[DGIST 소식] 자율주행 인지 성능 혁신 이끈 3D 학습 기술로 ICCV 2025 논문 발표

■ 자율주행 인지 성능 혁신 이끈 3D 학습 기술로 ICCV 2025 논문 발표

■ 김동환·김정민 연구팀, 차세대 친환경 산업용 고성능 영구자석 제조 기술 개발

왼쪽부터 미래모빌리티연구부 권순 책임연구원, 이진희 선임전임연구원. ⓒ DGIST

[프라임경제] DGIST(총장 이건우) 미래모빌리티연구부 권순, 이진희 연구팀이 라벨이 극히 적은 환경에서도 최신 성능(State-Of-The-Art, SOTA)을 구현한 3D 준지도 학습(SSOD) 프레임워크 'MultipleTeachers'를 개발했다. 

이 기술은 유사한 객체를 그룹화해 범주별 교사 네트워크를 구성하고, 협력적으로 의사 라벨을 생성하는 새로운 학습 전략을 도입했다. 

여기에 희소한 라이다(LiDAR) 포인트 문제를 보완하는 'PointGen' 모듈을 결합, 차량·보행자·이륜차 등 도심 주요 객체의 인지 정확도를 크게 높였다. 적은 데이터로도 높은 학습 효과를 이끌어내 안전 중심의 자율주행 인지 기술 발전에 기여할 수 있는 새로운 패러다임을 제시했다.

자율주행 기술 고도화에는 방대한 라벨링 작업으로 인한 시간·비용 부담이 큰 걸림돌로 작용해왔다. DGIST 연구팀은 소량의 라벨 데이터와 대량의 무라벨 데이터를 결합하는 준지도·자기지도 학습을 고도화해 라벨 의존도를 낮추면서도 실험 환경에서 우수한 성능을 입증했다.

또한, DGIST 창업기업 퓨처드라이브와 협력해 한국 도심 환경을 충실히 반영한 자체 라이다 데이터셋 'LiO'를 구축했다. 

LiO는 128채널 라이다 1대와 6대의 카메라로 수집한 데이터를 기반으로 7개 클래스에 대해 최소 3회 이상의 전문가 검수를 거쳐 높은 품질을 확보했으며, 평균 35.8개의 객체, 약 2.1만개의 라벨 프레임과 9.6만개의 언라벨 프레임으로 구성돼 다양한 실험 환경에 활용 가능하다.

성능 검증에서도 탁월한 결과를 보였다. Waymo Open Dataset(라벨 1%)에서 47.5 mAP, KITTI(라벨 2%)에서 72.2 mAP, LiO Large(라벨 15%)에서 61.4 mAP를 기록해 기존 최신 기법을 일관되게 뛰어넘었다. 

특히 보행자와 이륜차 같은 작은 객체의 검출 성능이 크게 향상돼 도심 안전 강화에 기여할 것으로 기대된다.

이진희 박사는 "세계 최고 비전 학회인 ICCV 2025에서 DGIST의 인지 기술을 발표할 수 있어 영광"이라며 "LiO 데이터셋을 공개해 연구 커뮤니티와 지식을 공유하고, 자율주행·스마트시티·물류 로보틱스 등 다양한 분야로 기술 적용을 확대하겠다"고 말했다.

한편, 이번 연구는 DGIST 기관고유사업과 과학기술정보통신부 연구개발특구육성(R&D) 사업의 지원을 받아 수행됐다.

■ 김동환·김정민 연구팀, 차세대 친환경 산업용 고성능 영구자석 제조 기술 개발

기존 공정의 한계를 극복한 새로운 접근, 확산 효율성과 성능 향상 기술 제시

DGIST 나노기술연구부 김동환·김정민 공동연구팀이 기존 방식의 한계를 극복한 새로운 영구자석 제조 공정을 개발했다. 

왼쪽부터 DGIST 나노기술연구부 김동환 책임연구원, 김정민 책임연구원, 융합전공 김성찬 박사과정생. ⓒ DGIST

이번 연구는 자석의 성능을 높이는 데 중요한 '확산 기술'을 혁신적으로 개선해, 전기자동차와 풍력 발전기, 로봇 등 다양한 친환경 산업 분야에 활용 가능성을 열었다.

최근 전기차와 풍력발전 산업이 빠르게 성장하면서, 강력하면서도 고온 환경에서 안정적으로 작동할 수 있는 영구자석의 수요가 급증하고 있다. 대표적인 고성능 자석인 네오디뮴(Nd-Fe-B) 영구자석은 전기차 모터에 주로 쓰인다. 

그러나 이 자석은 고온에서 자기 성능이 떨어지기 때문에, 성능을 보완하기 위해 희귀 원소인 중희토류(Tb, Dy)를 첨가해야 한다. 문제는 이 원소가 희귀하고 비싸다는 점이다.

이를 해결하기 위해 널리 사용되는 방법이 '입계확산 공정'이다. 자석 표면에 소량의 중희토류를 침투시켜 성능을 높이는 기술인데, 확산이 표면에만 머물러 자석 내부까지 깊게 퍼지지 못하는 한계가 있었다. 이 때문에 두꺼운 자석에는 적용하기 어려웠다.

김동환·김정민 공동연구팀은 이 한계를 극복하기 위해 방전 플라즈마 소결이라는 제조 기술과 입계확산을 결합했다. 자석을 분말 상태에서 만들 때 미리 확산 물질을 혼합해, 자석 전체에 골고루 확산이 일어나도록 한 것이다. 

그 결과, 기존 방식보다 확산 깊이가 훨씬 깊어졌고 자석 전체가 균일하게 성능을 발휘하는 '코어-쉘(core-shell) 구조'를 구현할 수 있었다.

특히, 동일한 양의 희토류 원소를 사용했음에도 기존보다 확산 효율이 높고 성능도 크게 향상되는 것을 확인했다. 이는 자석을 더 작고 가볍게 만들면서도 강력한 성능을 유지할 수 있음을 의미하며, 앞으로 전기차 모터의 소형화·경량화와 에너지 효율 향상에 기여할 것으로 기대된다. 또한, 입계확산 공정을 대형 자석에도 적용할 수 있는 가능성을 열었다.

김동환 책임연구원은 "이번 연구는 기존 입계확산 기술의 한계를 넘어 자석 전체에서 균일한 성능을 낼 수 있는 방법을 제시했다"며 "전기차와 풍력 발전 등 친환경 에너지 산업에서 요구되는 고성능 영구자석 개발에 중요한 기여를 할 것"이라고 밝혔다.

한편, 이번 연구는 DGIST 기관고유사업, 경북대학교 탄소중립 지능형 에너지시스템 지역혁신 선도연구센터, 성림첨단산업의 지원을 받아 수행됐으며, 연구 성과는 2025년 국내 특허 등록 및 미국 출원과 함께 금속 재료 분야의 저명한 국제 학술지 Journal of Alloys and Compounds에 게재됐다.