-
- [기고] AI 인재 양성 8년, 이제 과제는 '연결'이다 NEW
- [기고] AI 인재 양성 8년, 이제 과제는 '연결'이다
-
- 작성일 2026-10-07
- 조회수 0
-
- 2026 SKKU Teaching Award 수상자 선정
- 2026 SKKU Teaching Award 수상자 선정
-
- 작성일 2026-09-21
- 조회수 0
-
- 인공지능대학원 이지형 교수팀, 총 450억 규모 ‘이기종 협업-피지컬AI SDF 특화 기반모델 연구개발’ 사업 선정
- 인공지능대학원 이지형 교수팀, 총 450억 규모 ‘이기종 협업-피지컬AI SDF 특화 기반모델 연구개발’ 사업 선정 - 5년간 총 450억원 규모 / 과학기술정보통신부·NIPA 지원 / 성균관대 주관 및 22개 기관 참여 - 이기종 로봇·설비가 스스로 협업하는 제조특화 피지컬 AI 파운데이션 모델 개발 - AI 원천기술과 제조현장 실증 연계해 미래 제조 AI 핵심기술 확보 인공지능대학원 이지형 교수 연구팀이 과학기술정보통신부에서 주관하는 총 450억 원 규모의 피지컬AI 프로젝트인 ‘이기종 협업-피지컬AI SDF 특화 기반모델 연구개발’ 사업에 최종 선정됐다. 제조현장을 이해하고 행동하는 ‘피지컬 AI 파운데이션 모델’ 개발 이번 사업은 2026년 8월부터 2030년 12월까지 약 5년간 진행되는 대형 국가 연구개발 프로젝트로서 다양한 로봇과 제조설비가 공존하는 실제 제조환경에서 AI가 작업상황과 생산목표를 이해하고, 로봇·설비의 역할과 행동을 스스로 계획·조율할 수 있는 제조특화 피지컬 AI(Physical AI) 파운데이션 모델을 개발하는 것을 목표로 한다. 이를 통하여 ‘프로그래밍 중심의 자동화’에서 ‘AI 기반 자율화’로의 전환을 추진한다. 연구팀은 제조현장의 다양한 정보를 통합적으로 이해하고 추론할 수 있는 PRIME(Physical AI Foundation Model)을 개발하는데, 다양한 제조작업에 공통적으로 활용할 수 있는 PRIME-CoreFM을 중심으로 ▲정교작업 특화 PRIME-ManipFM ▲이기종 로봇·설비의 협력가공 특화 PRIME-CoFM ▲공정 및 자원 변화에 대응하는 유연생산 특화 PRIME-FlexFM 등 제조 작업별 특화 모델도 확장 개발하여 제조현장의 다양한 상황에 대응할 계획이다. 실제 제조데이터부터 AI 모델, 로봇·설비 실증까지 연결 특히 연구개발 전 과정에서 실제 제조현장의 데이터와 실증환경을 적극 활용하여 ‘데이터-학습-검증-실증-환류’의 지속적인 피지컬 AI 고도화 체계를 수립하고 AI·플랫폼 원천기술을 보유한 대학, 연구기관, 기업뿐만 아니라 로봇·디바이스 기업 및 실제 제조현장을 운영중인 수요기업이 참여하여 데이터 확보부터 AI 모델 개발, 로봇·설비 연동, 제조현장 실증까지 이어지는 산학연 협력체계를 구축한다. 이를 위하여 리얼월드, 아크릴, 페르소나AI, 플라잎, 한국로봇융합연구원, 한국전자기술연구원, 슈어소프트테크, 한국과학기술원, 레인보우로보틱스, 홀리데이로보틱스, 에이딘로보틱스, 하림푸드, 현대위아, 알체라, SBS, 서울대학교 산학협력단, 모빌린트, 타타대우모빌리티, HL만도, 주식회사디에이치, 원광대학교병원, 연세세브란스병원이 공동 혹은 수요기관으로 참여하여 기술 개발부터 현장 검증, 사업화까지 함께 협력한다. “다양한 제조현장에 적용할 수 있는 피지컬 AI 핵심기술 확보” 과제책임자인 이지형 교수는 “생성형 AI가 디지털 공간을 넘어 실제 물리적 환경을 이해하고 행동하는 피지컬 AI로 빠르게 확장되고 있다”며 “이번 사업을 통해 AI가 제조현장을 이해하고 판단하며 다양한 로봇과 설비의 협업을 스스로 계획·조율할 수 있는 제조특화 피지컬 AI 핵심기술을 확보하겠다”고 밝혔다. 이어 “AI 원천기술과 제조현장의 데이터를 연결하고 실제 공정에서 반복적으로 검증함으로써 연구실에서만 동작하는 모델이 아니라 우리 제조기업이 실제 현장에서 활용할 수 있는 피지컬 AI 기술을 만들어 대한민국 제조산업의 AI 대전환을 선도하고, 글로벌 피지컬 AI 기술 경쟁력 확보에 기여하겠다”고 말했다.
