'젊은 라이브 바카라 공학자(Young Robot Engineer)' 코너는 한국라이브 바카라학회와 라이브 바카라신문이 공동으로 기획한 시리즈물로 미래 한국 라이브 바카라산업을 이끌어 갈 젊은 라이브 바카라 공학자를 발굴해 소개하는데 있다.

80번째 인터뷰는 국립한밭대학교 인공지능소프트웨어학과 현장훈 교수다. 현 교수는 1992년생으로 충남과학고등학교를 조기 졸업하고, 2014년 2월 고려대 전기전자공학과에서 학사, 2021년 8월 동 대학교 대학원에서 전기전자공학으로 박사학위를 받았다. 졸업 후 2021년 9월부터 2023년 8월까지 고려대에서 연구교수를 거쳐, 2023년 9월부터 국립한밭대학교 인공지능소프트웨어학과에서 조교수로 재직하고 있다.

2014~2016 고려대 교육 조교 전액 장학생, 2012~2014 한국장학재단 국가 과학 및 공학 전액 장학생, 2012년 한국 퀄컴 장학생으로 선발되었다.

주요 연구 분야는 Visual Localization, 3D Deep Learning, Scene Understanding, 3D Indoor Modeling 등이다.

본인이 개발한 기술이 논문 속에서만 머무르지 않고 실제 사회에서 사람들의 삶에 실질적인 도움을 주는 연구를 하고 싶다는 현 교수. 기술이 빠르게 발전하는 이 시대에, 동료 연구자들과 함께 즐겁게 배우고 성장하고 새로운 시도를 두려워하지 않으며, 서로 협력하는 연구 문화 속에서 지속적인 배움과 도전을 즐기고 싶다는 따뜻한 연구자 현장훈 교수를 만나본다.

▲국립한밭대학교 인공지능소프트웨어학과 현장훈 교수

Q. 최근 하고 계신 연구가 있다면 소개 부탁드립니다.

현재 저는 주로 라이브 바카라이 사람처럼 공간을 이해하고 인식할 수 있도록 하는 기술을 연구하고 있습니다. 우리가 일상에서 주변 공간을 자연스럽게 인식할 수 있는 이유는 단순히 눈으로 주변 공간의 이미지를 보기 때문만은 아닙니다. 우리는 그 공간 안에서 의미 있는 사물의 정보(예: 벽, 문, 물체의 위치), 글자 정보(예: 표지판), 특정 지점의 특징(예: 모서리, 텍스처) 등을 계층적으로 해석하며, 또 필요한 경우 몸을 움직이며 더 많은 정보를 확보함으로써 공간을 더 깊이 이해하곤 합니다.

▲2025년 한국로봇종합학술대회에 참가한 국립한밭대학교 PEARL 연구실 단체 사진

저는 이러한 인간의 공간 인지 과정을 라이브 바카라에 구현하는 것을 주요 연구 방향으로 삼고 있습니다. 특히, 라이브 바카라은 카메라, 라이다(LiDAR) 등의 센서를 통해 환경을 인식하고, 이를 계층적으로 분석하여 상황에 맞는 정보를 추출하고, 만약, 정보가 부족할 경우 라이브 바카라은 스스로 움직이며 시점을 바꿔가면서 추가적인 데이터를 확보하고 필요한 정보를 보완하는데, 저는 이러한 라이브 바카라의 공간 인지를 위한 다양한 센서 기반 계층적 정보 추출, 라이브 바카라의 데이터 확보 및 필요한 정보 보완 방법에 관한 연구를 수행하고 있습니다.

▲능동적 데이터 수집과 계층적 시작 정보 융합을 통한 핵심 정보 생성 기술

최근에는 모바일 라이브 바카라에 장착된 라이브 바카라 팔을 활용하여 다양한 각도에서 데이터를 수집하고, 수집된 데이터를 기반으로 자율주행 트램의 유지보수를 위한 자동 점검 라이브 바카라도 개발하고 있습니다. 이를 통해 기존의 수동적이고 반복적인 유지보수 작업을 자동화하고, 정밀도와 효율성을 동시에 높이고자 합니다.

