1. 서론
1.1 연구 배경
최근 산업 현장에서는 생산 공정의 효율성 향상과 품질 관리의 정확도 제고를 위해 첨단 기술의 도입이 가속화되고 있다. 특히, 인공지능과 빅데이터 기술의 발전으로 인해 이상 탐지(Anomaly Detection) 분야가 주목받고 있으며, 이는 제조업, 자동차 산업, 로보틱스 등 다양한 영역에서 핵심적인 역할을 하고 있다.
본 연구자는 지금까지 기계공학과 실시간 임베디드 시스템 연구실에서 Continual Learning, Anomaly Detection, 그리고 Time Series 데이터 분석을 중심으로 연구를 진행해 왔다. 특히, 진동 데이터를 활용한 시계열 이상 탐지 모델 개발을 해왔었다.
1.2 연구 동기
그러나 최근 딥러닝 연구 동향을 살펴보면, 국소적으로 사용되는 시계열 이상 탐지보다는 보다 범용적으로 활용될 수 있는 이미지 및 3D 영상 처리 기술이 주목받고 있다. 특히 온디바이스 AI, 모빌리티, 로보틱스 등의 분야에서 3D 데이터의 중요성이 크게 부각되고 있다. 이러한 산업 동향과 기술의 발전 방향을 고려할 때, 3D Industrial Anomaly Detection 분야로의 연구 확장이 필요하다고 판단하였다.
1.3 연구 목적
본 연구는 기존의 Continual Learning과 Anomaly Detection에 대한 연구 경험을 바탕으로, 3D 데이터 처리 기술을 접목하여 보다 고도화된 산업용 이상 탐지 시스템을 개발하는 것을 목표로 한다. 구체적으로, 다음과 같은 세부 목표를 설정하였다.
1.
3D 포인트 클라우드 데이터를 효과적으로 처리하고 분석할 수 있는 딥러닝 모델 구조 개발
2.
Continual Learning 기법을 활용하여 새로운 이상 패턴을 지속적으로 학습할 수 있는 시스템 구축
3.
엣지 컴퓨팅 환경에서 실시간으로 동작할 수 있는 경량화된 3D 이상 탐지 모델 설계
이러한 연구를 통해, 기존의 2D 이미지나 시계열 데이터 기반 이상 탐지 기술의 한계를 극복하고, 보다 정확하고 유연한 산업용 이상 탐지 시스템을 개발할 수 있을 것으로 기대한다. 또한, 이 연구는 우리 연구실의 기존 강점인 실시간 임베디드 시스템 기술과 새로운 3D 데이터 처리 기술을 융합함으로써, 연구실의 연구 영역을 확장하고 산학 협력의 기회를 넓히는 데에도 기여할 수 있다.
2. 연구 동향 분석
2.1 딥러닝 모델의 최신 트렌드
•
온디바이스 AI, 모빌리티, 로보틱스 분야의 부상
•
이미지 및 3D 영상 데이터의 중요성 증대
2.2 모달리티(Modality)의 개념과 멀티모달의 중요성
•
모달리티의 정의 및 종류
•
단일 모달리티에서 멀티모달 모델로의 발전
2.3 산업계 동향
•
3D 데이터 활용의 증가
•
실시간 처리 및 엣지 컴퓨팅의 필요성
3. 3D Industrial Anomaly Detection 연구의 필요성
3.1 기존 연구와의 연계
•
Continual learning과의 접목 가능성
•
Time series 데이터 분석 경험의 활용
•
3D 데이터 처리 기술 습득의 중요성
3.3 산업적 응용 가능성
•
제조업에서의 품질 관리 개선
•
자율 시스템에서의 활용
4. 연구 방법론
4.1 3D Anomaly Detection 기술 개발
•
포인트 클라우드 데이터 수집 방법 (LiDAR)
•
포인트 클라우드 데이터 처리 기법
•
딥러닝 모델 구조 설계 (예: PointNet++ 변형)
4.2 Continual Learning 접목
•
새로운 이상 패턴의 지속적 학습 방법
•
Class Incremental Learning 적용
5. 결론 및 향후 연구 계획
•
연구의 학술적, 산업적 기여
•
단계별 연구 진행 계획 제시