우리 학부 성영철 교수 연구실의 김우준 박사가 2026년 8월부로 KAIST 산업및시스템공학과 조교수로 부임합니다. 김우준 박사는 KAIST 전기및전자공학부에서 석사 및 박사학위를 취득하였으며, 이후 Carnegie Mellon University Robotics Institute에서 박사후연구원으로 재직하며 다중 에이전트 시스템, 강화학습 및 로보틱스 분야의 연구를 수행해왔습니다.
김우준 박사는 여러 지능형 에이전트와 로봇이 실제 환경에서 효과적으로 협력하고 의사결정을 수행할 수 있는 학습 방법을 중심으로, 확장성·강건성·안전성·공정성을 갖춘 다중 에이전트 인공지능 및 로보틱스 시스템을 연구해왔습니다. 관련 연구 성과를 NeurIPS, ICML, ICLR, AAMAS 등 인공지능 분야 최고 권위의 국제학회와 ICRA, CoRL 등 로보틱스 분야 주요 학회에 발표하였습니다. 특히 NeurIPS Spotlight 논문에 선정되었으며, AAMAS Best Paper Award, ICRA Best Conference Paper Finalist 및 Best Multi-Robot Systems Paper Finalist에 선정되고, RSS 2025 GenAI-HRI Workshop에서 Best Paper Award를 수상하는 등 연구의 우수성을 인정받았습니다.
김우준 박사는 이제 KAIST 산업및시스템공학과에서 다중 에이전트 시스템과 강화학습을 기반으로, 지능형 에이전트와 로보틱스 시스템의 협력 및 의사결정에 관한 연구를 이어갈 예정입니다. 앞으로의 연구와 교육에서 큰 성과가 있기를 바랍니다.
그림 1. RSS Open-World Navigation(OWN) 워크숍 내비트레이스 챌린지 준우승 상장
우리 학부 명현 교수 연구팀(미래도시 로봇연구실)이 지난 7월 13일부터 17일까지 호주 시드니에서 열린 세계 최고 권위의 로보틱스 학술대회인 RSS 2026 (Robotics: Science and Systems)의 OWN (Open-World Navigation) 워크숍에서 개최된 ‘내비트레이스 챌린지(NaviTrace Challenge)’에서 준우승을 차지했다.
이번 챌린지는 로봇의 1인칭 시점 사진 한 장과 짧은 자연어 명령만 주고, 인공지능이 사진 위의 어떤 경로로 이동해야 하는지 추론하는 능력을 평가하는 국제 대회다.
“길을 건너라”는 명령에는 횡단보도를 찾고 신호를 기다려야 한다는 정보가 없다. 로봇은 이러한 암묵적 사회 규범을 눈앞의 장면에서 스스로 읽어내야 한다. 그러나 하나의 인공지능에 목표 찾기·위험 판단·경로 생성을 한꺼번에 맡기면 과업이 뒤섞여 성능이 떨어진다.
연구팀이 개발한 ‘프리즘내브(PRISM-Nav)’는 이를 네 개의 전문 에이전트로 나눴다. 목표 지점, 계단·턱 등 위험 요소, 횡단보도·인도처럼 사회적 의미가 있는 구조를 각각 찾는 세 에이전트가 동시에 동작하고, 마지막 에이전트가 이를 종합해 경로를 찾아낸다. 핵심은 에이전트끼리 좌표와 문자가 아니라 입력 사진 위에 직접 기호를 그려 결과를 주고받는다는 점이다. 말로 설명하는 대신 지도에 표시해 건네주는 방식으로 공간 정보 손실을 크게 줄였다. 추가 학습이 필요 없어 새로운 로봇이나 환경에 곧바로 적용할 수 있다.
그림 2. PRISM-Nav 결과 예시. 같은 장면에서 기존 방식(초록 점선)은 출구 차선을 가로지르는 반면, PRISM-Nav(분홍 실선)는 사회적 규범을 이해하여 주차장에 진입한다.
연구팀은 53점을 기록해 난징대·파이브에이지스(FiveAges) 공동팀에 이어 2위에 올랐다. 주목할 점은 사용한 인공지능 모델의 경제성이다. 주최측이 참고 기준으로 함께 공개한 최상위 고성능 범용 모델(Gemini 3.1 Pro Preview)은 사용 비용이 높아 로봇에 상시 적용하기 어렵다. 연구팀은 이보다 훨씬 저렴한 경량 모델(Gemini 3 Flash)을 쓰면서도 최상위 모델의 성능을 앞섰다. 값비싼 모델을 하나 쓰는 대신, 저렴한 모델을 여러 에이전트로 나눠 구성하는 것이 성능과 비용 모두에서 유리하다는 의미다.