또한, 저는 AR/VR(증강현실/가상현실), 자율주행 등에서 핵심이 되는 정확한 카메라 위치 추정 기술 및 장애물 탐지 기술도 함께 개발하고 있습니다. 이는 이미지로부터 추출한 다양한 정보를 계층적으로 융합하여 더욱 정밀하고 신뢰도 높은 위치 정보를 실시간으로 제공하는 기술로, 향후 다양한 산업 분야에 적용될 수 있을 것으로 기대하고 있습니다.

Q. 2021년 8월 고려대 전기전자공학부에서 “Alleviating the View-Difference Problem for Accurate Deep Learning-based Visual Localization in Large-scale Indoor Spaces”으로 박사 학위를 받으셨는데 어떤 내용인지 소개 부탁드립니다.

▲대규모 실내 환경에서의 정밀한 카메라 기반 위치 추정 기술

제가 박사과정 동안 주로 수행한 연구 주제는 “대규모 실내 환경에서의 정밀한 시각적 위치 추정(Visual Localization)” 방법입니다. 특히, 기존의 시각 위치 인식 시스템들이 직면한 ‘시점 차이(View-Difference)’ 문제를 해결하는 데 집중했습니다. 이는 자율주행 라이브 바카라, 증강/가상현실, 실내 내비게이션과 같은 실내 공간 기반 응용에서 매우 중요한 과제입니다. 실내에서는 기존의 GPS 기반 위치 추정 방법을 사용할 수 없기 때문에, 라이브 바카라은 이미지나 라이다(LiDAR) 센서를 이용하여 주변 환경에서 특징을 추출하고 이를 사전에 수집한 데이터베이스와 비교하여 자신의 위치를 추정합니다. 그러나 현실적으로 쿼리 이미지와 데이터베이스 이미지 간에는 시점 차이가 발생하고, 이는 정확한 위치 추정에 큰 오류를 초래할 수 있습니다.

이를 해결하기 위해 저는 두 가지 관점에서 문제에 접근했습니다. 첫째는 데이터베이스 구축 관점 (Database-Level)입니다. 이를 위해 실내 3D 포인트클라우드로부터 법선 벡터와 의미 정보를 정밀하게 추정하는 3D 딥러닝 기반 네트워크를 개발하고, 이를 활용해 구조 기반 실감 지도를 생성했습니다. 사람, 의자 등 동적 객체를 제거함으로써 환경 변화에 강인한 지도를 구축할 수 있었고, 다양한 시점의 고밀도 데이터를 포함한 데이터베이스를 구성함으로써 시점 차이 문제를 구조적으로 완화할 수 있었습니다.

둘째는 알고리즘 관점(Algorithm-Level)입니다. 복잡한 구조를 가진 환경에서는 위와 같은 실감 지도를 만드는 것이 어려웠습니다. 이를 해결하기 위하여 저는 쿼리와 데이터베이스 간 시점 차이를 줄이기 위해 Pose Correction(포즈 커렉션) 알고리즘을 제안했습니다. 이 방법은 기존 위치 추정 결과를 바탕으로 예상되는 시점에서의 특징점을 재구성하고, 이를 바탕으로 다시 위치를 보정함으로써 위치 정확도를 향상시킬 수 있습니다.

제가 제안한 기술은 실제 대규모 빌딩 환경에서 실험되었으며, InLoc(인락) 벤치마크를 포함한 여러 테스트에서 최신 기술 대비 정밀도가 향상된 성능을 보여주었습니다. 시각적 위치 인식 분야에서 복잡한 실내 환경에 대한 강건한 해법을 제시했다는 점에서, 향후 다양한 라이브 바카라 응용과 실내 위치 기반 서비스에서 폭넓게 활용될 수 있을 것으로 기대됩니다.

Q. 교수님의 주요 관심 분야가 Visual Localization(시각적 정위), 3D Deep Learning(3차원 심층학습), Scene Understanding(장면 이해), 3D Indoor Modeling(3차원 인도어 모델링) 등으로 알고 있습니다. 최근 Visual Localization이나 3D Deep Learning 관련하여 최신 동향이나 기술적인 트렌드가 있다면 무엇인지 궁금합니다.

