2021년판 실험실 소개

분산제어 및 자동화시스템 연구실에서는 다양한 공학/사회/자연계 시스템에서 동기를 얻어 제어이론을 개발하고, 이를 실제적 환경에 적용하거나, 실험으로 검증하는 연구를 수행한다. 주된 관심은 분산시스템을 수학적으로 설명하고자 하며, 분산편대제어, 군집제어, 네트워크 제어, 네트워크 시스템 해석 등을 수행한다. 본 실험실은 전형적인 제어시스템 연구실이라고 할 수 있으며, 이를 위해서는 수학 (해석학, 그래프이론, 선형대수)적 지식과 기본적인 제어 지식, 그리고 이론을 검증하기 위한 여러가지 hands-on skills을 요구한다. 제어이론의 철저함을 즐길 수 있는 준비가 되어 있는 학생이나, 이러한 이론이 현실에서 응용/적용되는 과정에 주도적으로 참여하기를 원하는 학생에게 적합한 연구실이다. 실험실에서는 다양한 하드웨어/소프트웨어적 지식을 이용해서 무인비행체 비행제어시스템 개발, 군집드론, 편대비행, 무인이동체 항법제어, CSS/UWB 기반 측위, 자율형시스템 항법, 영상처리 기반 네비게이션, 모터제어, 기계학습 기반 에너지 생산/분배 소프트웨어 개발, 우주망원경 제어, 인공위성 데이터 처리 등을 수행하여 왔다. 동영상은 Research를 참고해주시기 바랍니다.

2007년판 실험실 소개

분산제어 및 자동화시스템 연구실에서는 제어이론을 기반으로 지능형로봇, 원격조작, 무선센서네트워크(Wireless sensor network), 우주공학을 연구한다. 분산 센싱(distributed sensing)을 통하여 유비쿼터스 환경에서 로봇의 인식 능력을 향상시키고, 학습(learning)을 통하여 로봇의 지능을 업그레이드하는 연구를 수행하고 있다. 로봇의 지능에서는 intelligent decision이 핵심 개념으로 본 연구실에서는 AI기법을 비롯한 reinforcement learning, learning control, coordination 알고리즘을 이용하여 로봇의 학습 능력을 향상시키고자 한다.

다개체 로봇(multi-agent robots)은 임베디드 네트워크(embedded network) 기반으로 상호 연결되어 스스로 학습하고 스스로 자동화되어 intelligent decision기반으로 원하는 작업을 수행되도록 설계된다. 무선센서네트워크는 로봇 자율주행 및 자동화의 핵심적 선행기술인 실내 측위를 위하여 소규모로 유비쿼터스 환경에 임베디드 센서네트워크를 분산설치하여 로봇의 지능을 향상시키는 연구를 수행하고 있다.

본 실험실에서는 비선형제어/적응제어/지능제어 이론을 기반으로 수술로봇을 위한 원격조작 제어시스템을 설계하고 있으며, 이론적으로는 학습제어를 연구하고 있다. 우주공학에서는 formation flying을 비롯하여 인공위성용 자세제어 및 자세결정 알고리즘을 개발하고 있다.

Introduction(2007)

The Distributed Control and Autonomous Systems Laboratory (DCASL) seeks to design intelligent systems based on cutting-edge technologies in the areas of multi-agent system theories, learning theories, intelligent control, embedded systems, wireless sensor network, and distributed perception network. The general research interests of DCASL include robotics, indoor localization, pattern recognition, control engineering, and aerospace system engineering including attitude control and attitude estimation.

The DCASL particularly tries to establish a research group for (i) designing mobile/airborne robot systems for the applications to home automation, remote sensing, satellite formation flying, and ubiquitous surveillance sensor network; (ii) developing learning control theory via pattern recognition, event understanding, and image learning; (iii) solving robustness problems along the learning domain considering stochastic noises, model uncertainty, and data dropout; (iv) studying nonlinear control systems in state domain; and (v) building intelligent robotic space based on ubiquitous sensor networks such as ZigBee, UWB, RFID, and WLAN. We are currently constructing an experimental test platform for artificial robot and bio-insect interactions.