연구 > 연구실 게시판목록 | 전기전자공학과

제어, 모션 플래닝, 최적화, 학습 기반 알고리즘, 로보틱스, 자율 시스템, 미래 모빌리티, 자율주행차, 물류로봇, 수요응답형 모빌리티
안전한 학습 기반 알고리즘, 행위/의도 예측, 악의적 공격에 대한 안전, 로봇의 고성능 기동, 자율주행차를 위한 교통 제어, 에너지 효율적인 운전

3D integrated semiconductor devices
3차원 집적 기반 반도체 소자
Cryogenic devices for quantum computing systems
양자컴퓨팅 시스템을 위한 극저온 반도체 소자
Power devices/circuits and 3D integration for AI and data center applications
AI 및 데이터센터 응용을 위한 전력 소자/회로 및 3차원 집적 기술
RF devices/circuits and 3D integration for wireless communications, Satellite, and defense applications
무선통신, 위성 및 국방 응용을 위한 RF 소자/회로 및 3차원 집적 기술

기초 연구: 메타표면(metasurface) 등의 회절 광학 시스템을 개발하여, 컴퓨터 비전 과제 수행을 가속화할 수 있는 효율적인 광학 프론트엔드와 센서를 설계합니다.
응용 연구: 개발한 회절 광학을 실제 컴퓨터 비전 시스템과 결합하여, 감시 모니터링, 로보틱스 등에서 실용적 발전을 입증합니다.
양자 연구: 양자 정보 및 양자 센싱 분야에 적용되는 광학 기반 연산 시스템의 가능성을 탐구합니다.

Design of RF hardware architecture and antenna array for wireless systems
Signal processing algorithms and theoretical performance analysis
Experimental demonstration of developed RF systems and signal processing techniques

Offline Reinforcement Learning
: Offline-RL learns policy by utilizing only the experience it gathers without additional interaction with the environment. There are still some challenges, such as distribution shifts and out-of-distribution problem.

Domain Adaptation/Imitation Learning
: Imitation learning is a branch of research aiming to apply reinforcement learning to real-life scenarios, focusing on learning policies that mimic the actions of experts. Recently, there has been progress in research on Domain Adaptation and Cross-Domain studies, enabling imitation of actions from experts in different domains.
Multi-Agent Reinforcement Learning:
In multi-agent RL, multiple agents aim to learn policies that would maximize the expected return from a shared environment. Coordination among the agents is essential for achieving this goal as the agents effect themselves as learning progresses.