최근 Visual Localization과 3D Deep Learning 분야는 자율주행, 자율 라이브 바카라, AR/VR 등 다양한 응용 분야에서 핵심 기술로 주목받으며 빠르게 발전하고 있습니다. 특히 3차원 공간 인지 기술에 대한 관심이 높아지면서, 관련 연구와 기술 개발이 활발히 이루어지고 있습니다.​

Visual Localization 분야에서는 정확한 위치 추정을 위해 강인한 특징점 매칭이 중요합니다. 이를 위해 딥러닝을 활용하여 고차원 특징을 추출하고, 이를 기반으로 매칭의 정확도를 높이려는 다양한 연구가 진행되고 있습니다. 그러나 단순한 고정밀 매칭은 연산량이 많아 실시간 적용에 어려움이 있어, 최근에는 경량화된 딥러닝 모델을 통해 실시간성 확보와 정확도 향상을 동시에 달성하려는 연구도 활발히 이루어지고 있습니다.

3D Deep Learning 분야에서는 트랜스포머(Transformer)와 Graph Neural Networks(GNN:그래프신경망)를 활용하여 포인트 클라우드의 전역적 정보와 구조적 관계를 효과적으로 파악하려는 연구가 진행되고 있습니다. 또한, 대규모 데이터셋을 기반으로 한 멀티모달 기반의 대형 모델들이 등장하면서, 다양한 센서 데이터를 융합하여 복잡한 3D 장면을 이해하는 기술이 빠르게 발전하고 있습니다.​

특히, 최근 주목받는 가우시안 스플래팅(Gaussian Splatting) 기술은 수백만 개의 3D 가우시안 분포를 활용하여 고해상도 3D 장면을 실시간으로 렌더링하는 데 사용됩니다. 이 기술은 기존의 NeRF(Neural radiance Fields : 2D 이미지를 3D로 변환해주는 모델)와 달리 명시적인 장면 표현을 제공하여, 복잡한 조명과 질감 정보를 포함한 고해상도 모델을 생성할 수 있습니다

이처럼, Visual Localization과 3D Deep Learning 분야는 정확도 향상, 실시간성 확보, 다양한 센서 데이터의 융합 등을 통해 더욱 정밀하고 범용적인 공간 인지 시스템으로 발전하고 있습니다. 이러한 연구 흐름은 자율 라이브 바카라, AR/VR, 디지털트윈, 그리고 실내 내비게이션 등 다양한 응용 분야에서 앞으로도 큰 영향을 미칠 것으로 전망됩니다.

Q. 박사 학위 취득 후 고대에서 2021년 9월부터 2023년 8월까지 연구교수로 2년간 계셨는데 당시 어떤 연구를 하셨는지 궁금합니다.

▲고려대학교 인지라이브 바카라연구실과 TeeLabs의 양기관 상생 협력 기념 회식

고려대학교에서 연구교수로 재직하던 2년 동안은, 박사 과정에서 개발한 카메라 기반의 정밀 위치 추정 기술과 실내 실감 지도 모델링 기술을 현실에 적용 가능한 수준으로 고도화하는 데 집중했습니다.

특히 지도교수님이신 도락주 교수님께서 창업하신 티랩스(Teelabs)와 긴밀한 산학 협력을 통해, 이 기술들을 실제 제품과 서비스로 연결하기 위한 기술 상용화 연구를 수행했습니다. 예를 들어, 다양한 환경에서 정확한 위치 인식이 가능하도록 알고리즘을 개선하고, 상업용 스캐너 장비를 활용해 고품질 3D 데이터셋을 구축하고 데이터베이스화하는 작업도 병행했습니다.

▲TeeLabs에서 개발한 다양한 센서 시스템과 이를 활용한 다양한 기술 개발.

이 시기에는 특히 대규모 실내 공간이나 시각적 특징이 부족한 도전적인 환경에서도 강인하게 작동할 수 있는 Visual Localization 알고리즘 개발에 주력했습니다. 단순히 논문으로 끝나는 연구가 아니라, 실제 공간에서 동작 가능한 기술로 만들어야 했기 때문에, 현장 테스트와 반복적인 최적화 과정이 매우 중요했습니다.

