이진원 교수는 2019년 아주대학교 산업공학과에서 박사학위를 취득했으며, 미국 Texas A&M University와 고려대학교에서 박사후연구원과 연구교수로 근무했다. 이후 2022년 9월부터 국립강릉원주대학교 산업경영공학과(2026년 3월 강원대로 통합)에 부임했다. 3D 설계와 안전을 인공지능과 결합한 연구를 수행하고 있다. 본 기고문에서는 산업계와 인공지능의 현 상황을 돌아보고, 연구 분야와 성과를 소개하고자 한다.

1. 서론

최근 인공지능은 단순한 연구의 영역을 넘어서 산업과 사회에서 실제로 마주하는 문제를 해결하며 빠르게 일상 속으로 파고들고 있다. 산업 제조 현장에서는 설계 데이터와 생산 데이터를 활용한 지능화가 계속적으로 중요한 연구과제로 주목받고 있으며, 산업안전 분야에서는 생체신호와 활동 데이터를 기반으로 단순한 사고 대응을 넘어 작업자의 신체적 부담과 작업환경 위험요인까지 함께 고려한 연구가 진행되고 있다.

강원대학교 Composite Artificial Intelligence Laboratory(CAI Lab)는 이러한 흐름 속에서 제조 인공지능, 디지털헬스케어, 산업안전 분야를 중심으로 다양한 인공지능 연구를 수행하고 있다. 연구실에서는 3D CAD 모델과 공정 데이터, 보행 데이터와 생체신호, 작업자 안전과 심리데이터 등 서로 성격이 다른 데이터를 다루며, 각 분야의 문제에 적합한 분석 방법과 모델을 설계하고 있다. 연구 주제는 서로 다르지만 모두 실제 현장에서 생성되는 데이터를 바탕으로 의미 있는 문제를 정의하고 이를 인공지능으로 해석하고자 하는데 공통점이 있다. 본 기고문에서는 인공지능이 제조, 디지털 헬스케어, 산업안전에 어떻게 활용되고 연구되는지 소개하고자 한다.

2. 제조 인공지능 – 특징형상 인식에서 LLM 기반 설계 자동화

제조 인공지능 연구는 3D CAD 모델을 단순한 형상 집합이 아니라 가공 가능한 제품 정보로 인식에서 출발한다. 일반적으로 CAD 모델은 설계자의 의도가 반영된 기하 형상으로 표현되지만, 실제 생산 단계에서는 홀, 슬롯, 포켓, 챔퍼와 같은 기계가공 특징형상과 조립을 위한 기능요소를 인식해야 제조성 검증과 공정 연계가 가능해진다. 이를 위해서 그래프 신경망 기반의 모델을 활용하여 중립 CAD 포맷(STEP)과 B-rep 모델의 기계가공 특징형상을 인식하는 연구를 수행했다.

[그림1] 그래프 딥러닝을 활용한 기계가공 특징형상 인식

최근 CAI Lab은 LLM과 CAD의 결합으로 제조 인공지능 연구를 확장하고 있다. 본 연구는 한국연구재단 신진연구(유형A)에 선정되었다. 이 연구는 대규모 언어모델 기반 3D CAD 설계 자동화를 위해서 단지 형상을 인식하는 수준에 머무르지 않고 설계자의 자연어 요구사항, 생산 현장의 제약조건, 공정 지식과 숙련자의 암묵지를 활용하여 복합 인공지능을 구현하고자 한다. 궁극적으로는 “무엇을 만들 것인가”와 “어떻게 만들 수 있는가”를 동시에 지능형 설계 자동화를 개발하고자 한다.

[그림2] 대규모 언어모델 기반 3D CAD 설계 자동화 시스템 설계도

3. 디지털헬스케어 – 생체신호와 활동 데이터 분석

CAI Lab은 센서를 통해 수집된 생체신호를 딥러닝을 활용하여 환자 상태 분석 또는 서비스 제공 연구를 수행하고 있다. 의족이나 웨어러블 보조기기를 자연스럽게 제어하기 위해서는 사용자의 보행 주기 예측이 필요하다. 이에 연구실은 보행 위상을 연속적으로 추정하는 딥러닝 모델을 개발하고 여러 속도와 센서 조합을 연구했다. 이러한 연구는 단순히 보행을 분류하는 것이 아니라 사람의 움직임을 기계가 이해하고 적절히 반응하도록 만드는 인간-기계 상호작용의 문제를 다룬다. 디지털헬스케어의 다른 연구분야는 생체신호 기반 맞춤형 매트리스 추천, 라이프로그 데이터를 활용한 인지기능 예측, 간호사의 정맥주사 술기평가 등이다. 본 연구실의 디지털헬스케어 연구 범위는 센서 데이터 해석을 넘어 환자 상태의 정량화, 치료 보조, 임상 판단 지원으로 확장하고 있다.

[그림3] 보행 주기 단계

[그림4] 간호사의 정맥주사 술기평가 예측 시스템

4. 산업안전 – 작업자 건강과 위험요인을 이해하는 사람 중심 연구

CAI Lab은 악력, 허리 근력, 자세 불편도와 같이 작업 수행 능력과 근골격계 부담을 설명하는 지표를 예측하고, 성별, 인체치수, 전완 자세, 들어올리는 높이, 작업 자세와 같은 조건이 위험에 어떤 영향을 미치는지를 분석했다. 이러한 연구는 평균적인 작업자 모델에 의존하는 기존 접근에서 벗어나서 개인 차이를 반영한 안전설계와 작업환경 개선으로 이어질 수 있다는 점에서 중요하다. 또한 제조업 근로자의 직무 스트레스, 번아웃, 작업능력, 조직문화처럼 작업자의 건강과 안전은 심리적·조직적 요인과도 긴밀하게 연결되어 있다는 관점에서 연구를 확장해 왔다.

최근에는 이러한 축적을 바탕으로 현장 적용형 안전 AI 연구를 수행하고 있다. 온디바이스 AI 기반 근로자 안전관리 및 행동 추정을 했으며, 안전보건공단과 함께 고위험사업장 예측모델의 설명력 강화 연구를 수행했다. 이는 단순히 위험 여부를 분류하는 블랙박스 모델이 아니라, 어떤 행동과 조건이 왜 위험한지 현장에서 이해할 수 있도록 설명 가능한 안전 시스템을 만드는 것이다. 

5. 맺음말

강원대학교 CAI Lab는 제조 인공지능, 디지털헬스케어, 산업안전 분야를 중심으로 다양한 인공지능 연구를 수행하고 있다. 제조 분야에서는 CAD와 공정 데이터를 활용한 설계 및 생산 지능화를, 디지털헬스케어 분야에서는 생체신호와 움직임 데이터를 기반으로 한 상태 분석과 맞춤형 지원을, 산업안전 분야에서는 작업자의 건강과 위험요인을 이해하고 예방하는 연구를 진행하고 있다. 앞으로도 CAI Lab은 제조, 헬스케어, 산업안전과 같은 여러 영역에서 실제 현장에 도움이 될 수 있는 인공지능 연구를 지속적으로 발전시켜 나가고자 한다.