로봇이 철도 현장에서 작업할 때 기능 안전 관점의 설계 원칙과 검증 방법을 어떻게 가져가겠습니까
철도·물류 현장의 데이터 문제를 해결하는 연구를 하겠습니다.
저는 기능 안전 관점의 요구사항 정의, 테스트 시나리오 설계, 현장검증 프로토콜을 함께 구축해 연구 성과가 '논문'에서 끝나지 않고 '운영 가능한 시스템'으로 이어지게 하겠습니다.
1년차에는 철도·물류현장의 작업 시나리오를 정밀하게 정의하고 데이터 파이프라인을 구축하겠습니다.
저는 각 현장 시나리오에 맞춰 센서 구성, 학습방식, 안전제약 조건을 함께 설계하여, 연구가 곧 실증으로 이어지는 구조를 만들겠습니다.
임용 후에도 저는 평균 성능보다 현장 적용 가능한 하한 성능과 실패안전성을 개선하는 창의적 접근으로 연구 성과를 만들겠습니다.
이를 줄이기 위해 저는 데이터 수집을 현장 시나리오 중심으로 설계하고, 도메인 적응과 선택적 데이터 증강으로 하한 성능을 올리겠습니다.
세 번째 단계는 실환경 데이터로 모델을 미세조정하되, 성능 개선보다 위험한 실패를 줄이는 방향으로 손실함수를 설계하는 것입니다.

한국철도기술연구원[연구-4]철도·교통·물류특화 피지컬 AI 및 로봇기술 개발자 기소개서와 면접
과제나 업무 수행 과정에서 새로운 기술이나 방식을 시도하여 이전에 비해 개선했던 경험에 대해 기술하여 주십시오.
철도·교통·물류특화 피지컬 AI를 왜 '지금' 해야 한다고 생각하십니까
그래서 저는 피지컬 AI가 단지 유행어가 아니라, 철도·교통·물류에서 안전과 효율을 동시에 끌어올리기 위한 실질적 해법이라는 확신을 갖게 되었습니다.
센서와 로봇이 데이터를 수집하고, AI가 상태를 판단하며, 로봇이 위험 작업을 수행하는 흐름이 만들어져야 합니다.
철도·물류 현장의 데이터 문제를 해결하는 연구를 하겠습니다.
1년차에는 철도·물류현장의 작업 시나리오를 정밀하게 정의하고 데이터 파이프라인을 구축하겠습니다.
구체적으로는 인지, 판단, 제어, 그리고 현장 운영까지 이어지는 파이프라인을 설계하고 구현하는 능력입니다.
따라서 학습기반 정책과 검증가 능한 제약조건을 분리해 설계하고, 위험상황에서는 보수적으로 동작하도록 하는 전략을 구현할 수 있습니다.
저는 각 현장 시나리오에 맞춰 센서 구성, 학습방식, 안전제약 조건을 함께 설계하여, 연구가 곧 실증으로 이어지는 구조를 만들겠습니다.
지도 기반 경로 계획을 세운 뒤, 센서로 장애물을 감지하면 규칙기반으로 회피하는 방식이었습니다.
반대로 학습기반 end-to-end 모델을 쓰면 상황에 따라 매끄럽게 움직였지만, 데이터가 부족한 특정 조명과 바닥 반사 조건에서 급격히 오작동했습니다.
1차로는 학습기반 정책이 부드러운 움직임을 만들도록 하고, 2차로는 안전필터가 물리적 제약과 위험거리 조건을 강제하는 방식입니다.
자발적으로 더 높은 목표를 설정해 성과를 낸 경험은 "실험이 아니라 실증 수준의 목표를 세운 도전"입니다.
저는 한 프로젝트에서 단순히 알고리즘 성능을 수치로 높이는 것에 만족하지 않고, 실제 환경에서 장시간 안정적으로 동작하는 수준을 목표로 삼았습니다.
이 목표를 설정한 이유는, 피지컬 AI는 논문 성능만으로 평가되지 않고 운용 가능성이 성패를 가른다는 문제의식을 갖고 있었기 때문입니다.
결과적으로 시스템은 일정 시간 이상 안정적으로 동작했고, 장애 상황에서도 위험행동이 줄었습니다.
의견 충돌이 발생했을 때 설득과 수용으로 협업한 경험은 다학제팀에서 로봇시스템의 방향을 조율했던 사례입니다.
인지 담당자는 성능 부족이 실패로 이어질 것을 두려워했고, 통합 담당자는 복잡성이 장애를 만들 것을 두려워했습니다.
결과적으로 우리는 두 번째 안을 채택했고, 성능담당자의 우려는 "특정 상황에서 고성능 호출"로 해소했으며, 통합 담당자의 우려는 "기본구조의 단순성"으로 해소했습니다.
이 경험에서 제가 얻은 교훈은 협력은 좋은 분위기가 아니라, 합의 가능한 기준을 만드는 일이라는 점입니다.
이를 줄이기 위해 저는 데이터 수집을 현장 시나리오 중심으로 설계하고, 도메인 적응과 선택적 데이터 증강으로 하한 성능을 올리겠습니다.
안전설계의 부재입니다.
먼저 수집 단계에서 편향을 줄이겠습니다.
마지막으로 검증 단계에서도 메인 갭을 수치화하겠습니다.
이렇게 수집, 학습, 검증을 하나의 루프로 운영해야 편향이 누적되지 않고 현장 적용 가능성이 높아진다고 생각합니다.
세 번째 단계는 실환경 데이터로 모델을 미세조정하되, 성능 개선보다 위험한 실패를 줄이는 방향으로 손실함수를 설계하는 것입니다.
기능 안전 관점에서 핵심은 위험이 발생할 수 있는 실패를 먼저 정의하고, 그 실패가 발생해도 위험행동으로 이어지지 않게 설계하는 것입니다.
저는 기능 안전을 '마지막 검토'가 아니라 '설계의 언어'로 적용하겠습니다.
연구원은 핵심 알고리즘과 검증체계를 주도하고, 기업은 제작과 양산성, 운영기관은 현장 요구사항과 실증환경을 담당하도록 구조를 만들겠습니다.

[hwp/pdf][연구-4]철도·교통·물류 특화 피지컬AI 및 로봇 기술개발 자기소개서와 면접