[학회 후기]기타큐슈에서의 4일간이 벌써 지나갔다. 2025 IEA/AIE 학회에 시후, 정인, 순혁, 정민과 함께 다녀온 지 며칠이 지났는데도 아직 여운이 남아있다.학회에 참가하면서 가장 놀라웠던 건 학회 운영 방식이었다. 보통 좌장은 세션을 진행하고 질의 응답을 관리하는 역할인데, 이 학회에서는 좌장들이 직접 발표까지 했다. 해당 세션 분야의 베테랑들이 자신의 연구를 직접 소개하니까 세션 전체의 퀄리티가 한층 높아지는 느낌이었다.동행한 연구원들과 처음 해외 학회를 함께 가는 것이었는데, 생각보다 서로 다른 관점에서 발표를 바라보는 게 재밌었다. 같은 세션 발표들을 듣고도 각자 다른 포인트에 집중하고, 저녁에 그 얘기를 나누는 시간들이 흥미로웠다. 학회에서 만난 해외 연구자들과의 대화도 기억에 남는다. 영어가 서툴러서 아쉬웠지만, 그래도 서로의 연구에 대해 진지하게 이야기할 수 있어서 좋았다.기타큐슈 자체도 생각보다 매력적인 도시였다. 학회장 주변을 돌아다니면서 일본의 지방 도시 분위기를 느낄 수 있었고, 무엇보다 현지 사람들이 정말 친절했다.돌아와서 생각해보니, 이번 학회는 단순히 논문을 발표하고 듣는 것 이상의 의미가 있었던 것 같다. 연구의 실용성에 대해 다시 한번 생각해보게 됐고, 앞으로 어떤 방향으로 연구를 진행해야 할지에 대한 힌트도 얻었다. 그리고 무엇보다, 연구실의 친한 연구원들과 함께 이런 경험을 공유할 수 있어서 더욱 의미 있었다.[발표 후기] - Domain Generalization through Domain-Expert Risk Assessment본 연구에서는 딥러닝에서 모델이 학습 과정에서 보지 못한 새로운 도메인에 효과적으로 일반화 해야 하는 도메인 일반화 문제를 다룬다. 도메인 일반화를 위한 많은 접근 방식이 있는데, 본 연구를 진행하는데 있어서 distributionally robust optimization (DRO) 개념을 사용하였다. 기존 DRO 접근법은 단일 관점의 위험도 평가에 의존하여 복잡한 도메인 간 상호작용을 충분히 포착하지 못한다는 한계가 있다. 이를 해결하기 위해 본 연구에서는 도메인별 전문가 모듈을 통합한 새로운 DRO 프레임워크를 제안한다. 제안 방법은 모든 도메인에 걸쳐 위험도를 평가할 수 있는 도메인별 전문가들을 활용하여 최악의 시나리오 공간을 확장함으로써 보다 포괄적인 위험도 평가를 가능하게 한다. 구체적으로 다양한 도메인에서 공유되는 특징 추출기와 도메인별 분류기를 구축하여 다양한 도메인에서 강건한 학습을 보장한다. 도메인 일반화 벤치마크 데이터셋에 비교 실험을 수행하였으며, 기존 DRO 방법론들 대비하여 향상된 도메인 일반화 성능을 확인할 수 있었다.질문 1. 제안하는 손실함수는 2개 term이 있는데, 두 term의 계수를 1로 고정하여 사용하는 이유가 있나요?답변 1. 데이터셋마다 최적의 계수가 따로 존재할 것입니다. 그러나, 본 연구에서는 도메인 간 위험도를 평가할 수 있는 구조가 일반화 성능 향상에 영향을 줄 수 있는지 확인하는 것을 목표로 합니다. 따라서 최적의 계수를 찾는다기보다 고정된 계수를 사용하여 일반화 성능을 확인하였습니다. 또한, 고정된 계수를 사용하여도 벤치마크 데이터셋들에서 비교 방법론들보다 향상된 성능을 확인할 수 있었습니다.질문 2. 데이터셋 분포 변화는 도메인 간 분포 변화만 있는 것이 아닐텐데요. 다른 대표적인 분포 변화는 또 무엇이 있나요?답변 2. 또 다른 대표적인 분포 변화로는 하위 집단 간 분포 변화, 즉 subpopulation shift라는 분포 변화가 있습니다. 이러한 분포 변화에 대응하기 위해서 수행된 연구들이 상당 수 있습니다. 제가 제안하는 방법론에서 사용한 DRO 개념이 이러한 변화에도 강건할 수 있다는 연구도 있습니다. 따라서, 향후에 이러한 분포 변화에 대해서도 연구를 진행해 볼 계획입니다.[청취 후기]1. Guided by Entropy: Semi-supervised Domain Adaptation with Curriculum and Contrastive Learning이 발표는 같은 연구실 소속인 황순혁 연구원이 발표를 해주었다. 연구를 진행하고 있는 domain generalization과 밀접한 연구 분야인 domain adaptation 분야라 굉장히 흥미롭게 들었다. Semi-supervised domain adaptation (SSDA)에서 커리큘럼 학습과 대조 학습을 결합한 C2SDA 방법론을 제안한 연구였다. SSDA 자체가 label이 제한적인 상황에서 domain adaptation을 다루는 까다로운 문제인데, 여기에 intra-domain discrepancy까지 고려한다는 접근이 흥미로웠다. 이 발표에서 제안하는 핵심은 예측 엔트로피를 학습 난이도 기준으로 사용하는 커리큘럼 학습과 cross-domain 및 cross-class 에 대해서 representation learning을 가능하게 하는 대조 학습을 결합하는 것이다. 이때 기존 복잡한 adversarial training 또는 휴리스틱 기반 pseudo-labeling 방식들과는 다르게 쉬운 샘플부터 점진적으로 학습에 포함시키면서, 대조 학습을 통해 특징 일관성을 확보한다는 설계가 매우 체계적으로 느껴졌다. 특히 inter-domain과 intra-domain discrepancy를 동시에 해결하려는 통합적 접근이 인상적이었다.2. CAMI: A missing value imputation method based on causal discovery and self-attention이 발표에서는 고차원 tabular 데이터에서 결측값 imputation을 위해 causal discovery와 self-attention을 결합한 방법론을 제안하였다. 결측값 처리라는 전통적인 데이터 전처리 문제에 causal discovery이라는 기법을 적용한다는 접근이 색다르게 느껴졌다. 그러나, 발표를 듣다 보니 기존 방법들이 변수 간 복잡한 관계, 잠재적 인과 구조를 제대로 활용하지 못한다는 문제 인식이 점점 설득력 있게 다가왔다. 특히, 단순한 통계적 관계가 아닌 인과적 관계를 통해 더 의미 있는 결측값 imputation이 가능하다는 아이디어가 흥미로웠다. 핵심은 causal discovery를 통해 생성된 causal graph가 attention allocation을 가이드하도록 하고, 이를 multi-head self attention과 결합해서 변수 간 관계를 동적으로 포착하는 것이다. 이러한 방식을 통해서 인과 구조를 명시적으로 모델링할 수 있게 되고, 해석 가능한 결측값 추정이 가능하다는 것이 특징이다. 높은 결측 비율에서도 안정적이고 강건한 성능을 보인다는 실험 결과가 방법론의 실용성을 잘 보여주는 것 같았다. 변수 간 인과관계가 중요한 도메인에서, 단순히 정확도만 높이는 것이 아니라 왜 그런 값으로 대체되었는지 설명할 수 있다는 해석 가능성까지 제공한다는 점에서 큰 의미가 있을 것으로 생각한다.