이러한 과정은 기초 연구에서 응용 기술로 이어지는 기술 전환(technology transfer)의 전형적인 사례였다고 생각합니다. 연구자에서 한 걸음 더 나아가, 사용자 중심의 실용적 기술 개발을 경험한 뜻깊은 시간이었습니다.

Q. 인공지능 소프트웨어를 연구하면서 가장 어려운 점은 무엇입니까?

인공지능 소프트웨어를 연구한다고 하면 흔히 ‘데이터만 있으면 된다’고 생각하기 쉽지만, 로봇에 적용되는 인공지능은 단순한 알고리즘 그 이상을 요구합니다. 특히, 사람처럼 공간을 인지하고 움직이는 로봇을 만들기 위해서는 소프트웨어와 하드웨어의 밀접한 통합이 필수적입니다.

제가 느끼는 가장 큰 어려움은 인공지능 기술을 단순히 연구하는 것에 그치지 않고, 이를 실제 로봇 하드웨어에 맞게 구현해야 한다는 점입니다. 센서의 종류, 로봇 팔의 움직임 범위, 연산 성능 등 하드웨어 구조에 따라 적용 가능한 AI(인공지능) 기법이 달라지기 때문에, 하드웨어가 바뀔 때마다 많은 요소를 새롭게 고려해야 합니다.

또한, 이런 연구를 수행하려면 대규모 학습 데이터, 딥러닝 학습을 위한 고성능 GPU(그래픽 처리장치) 서버, 정밀한 센서 등 상당한 비용의 인프라가 필요합니다. 특히 라이브 바카라과 AI를 융합하는 분야는 실험 자체에 많은 자원이 소요되기 때문에, 연구 환경을 마련하는 데도 어려움이 큽니다.

기술 트렌드가 빠르게 변화하는 것도 중요한 도전 과제입니다. 오늘의 최신 기술이 불과 몇 달만에 구식이 되는 시대인 만큼, 지속적인 방향 점검과 유연한 전략 조절 능력이 요구됩니다.

무엇보다 로봇 인공지능은 단일 전공만으로는 해결할 수 없는 융합 분야입니다. 기계공학, 전자공학, 인공지능 등 여러 분야에 대한 폭넓은 이해가 필요하며, 다양한 전문가들과 협업하고 소통하는 능력 또한 중요한 요소입니다. 기술뿐만 아니라 사람과의 협업이 성패를 좌우하는 분야라고 생각합니다.

Q. 전기전자공학부에서 인공지능이나 공간지능을 연구하게 된 동기가 있다면?

저는 어릴 적부터 ‘사람을 도와주는 라이브 바카라을 만들고 싶다’는 꿈을 품고 있었고, 그 꿈을 이루기 위해 전기전자공학부에 진학했습니다. 학부 과정에서 다양한 전공 과목을 접하면서 상상이 점차 구체적인 기술적 관심으로 이어졌고, 특히 도락주 교수님의 수업을 들으며 라이브 바카라 기술에 깊이 매료되었습니다. 이후 대학원에 진학해 선배 연구자들의 다양한 프로젝트에 참여하며, 라이브 바카라이라는 분야가 단순한 기계가 아니라 복합적인 지식과 융합이 요구되는 도전적인 영역임을 직접 체감하였습니다.

▲지도교수님이였던 고려대 도락주 교수님과의 박사학위 졸업사진

특히 2014년 말, 지도교수님과의 연구 미팅에서 나눈 한 말씀이 제 연구 방향을 결정짓는 중요한 전환점이 되었습니다.

“지금까지의 라이브 바카라은 대부분 정해진 규칙이나 모델 기반으로 동작하다 보니, 환경이 조금만 달라져도 제대로 동작하지 않는 경우가 많아. 그런데 최근에 딥러닝이라는 기술이 여러 분야에서 강인한 성능을 보이고 있는데, 이걸 네가 한번 공부해서 우리 연구실의 기술과 융합해보는 건 어떻겠니?”

