Physical AI는 물리적 환경을 인식하고 그 안에서 행동하며, 행동의 결과를 다시 학습에 반영하는 인공지능입니다. MACS Lab은 멀티모달 학습과 계산과학을 바탕으로, 관측 데이터를 이해하는 모델에서 환경과 상호작용하는 모델로 연구를 확장하고자 합니다.
연구 방향
멀티모달 환경 인식
영상, 언어, 시선, 생체신호와 센서 정보를 함께 활용해 사람과 주변 환경의 상태를 이해합니다. 사람의 의도와 작업 맥락을 파악하고, 인식 결과를 행동 계획에 연결하는 표현 학습을 다룹니다.
행동 학습과 의사결정
시연 데이터에서 행동을 배우는 모방학습과 환경의 피드백을 활용하는 강화학습을 연구 주제로 삼습니다. 시각·언어·행동을 연결하는 모델(Vision–Language–Action, VLA)을 통해 작업 지시를 해석하고 상황에 맞는 행동을 선택하는 방법을 탐구합니다.
시뮬레이션과 실제 환경의 연결
물리 기반 시뮬레이션에서 학습한 모델을 실제 환경에 적용하는 Sim-to-Real 전이를 다룹니다. 센서 잡음, 환경 변화, 시스템의 물리적 제약을 고려하고, 불확실성 추정과 피드백을 통해 행동의 신뢰성을 평가하는 데 관심을 둡니다.
응용 방향
- 의료·헬스케어: 사람의 동작과 생체신호를 이해하는 보조 시스템 및 인간–로봇 상호작용
- 로봇·자율 시스템: 작업 맥락에 따른 인식, 계획, 제어의 연결
- 디지털 트윈·시뮬레이션: 가상 환경에서의 학습과 검증, 실제 관측을 활용한 모델 개선
이러한 방향은 의료 AI, 멀티모달 학습, 계산과학 연구와 연결됩니다. 개별 모델의 정확도와 함께 실제 환경에서의 일반화, 계산 효율, 안전한 상호작용을 연구 과제로 다룹니다.