[학회 후기]2025년 7월 1일~4일, 4일이라는 기간 동안 열린 2025 IEA/AIE 학회에 참가하게 되었다. 첫 해외 학회 참가였기 때문에, 들뜬 마음보다는 긴장감이 컸던 학회였다. 그래도 같이 참여한 연구실 인원들이 근 기수이기도 하고, 친한 연구원들이라 긴장감을 조금이나마 낮출 수 있었던 것 같다. 우리는 학회 시작 하루 전 날인 6월 30일에 출국하였다. 도착하자마자 일본 특유의 분위기가 우리를 반겼고, 그 덕에 긴장감이 설렘으로 어느 정도 바뀌었던 것 같다. 학회에 참여하면서 중간 중간에 일본 음식들도 맛보고 거리 구경도 하며 재미있는 시간을 가졌다. IEA/AIE는 산업 공학에서도 유명한 학회로 알고 있었는데, 이는 세션들을 청취하며 한 번 더 체감할 수 있었다. Computer vision, large language model 등의 세션 뿐만 아니라 industrial and engineering applications, optimization등의 세션에서도 각 국의 연구원들이 좋은 발표들을 하여 유의미한 경험을 할 수 있었다. 또한 내 발표에 대한 질의응답을 진행하며 내 연구도 다시 돌아볼 수 있었고, 연구적으로 한 층 더 발전할 수 있었다. 학회에서 첫 영어 발표라 부족한 부분이 많았던 것 같지만, 이것도 좋은 경험이라 생각하고 다음에 이런 기회가 다시 찾아온다면 더 발전한 나를 보여주고 싶다는 생각을 하였다.[발표 후기] - Uncertainty-based Instance-Dependent Noisy Label Datasets GenerationNoisy label은 크게 instance-dependent와 instance-independent로 구분할 수 있다. 이 중 instance-dependent는 단순 랜덤한 방식이 아닌, 각 데이터의 특징이 반영된 noisy label을 의미한다. 이러한 noisy label이 포함된 벤치마크 데이터셋은 다른 분야들의 벤치마크 데이터셋과 비교하면 적은 편이다. 뿐만 아니라, noise ratio가 고정되어 있어 사용자가 이를 직접 조절할 수 없고, 이로 인해 다양한 분석 실험을 하기는 어렵다. 나는 이러한 상황을 개선하고 label noise learning 분야에서 다양한 실험을 할 수 있도록, 일반적인 image classification 데이터셋을 instance-dependent noisy label 데이터셋으로 변환할 수 있는 방법론을 제안하였다. 우선적으로, 어떠한 label이 부여될지 애매함의 정도를 불확실성으로 정량화하였다. 불확실성이 큰 만큼 label을 부여할 때, 잘 못 부여할 수 있다고 판단했기 때문이였다. 비교 방법론에서는 모델의 예측 값을 활용할 때 여러 개의 모델을 독립적으로 학습하였지만, 나는 MC dropout을 활용하여 단일 모델로 같은 효과를 내었고, 이를 통해 불확실성도 같이 정량화할 수 있었다. 결과적으로 불확실성이 큰 상위 r%의 데이터를 선별하여, 각 확률적 모델들의 출력 값을 ensemble 하였고, 이를 통해 noisy label 데이터셋을 생성하였다.질문 1. 제안 방법론이 비교 방법론들과 비교하여 왜 성능 향상을 이루었다고 생각하나요?답변 1. 단순 모델 예측 값을 활용하는 비교 방법론들보다, 제안 방법론의 핵심인 불확실성이 유효했다고 생각합니다. 실제로 불확실성은 데이터의 특징을 잘 반영할 수 있어, 다양한 분야에서 모델 학습 및 추론에 활발하게 사용되고 있습니다.질문 2. 사용한 데이터셋은 어떻게 구성되어 있나요?답변 2. 저는 Cifar 10-H 이라는 데이터셋을 사용했습니다. 해당 데이터셋은 Cifar 10 데이터셋의 평가 데이터셋에 human annotator들이 직접 noisy label을 부여한 데이터셋입니다.[청취 후기]1. Guided by Entropy: Semi-supervised Domain Adaptation with Curriculum and Contrastive Learning우리 연구실의 순혁이형이 발표한 주제였다. 해당 주제는 나의 연구와도 불확실성이라는 측면에서 겹치는 부분이 있어 사실상 제일 흥미로웠던 내용이였다. Label noise learning, out-of-distribution 문제에서도 불확실성을 shannon entropy를 통해 정의를 하는데, domain adaption에서도 비슷한 방식으로 정의하는 것을 알 수 있었다. 불확실성을 통해 보다 확실한 데이터부터 학습에 참여시키며 curriculum learning을 진행하는 것이 흥미로웠다. 이에 이어 unlabeled target data와 소량의 labeled source/target data를 활용하여 contrastive learning을 진행하는데, 설명을 들으며 느꼈던 점은 매우 논리적으로도 타당하며 짜임새 있는 연구를 했다는 생각을 했다. 2. SkinPalNet: An Advanced Ensemble Model for Skin Cancer Diagnosis with Computer Vision Appraoch해당 연구는 피부암 진단을 향상시키기 위한 목적으로 진행되었으며, InceptionNet, EfficientNet, ResNet 등의 CNN 기반 모델들을 앙상블하고, dropout, Batch Normalization 등의 기법들을 활용하여 성능 향상을 이루어냈다. 뿐만 아니라, 대표적인 XAI 기법인 Grad-CAM 방법들을 통해 결과 해석도 진행하였다. 방법론적인 contribution이 크게 있지는 않아 이 부분이 조금 의아하기도 했고 중동권의 영어라 알아 듣기가 다른 발표에 비해 어려웠던 점이 조금 아쉬웠다. 그래도 다양한 분석을 진행하였다는 부분이 어느 정도 작용한 것 같고 발표를 들으며 피부암 이미지 데이터셋도 처음으로 접할 수 있었다.  

