【브레이크뉴스 대구】이성현 기자=DGIST(총장 이건우)는 로봇및기계전자공학과 남강현 교수 연구팀이 중국 상해교통대학교, 일본 도쿄대학교와의 국제 공동연구를 통해 전기자동차의 주행 상태를 정밀하게 실시간 추정하는 ‘물리적 AI(Physical AI) 기반 차량 상태추정 기술’을 개발했다고 11일 밝혔다. 

▲ (좌측부터) DGIST 남강현 교수, 상해교통대학교 Wang Yafei 교수, 도쿄대학교 Hiroshi Fujimoto 교수  © DGIST

이번 성과는 전기차의 핵심 제어 능력을 향상시키고 자율주행차의 안전성을 크게 높일 수 있는 기술로 주목받고 있다.

전기차 주행 안전과 직결되는 핵심 변수인 ‘측방향 미끄럼각(Sideslip Angle)’은 차량이 급선회하거나 미끄러운 노면을 주행할 때 차량이 옆으로 얼마나 미끄러지는지를 나타내는 값이다. 그러나 이 값은 센서를 통해 직접 측정하기 어려워 그동안 자동차 업계는 복잡한 물리 모델이나 간접 계산 방식에 의존해 왔으며, 이로 인해 정확도 저하와 환경 변화에 따른 한계가 지속적으로 제기돼 왔다.

남강현 교수 연구팀은 이러한 문제를 해결하기 위해 물리 모델에 AI 기반 학습 알고리즘을 결합한 ‘물리적 AI 기반 추정 기술’을 새롭게 제시했다. 이번 기술은 타이어에 작용하는 횡타이어력을 측정하는 센서 정보와 가우시안 프로세스 회귀(GPR)를 결합해 차량의 실제 거동을 보다 정밀하게 반영한다는 점이 특징이다.

연구팀은 비선형 타이어 거동과 다양한 주행 환경 변화를 정확히 반영하기 위해 물리 기반 타이어 모델과 AI 학습 모델을 통합한 하이브리드 구조를 구축했다. 특히, GPR을 통합한 언센티드 칼만 필터(UKF) 관측기를 적용함으로써 데이터 기반 학습의 유연성과 물리 모델의 신뢰성을 동시에 확보해 기존 방식 대비 빠르고 정확한 미끄럼각 추정을 가능하게 했다.

이 기술은 실제 전기차 플랫폼에서 다양한 노면 조건, 속도, 코너링 상황을 대상으로 수행한 실험에서도 높은 정확도와 강인한 성능을 입증했다. 정확한 차량 상태추정 기술은 전기차의 안정주행 제어, 자율주행 안전성 강화, 에너지 효율 최적화 등에 필수적인 요소로, 미래 모빌리티 제어기술 분야에서 중요한 진전으로 평가되고 있다.

남강현 교수는 “물리 기반 모델과 AI 기술을 융합한 새로운 접근을 통해 전기차의 주행 상태를 더욱 정밀하게 예측할 수 있게 됐다”며 “이번 연구는 차세대 자율주행·전기차 기술의 핵심 기반으로 활용 가능성이 높다”고 말했다. 이어 “향후 글로벌 자동차 제조사와의 협업을 통해 산업 현장에서 바로 적용 가능한 기술로 발전시키겠다”고 밝혔다.

한편, 이번 연구는 한국연구재단 우수신진연구 사업의 지원을 받아 수행됐으며, DGIST·상해교통대·도쿄대 공동연구 결과는 국제 저명 학술지 ‘IEEE Transactions on Industrial Electronics’에 게재됐다.

<구글 번역으로 번역한 영문 기사의 전문 입니다. 번역에 오류가 있을 수 있음을 밝힙니다.>

DGIST Develops 'Physical AI-Based Vehicle State Estimation Technology'… Expected to Improve Safety of Electric Vehicles and Autonomous Driving

DGIST (President Lee Kun-woo) announced on the 11th that a research team led by Professor Nam Kang-hyun of the Department of Robotics and Mechanical and Electronic Engineering, in collaboration with Shanghai Jiao Tong University in China and the University of Tokyo in Japan, has developed a 'Physical AI-based Vehicle State Estimation Technology' that precisely estimates the driving state of electric vehicles in real time.

This achievement is attracting attention as a technology that can enhance the core control capabilities of electric vehicles and significantly enhance the safety of autonomous vehicles.

Sideslip Angle, a key variable directly related to electric vehicle driving safety, indicates how much a vehicle slides sideways when making sharp turns or driving on slippery surfaces. However, this value is difficult to directly measure using sensors, and the automotive industry has relied on complex physical models or indirect calculation methods. This has led to persistent issues with accuracy degradation and environmental changes.

To address these issues, Professor Nam Kang-hyun's research team has developed a new "physical AI-based estimation technology," combining a physical model with an AI-based learning algorithm. This technology combines sensor data measuring lateral tire force acting on the tire with Gaussian Process Regression (GPR) to more accurately reflect the vehicle's actual behavior.

To accurately reflect nonlinear tire behavior and various driving conditions, the research team built a hybrid architecture that integrates a physics-based tire model with an AI learning model. Specifically, by applying an unscented Kalman filter (UKF) observer integrated with GPR, the team simultaneously secured the flexibility of data-driven learning and the reliability of the physical model, enabling faster and more accurate slip angle estimation compared to existing methods.

This technology demonstrated high accuracy and robust performance in experiments conducted on an actual electric vehicle platform under various road conditions, speeds, and cornering situations. Accurate vehicle state estimation technology is essential for stable driving control of electric vehicles, enhanced autonomous driving safety, and optimized energy efficiency, and is considered a significant advancement in future mobility control technology.

Professor Nam Kang-hyun stated, "This new approach, combining physics-based models and AI technology, has enabled us to more precisely predict the driving conditions of electric vehicles." He added, "This research has high potential as a core foundation for next-generation autonomous driving and electric vehicle technology." He added, "Through future collaborations with global automakers, we will develop this technology into one that can be immediately applied in industrial settings."

Meanwhile, this research was supported by the National Research Foundation of Korea's Excellent Young Researcher Program, and the results of the joint research between DGIST, Shanghai Jiao Tong University, and the University of Tokyo were published in the renowned international journal "IEEE Transactions on Industrial Electronics."