그림 3. 인간 전문가 대비 성능 비교 그래프. PRISM-Nav가 2위를 차지했다.
명현 교수는 “별도의 학습 데이터 없이도 대형 인공지능 모델을 로봇의 실제 상황 판단에 활용할 수 있음을 입증한 결과”라며 “사람과 공간을 함께 쓰는 배송 로봇, 안내 로봇 등 서비스 로봇 분야의 핵심 기술로 활용될 수 있을 것”이라고 말했다.
한편 명현 교수 연구실은 지난 6월 ICRA 2026과 CVPR 2026 워크숍 국제 챌린지에서 각각 1위를 차지한 바 있으며, 공간인지 기술에서 축적한 역량을 체화 인공지능(Embodied AI) 분야로 확장하고 있다.
AI 반도체도 이제 ‘눈치’를 본다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 정보를 기억하는 시간이 한 번 정해지면 바꿀 수 없는 ‘고정된 반응 특성’을 가졌지만, 이제는 데이터의 변화 속도에 맞춰 스스로 반응하는 시대가 열렸다. 우리 학부 연구진은 이 기술로 시간에 따라 변하는 데이터의 예측 오류를 기존보다 최대 40배 줄였다. 자율주행차와 로봇, 웨어러블 기기의 실시간 AI 성능을 높일 핵심 원천기술로 기대된다.
최신현 석좌교수 연구팀이 입력되는 데이터의 변화 속도에 따라 반응 특성을 자유롭게 바꿀 수 있는 새로운 AI 반도체 소자 ‘프로그래머블 동적 멤트랜지스터(Programmable Dynamic Memtransistor, PDM)’와 이를 집적한 어레이를 개발했다.
< 다양한 시간 척도의 시계열 신호를 함께 처리하는 프로그래머블 동적 멤트랜지스터(PDM)의 개념 및 동작 원리 >
멤트랜지스터(Memtransistor)는 정보를 저장하는 메모리(Memory)와 계산을 수행하는 트랜지스터(Transistor)의 기능을 하나로 결합한 차세대 반도체 소자다. 데이터를 계산하면서도 이전 정보를 기억할 수 있어 입력되는 데이터에 맞춰 반응 속도를 조절할 수 있는 것이 특징이다.
현실 세계의 데이터는 모두 같은 속도로 변하지 않는다. 심장 박동이나 음성처럼 매우 빠르게 변하는 정보가 있는가 하면, 날씨나 공장 설비 상태처럼 천천히 변하는 정보도 있다. 하지만 기존 AI 반도체는 입력 신호에 반응하는 속도와 그 상태를 유지하는 시간(시간 응답 특성)이 고정돼 있어, 서로 다른 속도의 데이터를 동시에 효율적으로 처리하는 데 한계가 있었다.
연구팀은 이러한 문제를 해결하기 위해 전기적 정보를 저장하는 층(전하 저장층)과 전자를 저장해 반도체의 반응 속도를 조절하는 층(전자 포획층)을 하나의 트랜지스터 안에 결합한 새로운 구조를 개발했다.
PDM은 데이터가 입력되면 전하 저장층에서 정보를 처리하고, 전자 포획층이 반도체가 원래 상태로 돌아가는 속도를 조절한다. 마치 운전자가 고속도로에서는 속도를 높이고 골목길에서는 속도를 줄이듯, 반도체도 데이터의 변화 속도에 맞춰 가장 적합한 반응 속도를 스스로 선택한다.
실험 결과 연구팀은 반도체가 입력 신호에 반응한 뒤 원래 상태로 돌아오는 시간을 약 5배 범위에서 조절했으며, 빠르게 반복되는 신호를 처리하는 능력(주파수 특성)도 10배 이상 폭넓게 조절할 수 있음을 확인했다.
특히 빠르게 변하는 정보와 느리게 변하는 정보가 함께 포함된 시계열 데이터(Time-series data, 시간의 흐름에 따라 연속적으로 생성되는 데이터) 예측 실험에서는 기존의 고정형 반도체보다 예측 오류를 최대 40배 줄이는 성능을 보였다.