[학회 후기]2025년 7월 1일부터 4일까지 일본의 기타큐슈 지역에서 진행된 IEA/AIE 2025 (2025 The 38th International Conference on Industrial, Engineering & Other Applications of Applied Intelligent Systems (IEA/AIE)) 학회를 다녀왔다. 내 인생 첫 일본 여행이자, 첫 해외 학회 방문인만큼 설렘이 가득했다. 일본은 항상 우리나라와 가까운 나라이면서도 먹거리, 볼거리가 많은 나라로 유명해서 한번쯤은 가보고 싶었는데, 이러한 학회를 기회 삼아 방문할 수 있어서 좋았다. 더욱이, 함께 학회에 참여하는 인원이 나와 근기수인 정인, 진용, 시후, 정민 연구원이어서 더욱 재밌었던 학회 여정이었던 것 같다. 뿐만 아니라, 대학원 생활을 하면서 항상 한글로만 발표를 진행했었는데, 난생 처음 영어로 발표를 해보는 것도 준비 과정이나, 발표하는 순간이나 유익한 경험이었던 것 같다.IEA/AIE 학회는 1988년부터 시작된 전통 있는 국제 학회로 굉장히 역사가 깊은 학회였다. 전반적으로 AI 기술을 실제 산업·공학·의료 등 다양한 응용 분야에 어떻게 적용할 수 있는지에 중점을 둔 성격을 가진 학회였다. 실용적인 문제 해결에 기반한 논문을 중심으로 구성되어 있어, 이론 연구뿐 아니라 산업계에서의 실제 적용 가능성을 높이는 다양한 연구들이 소개되곤 했다. 그리고 대만, 중국, 일본, 뉴질랜드, 이란 등 정말 다양한 국적의 연구원들의 발표를 청취할 수 있어 국경을 넘은 다양한 연구를 접할 수 있어 정말 매력적인 학회였던 것 같다.[발표 후기 - Guided by Entropy: Semi-supervised Domain Adaptation with Curriculum and Contrastive Learning]이번 학회에서는 내가 개인 연구로 현재 마무리 단계에 있는 순환 학습과 대조 학습을 기반의 엔트로피를 활용한 준지도 도메인 적응 방법론 연구에 대해 발표했다. 간략히 설명하면, 준지도 도메인 적응 방법론에서 아주 큰 문제인, 레이블이 없는 타겟 도메인 데이터 내 차이가 발생하는 intra-domain discrepancy 문제를 순환 학습 및 대조 학습으로 해결하는 연구이다. 이러한 unlabeled target domain data에 대해 예측 엔트로피를 기반으로 학습 난이도를 규명하고, 순환 학습을 위해 학습이 확실한 데이터부터 불확실한 데이터까지 점진적으로 학습에 참여시킨다. 그리고 참여된 unlabeled target data와 소량의 labeled source/target data간의 대조 학습을 진행하는데, labeled data 중 예측 엔트로피가 가장 낮은(다시 말하면 가장 학습이 확실한) 데이터와 positive/negative pair를 형성해 대조 학습을 진행하는, entropy-wise contrastive learning을 진행하였다.질문 1: 실제로 학습 iteration마다 selection되는 unlabeled target data가 서로 상이한가?답변 1: 그렇다. 학습이 진행됨에 따라 weight이 업데이트 되고, 이에 따라 threshold에 맞게 selection 되는 unlabeled target data 샘플이 매 iteration마다 약간의 차이가 있는 것을 확인할 수 있었다.질문 2: 순환 학습와 대조 학습을 통합하여 사용하는 것에 대한 기여점은 무엇이라고 생각하는가?답변 2: 우선, 두 학습 모두 "예측 엔트로피"라는 정보만을 활용하여 진행된다. 순환 학습은 엄선된 데이터만을 선정하여 학습을 돕고, 이 엄선된 데이터에 대해서는 강력한 특징 학습인 대조 학습을 진행함으로써 둘의 협력 관계가 있다고 판단하여 통합된 프레임워크를 제안하였다.[청취 후기 1 - Domain Generalization through Domain-Expert Risk Assessment]우리 연구실 소속인 진용 연구원의 발표였지만, 내가 가장 흥미로워 하는 Domain Adaptation/Generalization 분야라 그것과는 무관하게 꼭 청취하고 싶었다. 각 도메인의 리스크 수준이 얼마나 다른지를 정량화하고, 이를 통해 domain-invariant한 feature representation을 학습할 수 있도록 설계된 loss function을 제안한다. 예를 들어 리스크가 높은 도메인일수록 모델이 더 robust하게 학습되도록 weight를 부여하고, 반대로 리스크가 낮은 도메인에서는 overfitting을 방지하기 위한 제약을 둔다. 실험은 여러 개의 synthetic domain과 실제 의료 도메인 데이터셋(예: 병원 간 편차가 존재하는 이미지)에서 수행되었고, 기존 domain generalization 기법 대비 성능 향상이 있었음을 보여주었다. 발표를 들으면서 가장 신기했던 부분은 ‘전문가의 리스크 판단’이라는 주관적 정보를 얼마나 정량화된 학습 요소로 해석할 수 있느냐는 점이었다. 이는 기계학습의 자동화 흐름과는 어쩌면 역방향이기도 한데, 인간의 지식을 다시 시스템 안으로 끌어들이는 방향성 자체가 도메인 일반화의 현실적 문제에 꽤 잘 맞닿아 있다는 인상을 받았다.[청취 후기 2 - A‑REACT: Adaptive Resampling and Active Classification for Thresholded Anomalies]Threshold 기반의 이진 이상 탐지 문제에서, 경계 부근의 샘플을 중심으로 성능을 향상시키기 위해 adaptive resampling과 active classification을 결합한 구조를 제안한다. 발표를 준비하며 가장 눈에 띄었던 점은, 전체 데이터를 무작정 사용하는 것이 아니라 모델의 불확실성에 기반해 ‘어디에 집중적으로 학습해야 하는지’를 능동적으로 결정한다는 점이었다. 단순히 rare class에 oversampling을 적용하는 기존 방식과 달리, decision boundary 근처의 애매한 샘플을 반복적으로 학습하는 방식이 효율적이라는 인상을 받았다.