이 제안은 제게 단순한 방향 제시를 넘어, 도전이자 기회였습니다. 이후 저는 당시 포항공대에 계셨던 한보형 교수님(현 서울대)과의 공동연구를 통해 본격적으로 딥러닝을 공부하기 시작했고, 지능형 로봇의 핵심 기술인 인공지능과 공간지능(Spatial Intelligence)에 깊이 빠져들었습니다.

딥러닝에 대해 공부하면 할수록, 이 기술이 라이브 바카라의 시각 인식, 위치 추정, 환경 이해 등 다양한 영역에 응용 가능하다는 점을 깨달았고, 단순한 동작 수행을 넘어 복잡한 실세계에서 자율적으로 판단하고 적응하는 라이브 바카라을 만들 수 있는 가능성까지 보게 되었습니다.

이러한 개인적인 경험과 계기를 바탕으로 지금까지도 라이브 바카라의 공간 인지 능력을 향상시키기 위한 AI 융합 연구를 꾸준히 이어오고 있습니다.

Q. 연구자로서 앞으로의 꿈과 목표가 있다면?

저의 가장 큰 연구자로서의 꿈은, 제가 개발한 기술이 논문 속에서만 머무르지 않고 실제 사회에서 사람들의 삶에 실질적인 도움을 주는 것입니다. 저의 연구가 다양한 분야에 적용되어 누군가의 일상을 더 안전하고 편리하게 만든다면 그것만으로도 큰 보람을 느낄 것 같습니다.

또한, 저는 기술이 빠르게 발전하는 이 시대에, 동료 연구자들과 함께 즐겁게 배우고 성장하고 싶습니다. 정답이 없는 문제를 함께 고민하고, 새로운 시도를 두려워하지 않으며, 서로 협력하는 연구 문화 속에서, 지속적인 배움과 도전을 즐기고 싶습니다.

마지막으로, 저는 후배 연구자나 주변 동료들에게 도움이 되는 사람, 그리고 함께 성장할 수 있는 따뜻한 연구자가 되고 싶습니다. 지금의 제가 있기까지는 정말 많은 좋은 사람들의 도움과 격려가 있었기 때문입니다. 제가 받았던 도움과 격려처럼 저도 후배 연구자나 주변 동료들에게 이러한 존재가 되고 싶습니다.

Q. 인공지능 소프트웨어를 전공하려는 후배들에게 어떤 준비와 노력이 필요한지 조언해 주신다면?

인공지능, 특히 로봇과 결합된 인공지능은 단일 분야만 잘한다고 해결할 수 있는 영역이 아닙니다. 로봇과 결합된 인공지능은 전자공학, 기계공학, 컴퓨터비전, 기계학습 등 다양한 분야가 융합되어 있기 때문에, 우선은 기초를 튼튼히 다지고, 열린 마음으로 다양한 학문을 접하는 자세가 중요합니다. 단순히 기술을 배우는 것에 그치지 않고, "이걸 실제 어디에 쓸 수 있을까?"라는 적용 중심의 사고 습관을 갖는 것이 큰 도움이 되는 것 같습니다.

또 하나 중요한 점은, 혼자만의 연구로는 좋은 결과를 만들기 어렵다는 것입니다. 로봇과 결합된 인공지능은 다양한 전문가들과의 협업이 필수적인 분야입니다. 따라서 학부 시절부터 팀 프로젝트나 공동 과제 등을 통해 협업의 방식과 커뮤니케이션 능력을 기르는 경험을 쌓는 것을 꼭 추천하고 싶습니다.

기술이 너무 빨리 변하고 있다는 사실에 압도당할 수도 있지만, 오히려 그 속에서 새로운 기술을 두려워하지 않고 도전하는 태도도 매우 중요합니다. 새로운 프레임워크나 방법론이 등장하더라도, 이론뿐 아니라 실제 프로젝트를 통해 적용해 보며 체득한 경험이 큰 자산이 됩니다.

결국 중요한 건, 끊임없는 호기심과 시도해 보는 용기입니다. 실패하더라도 배운 것이 분명히 남고, 그것이 다음 도전의 발판이 됩니다.