-
- 작성일 2026-09-18
- 조회수 762
-
-
- 2026 SKKU Rising-Fellowship 교수 12명 선정
- 2026 SKKU Rising-Fellowship 교수 12명 선정
-
- 작성일 2026-09-07
- 조회수 0
-
-
-
- 자연어처리연구실(NLP lab, 지도교수: 고영중), ACL 2026에 논문 게재
- 자연어처리연구실(NLP lab, 지도교수: 고영중)의 논문 1편이 인공지능 및 자연어처리 분야의 Top-tier 국제학술대회인 ACL 2026(The 64th Annual Meeting of the Association for Computational Linguistics)의 Findings에 게재되었습니다. 논문: ConvX: A Lightweight Converter to Bridge Indexed Dense Representations and Large Language Models for Retrieval-Augmented Generation (인공지능학과 박사과정 최봉근, 인공지능학과 박사과정 김근하, 인공지능학과 석박사통합과정 한준호) 논문 요약: 본 연구에서는 RAG 파이프라인의 치명적인 효율성 문제와, 이를 해결하기 위한 기존 압축 기반 방법론들이 검색된 문맥을 다시 인코딩하며 발생하는 이중 인코딩(double-encoding) 문제를 해소하기 위해, 검색기가 생성한 색인된 밀집 표현(dense representation)을 직접 활용하여 긴 텍스트 문맥을 전적으로 대체하는 효과적인 압축 기반 RAG 프레임워크인 ConvX를 제안합니다. 제안한 방법은 경량 변환기(converter)를 통해 단일 밀집 표현을 고정된 수의 메모리 슬롯으로 확장합니다. 메모리 슬롯으로부터 문단 수준의 어휘 정보를 복원하도록 변환기를 학습합니다. 변환기를 통해 생성된 메모리 슬롯은 LLM의 기존 토큰 임베딩과 특성이 상이하므로, LLM이 메모리 슬롯에 대한 내용을 복원할 수 있도록 사전학습을 수행합니다. 이때, 다중 문서의 RAG 시스템에 적용할 수 있도록 단일 및 다중 문단 메모리 슬롯을 복원하도록 학습합니다. 이러한 설계는 입력 길이와 계산 오버헤드를 크게 줄이면서도 효율적인 지식 통합을 가능하게 합니다. 실험 결과, 제안한 모델은 RAG 환경에서 기존의 ad-hoc 문맥 압축 기법들 대비 우수한 성능을 달성하는 동시에, 추론 효율성을 크게 향상시킴을 확인하였습니다. Abstract: Retrieval-Augmented Generation (RAG) has significantly advanced open-domain question answering and dialogue systems by incorporating external knowledge into large language models. Despite its effectiveness, existing RAG pipelines suffer from critical efficiency limitations. In particular, modern transformer-based generators exhibit quadratic or higher computational complexity with respect to input sequence length and hidden dimensionality, leading to substantial inference latency as model scales and contextual inputs increase. This issue is exacerbated in RAG settings, where retrieved contexts substantially expand the input prompt. To alleviate this challenge, we propose an effective compression-based RAG framework, ConvX, that directly leverages indexed dense representations produced by a retriever, entirely substituting