[학회 후기]2025년 7월 1일부터 4일까지 IEA/AIE (International Conference on Industrial, Engineering & Other Applications of Applied Intelligent Systems) 학회가 일본 기타큐슈에 위치한 국제회의장에서 개최되었고, 이 학회에 직접 참석하여 영어 발표를 진행하는 귀중한 경험을 할 수 있었다. 기타큐슈는 과거 여행으로 방문한 적이 있는 지역이었지만, 이번처럼 공식적인 연구 발표를 목적으로 방문하니 전혀 다른 감정이 들었고, 설렘과 동시에 긴장감이 함께 공존하는 느낌으로 학회장에 참석할 수 있었다. 학회장 내부는 단정하면서도 세련된 분위기였고, 창 밖으로 펼쳐지는 바다 풍경 덕분에 휴식 시간에도 여유를 느낄 수 있었다.IEA/AIE 학회는 산업공학, 컴퓨터 비전, 인공지능 등 다양한 분야에서 응용되는 지능형 시스템에 관한 최신 연구가 공유되는 자리로, 각 세션에서는 강화학습, LLM, 컴퓨터 비전, 시맨틱 웹, 의료 AI 등 폭넓은 주제가 다뤄졌다. 특히 개인적으로 관심 있는 주제들과도 관련된 발표들이 많아 모든 발표를 다 따라가고 싶을 정도로 흥미로운 시간이 많았다. 세션은 항상 2~3개가 병행되어 진행되었고, 좌장이 직접 발표를 겸하는 경우도 종종 볼 수 있었다. 첫날에는 등록을 마치고, 학회장 인사말과 키노트 스피치를 들으며 본격적인 일정이 시작되었다. 발표자뿐만 아니라 다양한 국가의 연구자들이 자유롭게 질문을 주고받는 모습에서, 국제 학회의 진정한 소통과 교류가 무엇인지 실감할 수 있었다. 이번 경험은 단순히 연구를 발표하는 자리에 참석했다는 의미를 넘어서, 내가 속한 학문 분야의 역할과 정체성을 고민하게 만든 매우 유익한 시간이었다. 언어적 한계와 문화적 차이에도 불구하고, 전 세계 연구자들과의 소통이 가능하다는 걸 직접 체험하면서 앞으로 더 넓은 무대에서 도전해보고 싶다는 욕심도 생겼다.[발표 후기 - Impact of Replay Ratios on Performance and Efficiency in Continual Learning for Skeleton-based Action Recognition] 이번 학회에서는 메모리 기반 리플레이 방식의 연속 학습 환경에서, 다양한 비율의 리플레이 샘플이 성능과 효율성에 어떤 영향을 미치는지에 대해 분석한 결과를 공유하였다. 실험은 스켈레톤 기반 행동 인식 데이터셋을 활용하여 진행되었고, 리플레이 비율의 변화에 따라 정확도와 계산 비용 측면에서의 trade-off를 분석하였다. 발표는 학회 마지막 날 오전 세션에서 진행되었고, 참석자 수가 예상보다 많아 다소 긴장했으나, 준비한 대로 차분하게 발표를 마칠 수 있었다. 일부 장표에서 설명이 빠르게 진행된 점은 아쉬웠지만, 몇몇 청중들이 발표 내용에 대해 긍정적인 피드백을 주었고, 관련된 아이디어를 나누는 기회도 가질 수 있어 매우 뜻깊었다.질문 1: 실험에서 사용된 replay 비율은 어떻게 설정되었으며, 각 비율에 대해 몇 번씩 반복 실험을 수행했는가? 답변 1: replay 비율은 0%부터 100%까지 총 8개 구간(0%, 1%, 5%, 10%, 20%, 30%, 50%, 100%)으로 설정하였으며, 각 실험은 동일한 조건에서 5회 반복 수행하여 평균 성능을 도출하였다. 이렇게 반복 실험을 통해 재현성과 신뢰도를 확보하고자 하였다. 질문 2: 실험에 사용된 ST-GCN 모델은 기존 구조를 그대로 활용한 것인가, 아니면 Continual Learning에 맞게 구조적인 변경이 있었는가? 답변 2: ST-GCN의 구조 자체는 원본 논문과 동일하게 유지되었으며, CL을 위한 별도의 구조적 수정은 가하지 않았다. 대신, 학습 방식에 replay 전략을 적용하는 방식으로 연속 학습을 수행하였다. 이는 기존 모델의 구조를 유지하면서도 간단한 학습 제어를 통해 성능 개선이 가능하다는 점에서 실용성이 크다.[청취 후기 1 - Extending YOLO for Feature-Based Classification Through Numerical-to-Image Transformation] 전통적인 YOLOv5 모델을 구조화된 수치형 데이터에도 적용할 수 있도록 변환하는 방법을 제안하였다. Numerical-to-Image Strip Encoding(NISE)이라는 기법을 통해 수치 데이터를 이미지 형태로 재구성한 후, 이를 YOLOv5에 입력함으로써 기존 이미지 기반 분류기법을 구조화된 데이터에도 사용할 수 있도록 하였다. 실험 결과, 이 방법은 복잡한 수치 데이터셋에서도 경쟁력 있는 정확도를 보여주었고, PCA 기반 차원 축소를 통해 처리 효율도 고려하였다. 발표자가 발표 중간에 QR 코드를 통해 실시간 데모를 제공하여 참가자들이 실제로 변환된 이미지를 보고 실험을 따라해볼 수 있었던 점이 특히 인상 깊었다. [청취 후기 2 - Enhancing Traffic Accident Detection with YOLOv5 in Smart City Road Monitoring] 스마트시티 환경에서 교통사고 감지를 위해 YOLOv5를 활용한 객체 탐지 기반 시스템을 제안하였다. 기존 시스템이 영상 내의 정적인 이상상황만을 판단하던 방식에서 나아가, 이 연구는 동적 사고 패턴을 실시간으로 인지할 수 있도록 했다. 특히, 사고 발생 직후의 차량 방향 변화, 정지 프레임, 보행자 움직임 등을 주요 단서로 활용하여 탐지 정확도를 높였다. 다양한 도시 CCTV 영상 기반 데이터셋에서의 실험 결과, YOLOv5 기반 방법이 빠르고 정확하게 사고를 인지함을 보여주었으며, 발표자 또한 실제 교통 상황을 시뮬레이션한 예제를 통해 실시간 반응성을 강조하였다. 발표 내용은 기술적 완성도도 높았고, 도시 안전이라는 사회적 가치와도 잘 맞아 매우 인상 깊었다.

