 목표이기 때문에 저와 같은 문제인식을 가진 인공지능, 로봇공학자를 양성하여 함께 해결하는 것이 현실적인 목표입니다. 대학에 몸음 담은 이상 동료가 될 학생이 저의 산출물이고 논문, 특허 등은 부산물에 지나지 않는다고 배웠습니다.

   
▲실시간인공지능 연구실
   
▲실시간 인공지능 연구실 소개

Q. 로봇공학자가 되려는 후배들에게 어떤 준비와 노력이 필요한지 조언해 주신다면?

인공지능과 로보틱스, 그리고 그 엔진이 되는 반도체산업의 기술적 트렌드를 가볍게 여기지 말고, “기술적으로 우수하지만 경제적으로는 실패한” 수많은 예에서 교훈을 얻어야 합니다. 가장 빠르지만 경제적으로 실패한 콩코드 항공기가 등장한 것이 라이트형제 이후 60년이 지난 때였는데, 2020년이 집적회로의 발명이후 60년이 되는 시점이라는 점에서도 로봇공학의 방향성과 도전과제를 가볍게 여겨서는 안됩니다.

Q. 국내 로봇산업이 한 단계 더 발전하기 위한 방안이 있다면...

위의 반도체 산업의 경제성을 예로 본다면, 공정 기술이 발전하면 트랜지스터의 크기가 작아져서 같은 면적에 기하급수적으로 더 많은 수의 트랜지스터의 수를 집적할 수 있게 되었습니다. 따라서 단위 비용이 최소화되는 최적점이 자연히 집적도를 높이는 쪽으로 이동하고, 규모의 경제에 의해 산업계는 창출되는 이익을 극대화하기 위해서 한 반도체에 집적되는 트랜지스터의 수를 지속적으로 증가시켜 온 것입니다. 여기서 가장 주목해야 할 점은 무어의 법칙이 맞아들어온 주된 이유는 반도체 공정의 기술적 발전 이면의 꾸준한 경제성의 증가였다는 점입니다. 로봇 산업의 방향성도 역시 기술적 가능성 뿐만 아닌 경제성에서 찾아야 합니다.

Q. 연구에 주로 영향을 받은 교수님이나 연구자가 계시다면...

박사과정동안 지도교수인 신강근 교수님과 모샤라프 차우두리(Mosharaf Chowdhury) 두 분의 시니어, 주니어 교수님께 각각 좀 더 거시적이고, 진취적인 영향을 받았습니다. 

   
▲Ph.D Defense (Wei Lu, Mosharaf Chowdury, 이영문, 신강근, Thomas Wenisch)

신강근 교수님께서는 실시간 제어 시스템이라는 기초 분야에서 시작하여 모바일 네트워크, 사이버 물리시스템 등으로 외연을 확장하는 안목과 시대의 부름에 대한 감각을 배웠습니다. 모샤라프는 세계 최고의 AI시스템 연구실인 AMPLab (현 RISE Lab)이 어떤 문화를 가지고, AI/시스템 전공자들이 상호 교류를 하며 그 과정에서 스타트업을 배출해 내는지 기술의 실용성과 경제성, 그리고 기업가 정신을 배웠습니다.

조규남 전문기자 ceo@irobotnews.com

<저작권자 © 로봇신문사 모바일 무단전재 및 재배포금지>
default_news_ad4
ad49
default_side_ad1
ad42
ad62
ad63
ad65
ad44
ad86
ad90
ad105
ad110

인기기사

ad56
ad80
ad133
ad58

포토

1 2 3
set_P1
ad60
ad74
default_main_ad1
default_setNet1_1

섹션별 인기기사 및 최근기사

default_setNet2
ad36
default_bottom
#top
default_bottom_notch