또한 연구팀은 PDM을 여러 개 연결한 어레이(Array, 동일한 반도체 소자를 일정한 형태로 집적한 구조)를 제작해 실험한 결과, 기존 소프트웨어 기반 AI 시스템과 비슷한 정확도를 유지하면서도 훨씬 적은 에너지로 동작하는 것을 확인했다.
이번 기술은 별도의 복잡한 데이터 전처리 없이도 다양한 속도로 변하는 데이터를 효율적으로 처리할 수 있다. 또한 한 번 설정한 반응 특성은 전원을 계속 공급하지 않아도 유지되는 비휘발성(전원이 꺼져도 정보가 유지되는 특성)을 갖춰 에너지 소비를 줄일 수 있다. 여기에 현재 널리 사용되는 상용 반도체 공정(CMOS 공정)과도 호환돼 대량 생산과 상용화 가능성이 높다는 점에서도 의미가 크다.
< 연구이미지 (AI 생성) >
최신현 석좌교수는 “이번 연구는 데이터의 변화 속도에 맞춰 반도체가 스스로 가장 적합한 방식으로 반응하는 AI 반도체를 구현한 것”이라며 “자율주행차와 로봇, 웨어러블 기기 등 다양한 AI 기기의 성능은 높이고 전력 소모는 줄이는 핵심 기술이 될 것으로 기대한다”고 말했다.
이번 연구는 반도체공학대학원 김대원 박사과정이 제1저자로 참여했으며, 조윤호, 서석호, 김유진, 박시온, 장태환, 박채빈이 공동저자로 참여했다. 또한 삼성전자 반도체연구소 오영택 연구원과 이재덕 Fellow가 공동저자로 참여했으며, 최신현 교수가 교신저자를 맡았다. 연구 결과는 세계적인 권위의 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications)’에 7월 게재됐다.
논문명: Programmable memtransistor array with temporal dynamics modulation for efficient time-series data processing
우리 학부 유창동 교수 연구팀이 주관하는 **「AX선도 창업가형 인재양성센터」**가 과학기술정보통신부와 정보통신기획평가원(IITP)이 추진하는 AI·디지털 기반 창업인재양성 사업에 최종 선정되었다. 또한 사업의 성공적인 추진과 산학연 협력 허브 구축을 위해 AX DeepTech Bridge Center를 공식 개소하였다. 본 사업은 AI 원천기술과 산업 도메인 기술을 융합하여 글로벌 기술창업을 선도할 석·박사급 인재를 양성하는 국가 전략사업으로, KAIST를 중심으로 POSTECH, 분당서울대학교병원, 전북대학교가 참여하는 컨소시엄으로 운영된다. 사업기간은 2026년 7월부터 2031년 12월까지 5년 6개월이다.
AI가 산업 전반의 혁신을 이끄는 AX(AI Transformation) 시대에는 우수한 AI 기술만으로는 충분하지 않다. AI 원천기술을 반도체, 전력, 의료, 센서 등 실제 산업 현장의 핵심 문제와 결합하고, 이를 창업으로 연결할 수 있는 새로운 인재양성 패러다임이 요구되고 있다. 그러나 기존 교육은 연구, 기술사업화, 창업지원이 분절되어 있어 세계 시장을 선도할 DeepTech 창업가를 지속적으로 배출하는 데 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 KAIST AI Hub를 중심으로 AI 알고리즘·모델·컴퓨팅 역량과 참여 연구실의 도메인 전문성을 융합하는 AX DeepTech Bridge Center를 구축하였다. 센터는 교육, 공동연구, 실증, 지식재산(IP), 기술이전, 창업보육, 투자연계를 하나의 체계로 연결하는전주기 창업 지원 플랫폼으로 운영되며, 연구성과가 논문과 특허에 머무르지 않고 글로벌 DeepTech 스타트업으로 이어질 수 있도록 지원한다.
특히 AX DeepTech Bridge Center는 “AI Hub × Domain Expertise × Entrepreneurship”를 핵심 철학으로 삼아, AI 연구자와 분야 전문가가 함께 실제 산업 난제를 해결하는 융합 프로젝트를 수행하고, 이를 기술사업화와 창업으로 연결하는 새로운 모델을 제시한다. 또한 KAIST의 AI Hub, SW교육센터, 기술가치창출원, 화성 사이언스 허브 등 기존 인프라를 유기적으로 연계하여 교육부터 창업, 투자까지 이어지는 국내 최초 수준의 통합 AX 창업 생태계를 구축할 계획이다.