[학회 후기]2025년 7월 1일부터 4일까지 일본 기타큐슈에서 개최된 IEA/AIE 2025 학회에 다녀왔다. 지금까지 일본은 여러 차례 여행으로 방문한 적은 있었지만, 학회 참석을 위해 찾은 것은 이번이 처음이었다. 처음이라 다소 긴장도 되었지만, 동시에 새로운 도전에 대한 설렘으로 기대를 안고 학회장에 들어설 수 있었다.IEA/AIE 학회는 International Conference on Industrial, Engineering & Other Applications of Applied Intelligent Systems의 약자로, 산업, 공학, 그리고 다양한 분야에서 지능형 시스템의 응용을 다루는 국제 학술대회이다. 이번 학회에서는 강화학습, 컴퓨터 비전, 거대 언어 모델(LLM) 등 다양한 연구 주제와 함께, 이러한 기술들의 실제 적용 가능성과 활용 사례를 중심으로 한 발표들이 이루어졌다. 세션은 총 3개의 방에서 동시에 진행되었고, 중간중간 특정 세션에서는 좌장이 직접 발표를 맡는 모습도 볼 수 있었다. 휴식 시간에는 커피를 마실 수 있는 공간이 마련되어 있었는데, 바다를 보며 잠시 쉴 수 있어 무척 인상 깊었다. 첫째 날에 등록을 마친 뒤, 학회장의 인사말로 일정이 시작되었다. 그동안 메일로만 소통하던 학회장을 실제로 만나니, 마치 연예인을 본 듯한 기분이 들었다. 학회장은 간단한 환영 인사와 함께 2026년 IEA/AIE 학회에 대한 소개와 참여 독려를 전했으며, 개막식과 폐막식 모두에서 이를 강조했던 것이 기억에 남았다. 가장 인상 깊었던 키노트 스피치에서는 데이터의 무분별한 사용에 대한 규제와 암호화 기술에 대한 내용이 다뤄졌다. 이를 통해 산업 현장에서는 데이터 활용에 대한 윤리적 고민과 기술적 대응이 중요한 이슈임을 다시금 느낄 수 있었다. 산업공학 전공자로서, 컴퓨터공학이나 인공지능 분야와는 또 다른 관점을 갖고 있음을 실감할 수 있었고, 기업에서 산업공학 박사에게 기대하는 역할에 대해서도 다시 한번 고민해보는 계기가 되었다. 국내 학회와 해외 학회를 비교했을 때 가장 큰 차이는 역시 언어와 참석자들이었다. 이번 경험은 나에게 큰 자극이 되었고, 앞으로 더 큰 규모의 학회에서 발표하며 더 다양한 사람들과 소통해보고 싶다는 생각이 들었다. 기회가 있다면 앞으로도 계속 도전하고 싶다.  [발표 후기 - DynaMIX: Sample-Efficient Multi Agent Reinforcement Learning with Multi-Step Temporal Forward Dynamics Modeling] 이번 학회에서는 다중 에이전트 강화학습 방법론 중 널리 사용되는 QMIX에 forward dynamics modeling 기반의 표현 학습을 보조 작업으로 사용하여 샘플 효율성을 개선한 연구를 발표했다. 강화학습은 최적의 정책을 학습하기 위해서 많은 시간과 비용이 소요된다는 고질적인 한계가 있으며, 이를 개선하기 위한 다양한 접근법이 존재한다. 그중 하나인 표현 학습을 보조 작업으로 사용하는 접근법을 개인 연구에 적용하였다. 실험은 SMAC 환경에서 진행했으며, 두 가지 어려운 시나리오와 한 가지 매우 어려운 시나리오를 통해, 제안한 방법이 기존 대비 샘플 효율성을 개선함을 실증적으로 입증할 수 있었다. 발표를 마친 뒤 세션 좌장께서 "인상적인 연구였다"고 평가해주어 내심 뿌듯했으며, 처음으로 다양한 국적을 가진 사람들 앞에서 영어로 발표하고 질의응답까지 무사히 해냈다는 점에서 큰 성취감을 느낄 수 있었다. 질문 1) 에이전트가 페널티를 받을 때는 언제인가요? 답변 1) 에이전트가 특정 상황에서 잘못된 행동을 선택했을 때, 환경으로부터 페널티를 받습니다. 질문 2) SMAC의 여러 시나리오의 난이도는 에이전트의 수에 의해 결정이 되는 것인가요?답변 2) 아니요. SMAC의 난이도는 에이전트 수가 아니라, 다양한 MARL 알고리즘을 적용한 실험 결과를 기준으로 분류됩니다. 여러 알고리즘이 모두 낮은 성는을 보이면 해당 시나리오는 "매우 어려움"으로, 일부 알고리즘이 높은 성능을 보이면 "쉬움" 혹은 "어려움"으로 분류됩니다. [청취 후기 ① - A Reinforcement Learning Based Framework to the Facility Layout Problem] 해당 발표는 산업 환경에서 강화학습을 어떻게 실제로 활용할 수 있는지를 잘 보여주는 흥미로운 사례였다. 기존에는 전문가가 수작업으로 해결하던 공장 레이아웃 문제를, 누구나 GUI를 통해 쉽게 정의하고 강화학습을 통해 최적화할 수 있도록 한 점이 특히 인상 깊었다. 실제로도 다양한 제약 조건과 목적 함수를 반영해 레이아웃을 자동으로 생성하는 결과를 보여줬고, 실험적으로 강화학습의 적용 가능성을 잘 증명해주었다. 강화학습이 실무에 활용되기 어려웠던 기존 한계를 낮춘 점에서, 학문적 의미뿐 아니라 실용성 측면에서도 높은 가치를 느낄 수 있는 발표였다. [청취 후기 ② - LLM-Based MaSE: A Software Development Framework for Developing Multi-agent Systems]해당 발표는 거대 언어 모델(LLM)을 활용한 소프트웨어 공학 자동화의 가능성을 잘 보여주는 발표였다. 특히, MaSE 방법론과 JADE 플랫폼을 기반으로 멀티 에이전트 시스템(MAS)을 개발하는 전 과정을 LLM으로 자동화했다는 점이 인상 깊었다. 단순히 코드 생성에 그치지 않고, 요구사항 분석부터 설계, 코드 구현까지 전 과정을 프롬프트 기반으로 안내하며, 결과물 간 추적 가능성과 일관성을 유지한 점이 눈에 띄었다. GPT-4를 활용해 학생들의 과제와 비교한 실험에서도 LLM이 더 모듈화되고 정합성 있는 산출물을 생성한 결과도 흥미로웠습니다. 물론 일부 구현 디테일이 부족한 부분도 있었지만, 사람이 며칠 걸릴 작업을 몇 분 만에 수행할 수 있다는 점에서 LLM의 가능성을 실감할 수 있었다. 향후 인간 피드백 활용 등의 방향도 기대되었다.