Q. 국내 인공지능 산업이 한 단계 더 발전하기 위한 방안이 있다면...

이 주제는 제가 아직 많이 배워가는 입장이라 섣불리 말씀드리기는 조심스럽지만, 산학협력 과제나 기업 자문 등을 수행하면서 느낀 점을 중심으로 말씀드리겠습니다.

우선, 제가 현장에서 자주 느끼는 점은 산업계와 학계 간에 분명한 간극이 존재한다는 것입니다. 기업에서는 현장 중심의 복잡하고 다양한 문제들을 해결해야 하는 어려움이 있고, 때로는 그러한 문제들이 학계나 타 분야의 기술과 접목된다면 새로운 해결의 실마리를 찾을 수 있음에도, 서로 다른 관점과 접근 방식으로 인해 연결이 원활하지 않은 경우를 종종 경험하곤 합니다. 이러한 점에서 산업계와 학계 간의 보다 긴밀한 소통과 협력의 필요성을 실감하고 있습니다.

또한, 최근 인공지능 기술은 모델의 규모가 커지고, 데이터와 서버 인프라 요구가 점점 더 높아지면서 대학이나 스타트업이 자체적으로 대규모 AI를 개발하기에는 한계가 명확해지고 있습니다. 자금, 인프라, 인력 면에서 대기업과의 격차가 커지고 있는 상황입니다.

이러한 문제를 해결하기 위해서는, 정부와 민간의 공동 투자, 그리고 대학, 연구소, 스타트업 간의 긴밀한 협력 생태계 조성이 필수적이라고 생각합니다. 단기적인 기술 성과뿐 아니라, 중장기적 R&D 기반을 함께 구축해 나가는 구조가 마련되어야 국내 인공지능 산업이 더욱 빠르게, 그리고 지속 가능하게 성장할 수 있을 것 같습니다.

Q. 연구에 주로 영향을 받은 교수님이나 연구자가 계시다면...

제 연구 인생에 가장 큰 영향을 주신 분은 지도교수님이신 고려대학교 도락주 교수님입니다. 단순히 연구 주제를 지도해주신 것을 넘어, 새로운 분야에 도전하는 자세, 융합적 사고방식, 그리고 협업의 중요성까지 많은 부분에서 깊은 영향을 받았습니다.

▲스승의날 기념 연구실 단체 사진

특히 교수님께서는 학생 한 명 한 명의 성장을 진심으로 고민하고 지도해주시는 열정적인 분이셨습니다. 연구 외적으로도 항상 학생들과 소통하려 노력하시는 태도, 그리고 개발한 기술을 논문에만 머무르지 않고 실제 사회에 기여하기 위해 창업까지 도전하신 모습은 지금의 저에게도 큰 본보기가 되고 있습니다. 교수님의 연구에 대한 애정과 책임감 있는 자세는 제가 연구자로서 가져야 할 마음가짐에 많은 울림을 주었습니다. 부족한 부분이 많았던 저에게 필요한 지원을 아낌없이 해주시고, 연구자로서의 가능성을 믿어주셨던 그 신뢰는 지금까지도 큰 동기부여가 되고 있습니다.

또한, 제가 딥러닝 분야에 처음 발을 디딜 수 있도록 도와주신 서울대학교 한보형 교수님과의 공동연구 경험도 매우 소중합니다. 당시 저는 인공지능에 대한 이론적 배경도, 실습 경험도 부족한 상태였지만, 한보형 교수님께서는 기초부터 실전까지 인공지능의 핵심 개념과 연구 방법을 차근차근 배울 수 있도록 아낌없는 조언과 기회를 제공해 주셨습니다.

그 덕분에 저는 단순한 기술 습득을 넘어, 인공지능이 로봇과 융합되어 어떤 가능성을 만들어낼 수 있는지에 대한 깊은 통찰을 얻게 되었고, 이는 지금까지도 제 연구의 중요한 축이 되고 있습니다.

이 두 분과의 만남은 단순한 연구 성과를 넘어, 좋은 연구자가 되기 위해 어떤 태도를 가져야 하는가에 대한 근본적인 방향을 일깨워주신 계기였습니다.