RoboRacer 재단은 자율주행의 인지–판단–제어–인공지능 전 과정을 아우르는 연구를 지향합니다. 본 페이지는 자율주행 연구의 기본 개념부터 최근 심화 연구 방향까지 두 단계로 나누어 소개합니다.

🔗 외부 Research 리소스

RoboRacer는 University of Pennsylvania의 연구 생태계에서 시작되었으며, 자율주행 레이싱·고속 제어·AI 기반 주행 연구가 활발히 진행되고 있습니다.

▶ UPenn RoboRacer / F1TENTH 연구 아카이브:
https://roboracer.ai/research

아래의 내용은 이러한 국제 연구 동향을 참고하여 기초 개념(기본 연구 주제)과 최신 고급 연구 방향(심화 연구 주제)으로 나누어 정리한 것입니다.

Ⅰ. 기본적인 자율주행 연구 주제

1. 인지 (Perception)

인지는 카메라·라이다·레이더 등 센서 데이터를 기반으로 차량, 보행자, 차선, 도로, 장애물을 이해하는 단계입니다.

  • 객체 검출 및 추적 (Object Detection & Tracking)
  • 도로 구조 이해 (차선, 신호등, 표지판 등)
  • 센서 융합 (LiDAR–Camera–Radar Fusion)

2. 판단 (Decision-Making & Planning)

판단·계획은 인지된 정보를 바탕으로 어떻게 주행할지를 결정하는 단계입니다.

  • 경로 계획 (Path Planning)
  • 장애물 회피 (Obstacle Avoidance)
  • 차간 거리 유지 / 추월 판단

3. 제어 (Control)

제어는 계획된 경로를 차량의 실제 주행 명령으로 변환하는 과정입니다.

  • PID 제어
  • 기본 모델 예측 제어 (Basic MPC)
  • 저속 주행 안정화 기술

4. 인공지능 기반 주행 (Basic AI for Driving)

최근에는 딥러닝 기반의 기본적인 주행 정책 학습도 널리 연구되고 있습니다.

  • 간단한 End-to-End 조향 학습
  • 시뮬레이터 기반 강화학습 입문

Ⅱ. 심화된 자율주행 연구 주제

1. 심화 인지 연구

  • 장꼬리(long-tail) 상황 대응
  • 악천후·야간 환경에서의 강인 인지
  • 온라인 센서 캘리브레이션 및 품질 모니터링

2. 심화 판단·계획 연구

  • 비정형 교차로·합류 상황에서의 상호작용 모델링
  • 예측 기반 계획 (Predictive Planning)
  • 규칙 기반 + 딥러닝 결합 하이브리드 의사결정
  • Safe Reinforcement Learning

3. 고급 제어 (Advanced Control: MPC/MPPI)

  • 고속·레이싱 환경에서의 비선형 MPC
  • 샘플링 기반 MPPI를 이용한 실시간 장애물 회피
  • 불확실성을 포함한 확률적 제어 최적화

4. 고급 AI 연구 (Foundation Models & World Models)

  • 대규모 End-to-End 자율주행 모델
  • 카메라 입력으로 미래 장면을 예측하는 월드 모델
  • 자율주행용 파운데이션 모델
  • AI 시스템의 안전성·검증·공식 검증