이번 사업과 센터 개소를 통해 KAIST는 세계 최고 수준의 AI 연구역량을 산업 혁신과 기술창업으로 연결하는 핵심 거점으로 자리매김하는 것은 물론, 반도체, 전력, 의료, 센서 등 국가 전략산업의 AX 전환을 이끌 글로벌 DeepTech 창업가를 지속적으로 배출하여 대한민국 AI 산업 경쟁력 강화와 미래 성장동력 확보에 크게 기여할 것으로 기대된다.
< (왼쪽부터) 정상윤 박사과정(MAD 및 DNA 연구 제1저자), 노용만 교수(교신 저자), 유영준 박사(DNA연구 공동 제1저자) >
AI가 ‘안 들리는데 들린다’, ‘없는데 있다’고 우기는 시대가 끝난다. 우리 학부 연구진이 AI가 여러 감각 정보를 스스로 구분하고 존재하지 않는 정보를 만들어내는 ‘환각’을 줄이는 핵심 기술을 개발했다. 자율주행차와 로봇, 의료 AI 등 실제 산업 현장에서 더욱 신뢰할 수 있는 멀티모달 AI 구현의 기반이 될 것으로 기대된다.
노용만 교수 연구팀이 멀티모달 대형 언어모델(MLLM, 텍스트와 이미지·소리 등 여러 정보를 함께 이해하는 AI)의 감각 혼선을 줄이는 두 가지 핵심 기술을 개발했다. 이번 기술은 카메라와 다양한 센서의 특성을 정확히 이해하도록 하는 기술과 시각·청각 정보가 뒤섞이면서 발생하는 환각을 줄이는 기술로, 별도의 대규모 재학습 없이도 AI의 신뢰성을 크게 높였다.
연구팀이 개발한 첫 번째 기술은 AI가 열화상(Thermal, 물체가 내는 열을 영상으로 보여주는 센서), 깊이 영상(Depth, 물체까지의 거리를 측정하는 센서), 엑스레이(X-ray) 등 다양한 센서가 담고 있는 물리적 의미를 정확하게 이해하도록 돕는 ‘센서 이해 AI’기술(DNA, Diverse Negative Attributes) 최적화 기법이다.
< 연구팀이 개발한 DNA 최적화 기술이 적용된 모델 >
사람은 열화상 화면에서 밝게 보이는 부분이 ‘뜨거운 곳’이라는 것을 알지만, 기존 AI는 이를 일반 사진처럼 해석해 단순한 빛으로 착각하기도 했다. 연구팀은 AI가 열과 거리 등 센서가 측정하는 물리 정보를 이해하도록 새로운 학습 기술을 개발했다. AI가 자주 틀리는 사례를 반복적으로 학습하게 한 결과, 어둠이나 연기 속에서도 사물을 더욱 정확하게 인식할 수 있게 됐다.
두 번째 기술은 시각과 청각 정보가 서로 영향을 주면서 발생하는 환각을 줄이는 ‘감각 혼선 방지’ 기술(MAD, Modality-Adaptive Decoding) 기술이다.
예를 들어 CCTV 영상에 자동차가 지나가는 장면이 담겨 있지만 실제로는 소리가 녹음되지 않았을 때, 기존 멀티모달 AI는 자동차가 보인다는 이유만으로‘엔진 소리가 들린다’고 답하는 경우가 있었다. 연구팀은 AI가 먼저 ‘이번 질문은 영상을 보고 판단해야 하는지, 소리를 듣고 판단해야 하는지’를 스스로 구분한 뒤, 더 중요한 감각 정보에 집중하도록 만들었다. 이를 통해 AI를 처음부터 다시 학습시키지 않고도(Training-free) 이러한 감각 혼선과 환각을 효과적으로 줄였다.
또한 연구팀은 AI를 막대한 컴퓨팅 자원으로 처음부터 다시 학습시키는 대신, DNA 기술은 적은 데이터만으로 다양한 센서를 이해하도록 성능을 높이고, ‘감각 혼선 방지’ 기술(MAD)은 기존 AI에 프로그램을 추가하듯 바로 적용할 수 있도록 설계했다. 따라서 시간과 비용을 크게 줄이면서도 기존 멀티모달 AI의 신뢰성을 높일 수 있어 산업 현장에 빠르게 적용할 수 있다.