학제간 융합 연구 활동으로서 스마트미디어센터에서 활동하던 중 좋은 기회로 중국 상하이에서 개최된 mobile world congress (MWC)를 6월 18일부터 20일까지 2박 3일 동안 방문하게 되었다. 바르셀로나에서 개최된 것인줄만 알았는데 상하이에서도 열리는걸 처음 알았다. 명성이 있는 박람회인 만큼 한 번은 꼭 가보고 싶었던 만큼 많은 기대를 하고 참석하였다. MWC는 원래 모바일 및 통신 산업에 특화된 박람회이지만 관련 적용 분야도 함께 소개되는 추세라서 볼 거리가 많았다. 다만 이번 상하이 MWC는 중국 지역에 특화된 구성이라 그런지 영어 소개는 매우 제한적이었고 사실상 중국어로만 소통이 가능하였다. 다행히 번역 어플이 많이 발전해서 PPT나 의사소통은 어느 정도 가능하였기 때문에 전시 내용을 얼추 파악할 수 있었다.가장 인상 깊었던 분야는 로보틱스였다. 현재 중국은 미국과 더불어 로보틱스의 양대산맥이다. 어느 정도 정해진 규칙으로 움직이기만 하던 지난 날과 달리 최근에는 인공지능을 활용하여 임의의 상황에 유연하게 대처할 수 있는 AI로보틱스가 발전하고 있다. 중국은 이미 높은 수준의 인공지능 기술을 소유하고 있고 최근에는 하드웨어 부문의 로보틱스도 크게 발전을 하였기 때문에 AI로보틱스의 발전이 크게 기대되는 상황이다. 그래서 그런지 이번 상하이MWC에서도 로보틱스 부스는 특별관으로 소개를 하고 있었다. 가장 유명하다고 할 수 있는 유니트리 외에도 꽤나 다양한 회사들이 참여를 해서 로보틱스에 대한 관심과 투자가 많다는 것을 알 수 있었다. 휴머노이드형 로봇의 경우 삼성전자의 레인보우로보틱스 외에는 실제 운용할 수 있는 제품을 가진 국내 기업이 없는 것으로 알고 있고 실제로 어떻게 사용할 것인지가 뚜렷하지 않고 혹은 현장에 적용해본 사례가 없는 것으로 알고 있다. 하지만 중국은 실제 작동하는 제품을 가진 기업이 네 곳은 되었고 그 중에는 실제 공장에 적용해본 use-case가 있거나 활용 방안을 제시하였다. 가장 MWC라는 박람회 주제에 알맞게 전시된 활용 예시는 4족보행 로봇에 통신장비를 얹어서 오지산골에서도 통신이 가능하도록 한 경우였다. 중국도 땅이 넓다보니 곳곳에 기지국을 세우는 것도 비용 낭비일 수 있고 그럼에도 일정 기간 통신이 필요한 경우도 있을텐데 4족보행 로봇을 활용해서 사람이 접근하기 힘든 환경에도 임시 기지국을 세울 수 있다면 굉장히 유용하겠다는 생각이 들었다. (하지만 스타링크가 뜬다면?) 그 외에 로봇이 붓글씨를 쓰거나 백덤블링을 하는 등의 묘기를 보는 재미도 있었다. 다만 아쉬운 점이 있었다면 인공지능을 기반으로 상호작용이 있는 로보틱스를 보고 싶었는데 그런 전시는 없었다는 점이다. 사실 붓글씨도 한 글자(福)만 쓰는 걸 보면 사람이 직접 조종한 내역을 기억해서 그대로 재현하는 듯 싶었고 백덤블링 같은 움직임은 상호작용의 영역은 아니었기 때문이다. 최근 엔비디아나 FigureAI에서 보여준 것처럼 로봇 간의 상호작용으로 특정 과제를 처리하는 데모가 있었으면 환상적이었을텐데 그런 전시는 없어서 아쉬웠다. 다른 한 편으로 흥미로워던 것은 딥시크의 존재감이었다. 중국인들의 딥시크에 대한 자부심이 굉장하다고 느꼈는데 왜냐하면 LLM 관련 활용 전시를 할 때 LLM과 딥시크를 굳이 나누어서 언급하는 곳도 있었고 사실 그냥 LLM을 썼다고 하면 되는 것을 꼭 딥시크를 썼다고 강조하는 곳도 있었기 때문이다. 그 외 LLM 관련해서는 이전에 SAIT와의 산학협력으로 진행했던 '결함진단'과 유사한 주제가 Chine Mobile쪽에서 전시되어 있어서 우리가 앞섰다는 느낌이 들어 뿌듯했다.원래 전시장 가면 물어보기보단 전시 내용 읽고 구경하는 정도인데 이번에 진수랑 같이 다니면서 진수가 적극적으로 질의응답을 한 덕분에 더욱 알차게 박람회를 구경할 수 있었다. 연구실에서 가장 편한 동기이면서 또 학회도 여기저기 다닌 메이트가 마침 박람회도 같이 올 수 있어서 행운이라고 생각했다. 덕분에 즐거운 상하이 탐방이 될 수 있었던 것 같다! 소중한 해외 리서치 투어 기회를 만들어주신 교수님께 감사의 말씀을 전하며 후기를 마친다.

2025년 6월 18일부터 20일까지, 중국 상하이에서 개최된 mobile world congress (MWC)에 다녀왔습니다. 중국은 이번이 첫 방문이었고, 모바일 중심의 글로벌 학회에 참여할 수 있는 기회는 흔치 않다고 생각하기에, 부푼 마음을 안고 행사장에 들어섰습니다.MWC는 이름 그대로 '모바일 월드 콩그레스'의 약자로, 전 세계 통신 및 모바일 산업의 최신 기술 동향을 소개하는 대표적인 국제 행사입니다(다만, 이번 상하이에서는 중국과 관련된 기업들 위주로 구성되어 있었습니다). 하지만 이름과는 달리, 전시의 범위는 모바일 기술에만 국한되지 않고, 자동차, 로보틱스, 인공지능 결합 등 다양한 산업 분야의 기술들이 함께 소개되고 있었습니다. 전시장에서는 중국 내 여러 기업들이 오픈 부스 형태로 참여하고 있었고, 각 부스마다 대형 디지털 포스터를 통해 자사 기술이나 제품을 설명하고 있었습니다. 부스를 담당한 직원들은 방문객의 질문에 답해주며, 기술에 대한 실시간 데모도 진행하고 있었습니다. 아래에 각 날짜별로 인상 깊었던 점들을 정리하였습니다.첫째 날은 개인적으로 시각적인 자극 중심으로 전시장을 둘러보며 학회를 경험했습니다. 대부분의 부스 설명이 중국어로만 제공되고 있었고, 영어로 의사소통이 가능한 부스는 소수에 불과해 약간 아쉬움이 남았습니다. 포기하지 않고 영어로 소통이 가능한 몇 안 되는 오픈 부스를 찾아다니거나, 파파고의 이미지 번역 기능을 이용하여 최대한 이해하려고 노력했습니다. 인상 깊었던 점은, 중국의 개인정보 보호 기준이 한국과는 사뭇 다르다는 점이었습니다. 부스 설명에 따르면, 중국에서는 광범위한 고객 개인 정보 데이터 수집과 활용이 가능하며, 이를 기반으로 AI 모델링 및 맞춤형 서비스가 활발히 이루어지고 있다는 점이 인상 깊었습니다. 개인 정보 보호법에 민감한 우리나라 정서와는 크게 다른 것이 가장 인상 깊은 점이었습니다. 이러한 점들을 원동력으로 삼아 중국이 매우 빠른 기술 성장력을 보이고 있다는 것이 놀라웠습니다. 또한 이날은 로봇 관련 부스를 중점적으로 관람했습니다. 로봇 기술에 관심이 많은 재훈이 형과 동행하면서 기술적 배경지식에 대한 설명을 곁들일 수 있었고, 이를 통해 전시에 대한 이해도도 한층 깊어졌습니다. 다만, 로봇들의 동작이 실제 환경과 상호작용하며 유연하게 반응하는 것보다는, 사전에 정해진 동작 시나리오에 따라 수행되는 듯한 인상을 받아 다소 아쉽게 느껴졌습니다. 그렇지만, 이렇게라도 적극적으로 자사 제품의 기술력을 홍보할 수 있는 중국인들의 자부심을 잘 배워가야겠다 생각하였습니다. 둘째 날에는 화웨이가 독자적으로 운영하고 있는 프라이빗 부스들 위주로 관람하였습니다. 해당 부스들은 일반 전시장과는 달리 별도의 추가 입장권 비용을 지불해야만 출입이 가능한 공간이었는데, SSRC 센터장님의 도움으로 특별히 입장이 허용되어 둘러볼 수 있었습니다. 