to long text contexts. Our approach expands a single dense representation into a fixed number of memory slots using a lightweight converter to provide rich lexical information. This design enables efficient knowledge integration while significantly reducing input length and computational overhead. Empirical evaluations demonstrate that the proposed model achieves outstanding performances compared to existing ad-hoc context compression methods in RAG setting, while offering substantially improved inference efficiency. 고영중 교수: yjko@skku.edu, nlp.skku.edu, 자연어처리연구실: nlplab.skku.edu
-
- 작성일 2026-06-08
- 조회수 1634
-
- 김유성 교수 연구실 (CSI Lab.) ICML 2026 논문 게재 승인
- CSI 연구실의 (지도교수: 김유성) 논문이 인공지능 분야 우수학회인 ICML (International Conference on Machine Learning) 2026 게재 승인되었습니다. 논문 "Learning Generalizable Skill Policy with Data-Efficient Unsupervised RL" 은 박종찬(박사과정), 백승호(박사과정), 오승준(박사과정) 이 저자로 참여했습니다. 본 연구는 보상 없이 다양한 행동 스킬을 학습하는 Unsupervised Reinforcement Learning (URL) 환경에서, 기존 방법들이 겪는 표현 불안정성(semantic drift)**과 일반화 한계 문제를 해결하는 새로운 학습 프레임워크를 제안합니다. 특히, 과거 데이터를 현재 의미에 맞게 재해석하는 skill relabeling 기법을 통해 학습 안정성과 데이터 효율성을 동시에 향상시켰으며, 다양한 환경에서 기존 방법 대비 우수한 성능을 보였습니다. 본 결과는 향후 로봇 제어 및 자율 시스템에서 보다 효율적이고 일반화 가능한 행동 학습 기술로의 확장 가능성을 제시합니다. 김유성 | yskim525@skku.edu | CSI Lab. | https://csi-skku.github.io
-
- 작성일 2026-05-08
- 조회수 2167
-
- 박성민 박사 한국외대 전임교원 임용(데이터지능 및 학습 연구실, 지도교수: 이종욱)
- 본교 인공지능학과 졸업생인 박성민 박사(지도교수 이종욱)가 2026년 3월부로 한국외국어대학교 AI데이터융합학부 전임교원으로 임용되었습니다. 박성민 박사는 2025년 2월 "Improving Linear Item-Item Recommender Models for Data Bias, Semantics, and Temporality" 연구로 박사 학위를 취득하였습니다. 박성민 박사는 재학 기간 중 추천 시스템, 데이터 마이닝, 자연어 처리 분야를 깊이 있게 연구하였으며, SIGIR, KDD 등 AI 분야 최우수 국제 학술대회에 총 12편의 논문을 발표하는 등 세계적인 수준의 탁월한 연구 성과를 거두었습니다. 특히 데이터의 편향성 해소와 시계열 특성을 반영한 선형 추천 모델 최적화 연구를 통해 학계의 주목을 받았습니다. 최근에는 거대언어모델과 멀티모달 데이터를 활용한 추천 시스템 고도화 연구에 관심을 두고 있으며, 앞으로 한국외국어대학교에서 AI와 데이터 기술을 융합하여 실세계의 복잡한 문제를 해결하는 혁신적인 연구를 이어갈 예정입니다. 새로운 길을 걷게 된 박성민 박사에게 따뜻한 축하를 보내며, 앞으로의 활발한 연구와 활동을 응원합니다. 개인 웹사이트: https://psm1206.github.io/
-
- 작성일 2026-03-31
- 조회수 2768