이번 기술은 밤이나 안개 속에서도 보행자와 차량을 정확히 인식해야 하는 자율주행차, 연기로 앞이 보이지 않는 화재 현장에서 생존자를 찾는 구조 로봇, 열화상 카메라를 이용하는 드론 등에 활용될 수 있다. 또한 공항 보안검색에서 엑스레이 영상을 분석하거나, 병원에서 CT·MRI·엑스레이 등 여러 의료영상을 함께 분석하는 AI의 정확성과 신뢰성을 높이는 데도 기여할 것으로 기대된다.
< 연구 이미지 (AI 생성) >
노용만 교수는 “멀티모달 AI가 실제 환경에서 사용되기 위해서는 다양한 센서의 특성을 정확히 이해하고 여러 감각 정보를 혼동하지 않는 것이 중요하다”며 “이번 연구는 대규모 재학습 없이도 AI의 감각 편향과 환각을 줄여 실제 생활과 산업 현장에서 믿고 사용할 수 있는 멀티모달 AI의 기반을 마련했다”고 말했다.
이번 성과는 정상윤 박사과정이 두 기술 연구 모두 제1 저자로 참여해 두 연구를 유기적으로 연결하며 기술적 완결성을 높였으며, 유영준 박사가 ‘센서 이해 AI’ 기술(DNA) 연구에 공동 제1 저자로 참여했다.
관련 논문 중 ‘감각 혼선 방지’ 기술(MAD) 연구는 인공지능 컴퓨터 비전 분야 최고 권위 국제학회인 ‘국제 컴퓨터 비전 및 패턴인식 학술대회(CVPR)’에 지난 6월 발표되었다. 또한 ‘센서 이해 AI’ 기술(DNA) 연구는 영상처리 분야 최고 국제 학술지인 ‘IEEE Transactions on Image Processing’에 게재가 되었다.
논문명: Enhanced Vision-Language Models for Diverse Sensor Understanding: Cost-Efficient Optimization and Benchmarking,
DOI:10.48550/arXiv.2412.20750
저자 정보: 정상윤 (공동 제1 저자), 유영준 (공동 제1 저자), 김세연 (제3 저자), 지영채 (제4 저자), 노용만(교신저자)
논문명: MAD: Modality-Adaptive Decoding for Mitigating Cross-Modal Hallucinations in Multimodal Large Language Models
우리 학부 Advanced Radio Technology (ART) Lab. 졸업생 안성준 박사(지도교수: 강준혁)가 2026년 9월 1일부로 세종대학교 지능정보융합학과의 전임교원으로 임용되었습니다.
안성준 박사는 KAIST 전기 및 전자공학부에서 학사, 석사, 박사학위를 취득하였으며, 한국전자통신연구원(ETRI)에서 선임연구원 및 전문위원으로 재직하며 차세대 지상파방송, 방송·통신 융합, 시맨틱 미디어, 방송인프라 기반 표준시 전송 기술을 연구해 왔습니다. 박사학위논문은 “방송-통신 융합 시스템 설계와 응용 및 방송·통신망을 위한 네트워크 구축 연구”이며, 해당 연구로 박사학위 우수논문상을 수상하였습니다.
특히 북미 지상파방송 국제상용표준인 ATSC 3.0의 MIMO 전송 기술과 이종표준신호 공존 기술 등을 개발하고, 물리계층 기술 규격, 표준문서의 작성과 표준 제정을 주도하였습니다. 또한, 브라질의 신규 지상파방송 국가표준인 DTV+에 주도적으로 참여하여, 제안한 ATSC 3.0 MIMO Extension 물리계층표준의 브라질 국가표준 최종 채택에 성공하였습니다. 아울러 인도의 모바일 방송표준인 D2M의 상용화에도 기여하는 등 북미, 브라질, 인도, 한국 등을 아우르는 차세대 방송 기술의 확산에 기여하고 있습니다.
이러한 연구 및 국제표준화 성과를 인정받아 ETRI 50주년 우수연구자상 대표수상, ETRI 핵심원천IPR 최우수상, ETRI 신진연구자상, 영향력 있는 국제표준기술상 및 과학기술정보통신부 장관 표창 등을 수상하였으며, 2025년 ETRI 차세대주역 신진연구자에 선정되었습니다.
또한 방송통신 및 멀티미디어 분야의 대표 국제학술지인 IEEE Transactions on Broadcasting의 Associate Editor(부편집장)로 임명되어 2022년부터 활동하며 학술 발전에도 기여하고 있습니다. 이 외에도 IEEE Transactions on Vehicular Technology, IEEE Transactions on Broadcasting 등 분야 최고 권위의 국제저널 및 국제학회에 주저자 30편 포함, 81편의 논문을 게재하는 탁월한 연구 성과를 거두었습니다.