이러한 프라이빗 부스들은 유료 전시인 만큼, 영어 설명 자료와 영어 가능 스태프가 준비되어 있었고, 전시 내용에 대해 첫째 날보다 훨씬 능동적으로 소통하고 이해할 수 있는 환경이 조성되어 있었습니다. 가장 인상 깊었던 점은, 화웨이와 같은 통신사가 중국 내에서 수행하는 역할의 범위를 체감할 수 있었다는 것입니다. 중국 내에 AI 기반 인프라 서비스가 잘 작동되기 위해서는, 클라우드 모델 상의 AI 모델과 고객들의 on-device간 통신 소통이 정말 중요하다는 점을 알 수 있었습니다. 또한, 중국에서는 보다 세분화된 사용자 맞춤형 네트워크 서비스가 적극적으로 이루어지고 있었습니다. 예를 들어, 고객 군집 기법을 통해 유저의 등급(예: 일반 사용자, VIP 등)에 따라 통신 속도나 품질을 차별화하여 제공하며, 특정 상황(예: 공항, 대규모 이벤트, 산업 단지 등)에 맞춰 자원 배분을 동적으로 조절하는 기술들이 실제로 적용되고 있다는 설명을 들었습니다. 한국인의 정서 상 고객의 등급 및 상황에 따라 통신 품질이 차별화된다는 상황을 쉽게 잘 받아들이지 못할 것 같다고 생각하였는데, 중국은 쉽게도 이렇게 서비스하는 구나, 우리와는 다르구나 생각했습니다. 특정 연구원이 고객 데이터 수집 시 동의는 구하고 하는거냐 물었는데, 그걸 왜 물어봐?라고 답변하는 중국인이 참 인상 깊습니다.셋째 날에는, 행사장에 방문하였던 모든 SSRC 연구원분들이 호텔 로비에 함께 모여 아침 식사를 진행하였습니다. 각 연구원분들이 행사장을 돌아다니며 느꼈었던 점들을 소개하는 자리를 가졌는데, 다른 전공을 가진 사람들은 이번 행사를 저렇게 받아들였구나 알아갈 수 있었습니다. 타 전공과의 융합 소통이 정말 이렇게도 중요하구나 다시 한번 느낄 수 있었습니다. 이 자리를 끝으로 행사장에서 빠져나와 공항에 들리기 전, 간단하게 대한민국 임시 정부 방문, 중국 거리 및 공원 산책 등을 진행하였습니다. 개인적으로 상하이의 멋진 야경도 인상 깊었지만, 70~80년대의 거리 풍경을 연상케 하는 중국 고유의 분위기도 엿볼 수 있었어서 참 좋았습니다.연구실 내에서 가장 편하다고 말할 수 있는 내 동기(재훈이 형)와 단둘이 2박 3일간 '동양의 뉴욕'이라 불리는 상해에서 좋은 추억을 많이 만들 수 있었어서 참 좋았습니다. 이러한 귀중한 학회 탐방 기회를 만들어주셨던 교수님께 감사의 말씀을 전하고 싶습니다.

2025년 5월 21일, 양재 엘타워에서 개최된 한국데이터마이닝학회 춘계학술대회에 참석했다. 이번 학회도 우리 연구실이 중심이 되어 기획하고 운영한 만큼, 개인적으로 남다른 의미도 있었던 것 같다. 어느새 세 번째로 참여했던 주관 학회이자, 연구실 주도의 세 번째 행사였기에 전체적인 완성도나 진행 측면에서도 한층 성숙해졌다는 인상을 받았다.이번 춘계 학술대회는 소수의 세션으로 구성되어 비교적 간결하게 진행되었지만, 발표 내용은 전반적으로 매우 밀도 있었다. 특히 산업체 연사들의 발표가 인상 깊었는데, 단순히 이론적 알고리즘을 넘어서 실제 비즈니스 현장에서 어떤 문제를 풀어가고 있는지 생생히 느낄 수 있었다. 덕분에 연구자로서 다시 한번 'AI가 산업에 어떻게 기여할 수 있는가'에 대한 고민을 새롭게 해보는 계기가 되었다. 또한 감사하게도 이번에도 좌장 역할을 맡게 되었다. 두 차례의 경험 덕분에 준비 과정은 이전보다 훨씬 수월했던 것 같다. 다음 번에도 좌장 기회가 주어진다면, 그때는 좀 더 부드럽게 분위기를 풀어가고 시간 배분도 유연하게 조절해가며 세션을 이끌어보고 싶다. 학회에 단순히 참석하는 것을 넘어서, 운영에 적극적으로 참여하며 성장해나가는 과정이 무척 보람차게 느껴졌다.[발표 청취 후기]1. 서울아산병원 고현정 교수 – "Digital Transformation of Pathology"병리학 분야에서의 디지털 전환 과정을 소개한 발표로, 의료 현장에서의 AI 적용 사례를 매우 실감나게 전달해 주었다. 기존에는 병리 슬라이드를 현미경으로 관찰하고 수작업으로 관리해야 했던 과정이, 이제는 디지털 이미지 기반의 분석으로 전환되며 아카이빙, 공유, 분석 속도 면에서 획기적인 발전이 이루어졌다고 한다.특히 Segment Anything 기반의 병변 탐지, GAN을 이용한 영상 보정 등, 최근 AI 기술이 실제 의료 분석에 접목된 사례들도 인상 깊었다. 단순히 보조적인 역할을 넘어서, 데이터의 품질과 신뢰도를 높이는 데에도 AI가 기여하고 있다는 점이 흥미로웠다. 물론 아직은 인간 전문가의 최종 판단이 중요한 영역이지만, 향후 의료 진단의 정확성과 효율성 향상에 있어 AI의 역할은 점차 확대될 것으로 보인다.2. 비아이매트릭스 배영근 대표 – "AI 시대, 개발자의 길을 찾다!"해당 발표는 최근 각광받고 있는 기업 맞춤형 LLM(ChatGPT 형태)의 사례를 중심으로 진행되었다. 보안 문제로 인해 기업 내에서 오픈된 LLM을 직접 사용하는 데 어려움이 있는 상황에서, 각 기업에 특화된 자체 LLM 솔루션의 수요가 증가하고 있다는 점을 강조했다. 발표에서 시연된 예시는 특히 흥미로웠다. 단순한 질의응답 수준을 넘어서, 과거 데이터를 기반으로 표를 자동 구성하거나 시각적으로 데이터를 재구성해주는 등 사용자의 편의를 극대화한 인터페이스가 인상적이었다.아직까지는 고차원적 판단이나 전략적 의사결정 지원에는 한계가 있어 보였지만, 실무에서의 데이터 해석과 분석 효율성을 크게 끌어올릴 수 있는 가능성을 충분히 보여주었다. 향후 이러한 시스템이 더욱 진화하여 사람의 직관을 보완하는 방향으로 나아간다면, AI는 단순한 보조도구를 넘어 실질적인 협업 파트너가 될 수 있을 것으로 기대된다.3. 포항공과대학교 최승문 교수 – "Generating Haptic and Motion Content from Audiovisual Data"영상 콘텐츠에 촉각(haptic) 및 동작 요소를 생성하는 기술에 대한 발표로, 감각적 경험의 확장이라는 흥미로운 주제를 다루었다. 예를 들어 4D 영화처럼, 화면 속 장면에 따라 의자가 움직이거나 진동이 전달되는 방식의 체험형 콘텐츠를 생각하면 이해가 쉽다.이러한 콘텐츠 제작에 있어 인공지능이 핵심 역할을 하고 있으며, 과거에는 랜덤 포레스트와 같은 비교적 단순한 기법이 주로 사용되었다면, 최근에는 픽셀 수준에서 학습하는 딥러닝 모델들이 도입되어 더욱 정밀한 감각 생성이 가능해졌다고 한다. 발표를 들으며 인공지능이 이렇게 감각적인 영역에도 활용될 수 있다는 점에서 무척 새로웠고, 기술의 확장 가능성에 대해 다시금 감탄하게 되었다.