안성준 박사는 앞으로 세종대학교에서 차세대 통신, PNT 융합시스템, 시맨틱 미디어시스템 및 정보이론 분야의 연구와 교육을 수행하며, 이론적 연구 성과를 실제 시스템과 국제표준으로 연결하는 연구를 이어갈 예정입니다.
우리 학부 심현철 교수 연구팀이 개발 중인 휴머노이드 로봇 ‘파이봇(PIBOT)’이 해군과의 협업을 통해 함정의 침로를 잡는 ‘타수(舵手, helmsman)’ 임무 실증 실험에 성공하며, AI·로봇 기술의 국방 분야 적용 가능성을 입증했다.
이번 실증은 기존 함정 시스템의 별도 성능 개량이나 수정 없이, 인간 승조원의 물리적 임무를 휴머노이드 로봇이 직접 대체할 수 있음을 보여준 최초의 ‘로봇 승조원 전투실험’이라는 점에서 의의가 크다.
연구팀은 문장의 의미를 이해하고 적절한 응답을 생성하는 대규모 언어모델(LLM, Large Language Model) 기술을 파이봇에 적용하여, 로봇이 함정의 복잡한 조함 절차와 음성 명령을 스스로 인식하고 실행할 수 있도록 설계했다.
<해군 지휘관의 조함명령에 따라 타수 업무를 수행하는 파이봇. 사진제공=해군>
지난 7월 23일 해군교육사령부 조함훈련장에서 진행된 1단계 육상 시뮬레이션 실험에서, 파이봇은 함교 당직사관의 “키 왼편 5도, 330도 잡아!”라는 음성 명령을 정확히 인식·복창한 뒤 직접 타기를 조작했다. 이어 목표 침로에 도달하자 “330도 잡기 끝!”이라는 완료 보고까지 성공적으로 수행했다.
약 1시간 동안 진행된 이번 실험은 협수로 통과, 외해 악기상, 야간항해 등 복잡하고 가혹한 항해 환경 조건 속에서 이루어졌다. 연구팀은 파이봇의 명령 인식 및 반응 시간, 타기 조작의 정밀도, 인간 운용자와의 편의성 데이터를 면밀히 분석해 알고리즘을 한층 더 고도화할 계획이다.
심현철 교수 연구팀은 이번 1단계 육상 시뮬레이션 성과를 바탕으로, 향후 정박 함정 실증(2단계), 실제 해상 주간 항해(3단계), 주·야간 장기 항해(4단계)로 연구 검증 범위를 단계적으로 확대해 나갈 예정이다.
심현철 교수는 “이번 연구는 인구절벽에 따른 병역자원 감소 등 안보환경 변화 속에서, 대학이 보유한 첨단 AI 및 휴머노이드 로봇 기술이 현장 임무에 어떻게 기여할 수 있는지를 보여준 대표적 사례”라며, “조함 임무를 시작으로 로봇이 수행할 수 있는 임무 영역을 확충해 승조원의 안전과 효율성을 대폭 높이겠다”고 밝혔다.
한편, KAIST 심현철 교수 연구팀의 ‘파이봇’ 개발 연구는 방위사업청의 지원(57억 원 출연)을 바탕으로 국방과학연구소(ADD)의 미래도전 국방기술 연구개발사업으로 지정되어 지난 2022년부터 착수·진행되고 있으며, 우리 학부의 김민준 교수진도 참여중이다.
윤인수 교수 연구실은 지난해 열린 미국 DARPA ‘AI 사이버 챌린지(AIxCC)’ 최종 우승을 차지했으며, 사이버 보안 분야의 올림픽으로 불리는 세계 최대 규모의 해킹 대회 ‘DEF CON CTF(Capture the Flag)’ 2026 결승 진출을 확정해 놓은 상태다. 이번 MVR 선정으로글로벌 소프트웨어 보안 및 취약점 연구 분야에서 쌓아온 세계적 수준의 역량을 다시 한번 입증했다.
윤인수 교수는 “끊임없는 도전과 연구로 훌륭한 결실을 맺은 학생들에게 축하를 전하며, 앞으로도 글로벌 보안 기술을 선도해 나갈 수 있도록 노력하겠다”라고 밝혔다.