[학회 후기] 2025년 5월 24일, 계원예술대학교에서 열린 한국게임학회 춘계학술대회에 참가하였다. 그동안 산업공학이나 데이터마이닝 등 내가 주로 속한 분야의 학회에 참석했던 것과 달리, 이번 게임학회는 전반적인 분위기부터 내용까지 모두 색다른 경험이었다. 학회에서는 게임 디자인, 내러티브, 사용자 인터페이스, 정책 등 게임을 구성하는 다양한 요소부터 인공지능 기술의 융합에 이르기까지 폭넓은 주제의 발표들이 이어졌다. 특히 시각적으로도 독특한 포스터와 발표 장표들이 많았는데, 이는 게임이라는 주제 특유의 창의성과 시각적 요소가 반영된 결과라고 느껴졌다. 실제로 발표자료나 포스터 속에 활용된 게임 이미지들은 보는 재미를 더해주었고, 학회 특유의 활기찬 분위기를 잘 나타내주었다.[청취 후기]1. 우리 연구실은 한국전자통신연구원(ETRI)과 공동 진행 중인 연구 과제를 발표하였다. 트랜스포머 기반 이상치 탐지 기법을 활용하여 강화학습 에이전트의 행동 데이터를 분석하고, 이를 통해 게임 환경 내 버그를 자동으로 탐지하는 새로운 프레임워크를 제안한 연구였다. 간단한 미로 찾기 게임을 기반으로 실험을 진행했음에도 불구하고, anomaly transformer의 association discrepancy를 활용하여 의미 있는 탐지 성능을 도출했다는 점에서 좋은 평가를 받았다. 2. 청취한 발표 중에서는 ‘절차적 맵 생성 기법’을 활용한 연구가 특히 흥미로웠다. 우리가 진행 중인 프로젝트와 유사한 주제였기 때문에 주의 깊게 들었다. 해당 연구는 퍼린 노이즈와 셀룰러 오토마타 기반의 규칙적 기법을 사용하여 복잡한 지형을 자동 생성하는 방식으로, 실용성과 효율성 측면에서는 참고할 점이 많았다. 다만 학습 기반 접근보다는 직관적인 룰 기반 접근에 초점을 맞추고 있어, 확장성과 적응성 측면에서는 한계가 보이기도 했다.연구 중심의 공학적 관점에서 게임을 바라보다가 게임 자체의 재미, 상호작용, 그리고 사용자의 정체성까지 포괄적으로 다룬 다양한 발표들을 경험하면서 게임학이라는 분야의 넓은 지평을 실감할 수 있었다.

[학회 참가 후기]2025년, 의왕에 위치한 계원예술대학교에서 개최된 한국게임학회 춘계 학술대회에 참가하였다. 평소에는 주로 인공지능 및 산업공학 관련 학회에 참석했었기에, 게임학회라는 새로운 분야의 학회에 직접 참여한 경험은 신선하고 흥미로웠다.이번 학회에서는 게임 디자인, 게임의 재미 요소 분석, 유저 인터페이스, 게임 스토리텔링 등 게임 전반에 걸친 다양한 주제의 발표들을 들을 수 있었으며, 인공지능 기술을 접목한 연구 외에도 다양한 관점에서의 게임 연구들이 소개되어 무척 인상 깊었다.게임의 다른 주제들을 접하면서 새로운 배경지식도 많이 습득할 수 있었고, 게임이라는 매체를 학문적으로 접근하는 다양한 시각을 경험할 수 있어 매우 유익한 시간이었다. [발표 청취 후기]1. 절차적 맵 생성 기법을 활용한 게임 맵 생성 연구ETRI와의 공동 과제를 수행하면서 내가 주로 맡은 연구 분야가 절차적 콘텐츠 생성 영역이었기 때문에, 이와 관련된 연구 발표는 특히 더 관심 있게 청취하였다.해당 연구는 인공지능을 활용한 방식이 아닌, 펄린 노이즈와 셀룰러 오토마타 같은 고전적인 규칙기반 알고리즘을 적용하여 새로운 게임 맵을 생성하는 기법을 제안하였다. 이러한 방식은 직관적이며 구현이 용이하다는 장점이 있고, 시각적으로도 의미 있는 결과를 보여주었다는 점에서 인상 깊었다.그러나 연구적 측면에서는 몇 가지 아쉬움도 있었다. 최근 PCG 분야에서는 사용자의 선호나 조건에 기반한 콘텐츠 생성이 활발히 논의되고 있으며, 학습 기반의 접근을 통해 게임 맵의 품질과 다양성을 높이려는 시도들이 많다. 이와 비교했을 때 해당 연구는 기존 디자인된 맵에 단순한 규칙 기반 변형을 가하는 방식에 그쳐, 실용적인 의의는 분명하지만 학술적으로는 제한적인 측면이 존재한다고 느꼈다.그럼에도 불구하고 실제 게임 제작 과정에서 이러한 규칙 기반 PCG 기법이 어떻게 활용될 수 있는지를 잘 보여주는 사례였으며, 후속 연구에서는 보다 유연하고 조건 기반의 콘텐츠 생성을 포함하는 방향으로 발전되길 기대하게 되었다.2. 트랜스포머 기반 이상치 탐지 방법을 활용한 MiniHack 환경에서의 단일 에이전트 버그 탐지이 발표는 우리 연구실 정민이 형이 발표해 주었다 나 역시 같은 프로젝트에 참여했던 내용이었기에 특히 더 몰입해서 들을 수 있었다.게임 개발에서 버그 탐지는 매우 중요한 과제인데, 지금까지는 강화학습 에이전트를 활용한 탐색을 통해 데이터를 수집하고, 그 데이터를 사람이 일일이 확인하며 버그를 식별해야 하는 반자동적 방식이 주를 이루었다.이번 연구에서는 강화학습 에이전트의 행동 데이터를 기반으로 트랜스포머 기반의 이상치 탐지 알고리즘을 적용함으로써, 사람이 직접 레이블링하지 않아도 버그 탐지 과정을 자동화할 수 있다는 점이 큰 장점이었다. 특히 이상치 탐지 기법을 통해 에이전트의 비정상적 행동을 효과적으로 구분하고, 이를 기반으로 버그 가능성이 있는 영역을 식별하는 방식은 매우 실용적이면서도 연구적 기여가 큰 접근이었다. 이와 같은 방법론이 고도화되어 다양한 게임 환경과 복잡한 맵에서도 효과적으로 적용될 수 있다면, 실제 게임 산업 현장에서도 유용하게 활용될 수 있을 것으로 보인다. AI 기반 버그 탐지 기술의 실질적 가능성과 확장성을 엿볼 수 있었던 좋은 발표였다.