国民大学と現代自動車、AI演算効率を最大化する「SharedKD」技術を開発

出典・参考資料

1. [1]

   국민대, 자율주행 3D 객체 탐지...AI 경량화 기술 개발

   報道引用

   뉴스프리존 · Tue, 11 Aug 2026 02:03:09 GMT

   잠깐! 현재 Internet Explorer 8이하 버전을 이용중이십니다. 최신 브라우저(Browser) 사용을 권장드립니다! 국민대는 김장호 AI SW학과 교수 연구팀(조현준 안상호 석사과정생)이 현대차와 함께 자율주행용 3D 객체 탐지 모델을 효율적으로 경량화하는 기술 SharedKD 를 개발해 지난 7월 세계적 권위의 설계자동화 분야 국제학술대회 'DAC(Design Automation Conference) 2026'에서 연구 성과를 발표했다고 11일 밝혔다. 김장호 교수 연구팀은 모델 압축, 프루닝, 양자화, 지식 증류 등 딥러닝 모델 경량화를 주로 연구하며, 산업계와 협력해 실제 응용 가능한 AI 기술을 개발하고 있다. 지난 2025년 7월 브라질 리우데자네이루에서 열린 제41회 UAI(Uncertainty in Artificial Intelligence)에서 현대차 로보틱스랩과 공동 개발한 비전 트랜스포머(ViT) 경량화 기법 SERo 를 발표했으며, 이를 자율주행 로보틱스 분야에 적용해 이미지 분류, 객체 탐지, 얼굴 인식 등 다양한 비전 태스크에서 성능을 입증한 바 있다. 연구팀이 개발한 SharedKD는 별도의 교사 모델과 학생 모델을 사용하는 기존 지식 증류 방식과 다르다. 하나의 3D 객체 탐지 모델 안에서 전체 네트워크를 교사 모델로, 가지치기를 통해 만들어진 부분 네트워크를 학생 모델로 활용한다. 특히 학습 과정에서 그래디언트를 기반으로 중요한 구조를 동적으로 선택해 높은 정확도를 유지하면서 효율적인 경량 모델을 탐색할 수 있다. 이번 연구는 이미 학습된 인공지능 모델의 크기를 사후적으로 줄이는 기존 방식을 넘어, 대규모 모델 안에서 실제 배포에 적합한 경량 모델을 동시에 탐색하고 학습할 수 있도록 했다. 또한 전체 모델과 경량 모델이 서로의 학습을 돕도록 설계해 효율적인 모델 탐색과 학습이 가능하다. 자율주행 차량과 같이 높은 인식 정확도와 실시간 처리가 동시에 요구되는 환경에서 3D 인지 모델의 연산량과 실행 기간을 크게 줄일 수 있어 향후 차량용 AI 엣지 인공지능 시스템에 활용될 것으로 기대된다. 이번 연구는 국민대가 KMU Vision 2035: EDGE 를 통해 추진하고 있는 미래 특성화 전략과도 맞닿아 있다. 특히 8대 특성화 분야 중 AI+X 와 모빌리티 의 접점에서, AI 모델 최적화 기술을 자율주행 분야에 적용하고 산업체와 공동으로 연구를 수행하며 대학의 특성화 방향을 구체적으로 보여주는 연구 성과라는 평가다. 이념과 진영에서 벗어나 우리의 문제들에 대해 사실에 입각한 해법을 찾겠습니다. 더 나은 세상을 함께 만들어가요.

   原文を見る
2. [2]

   국민대·현대차, 자율주행 3D 객체 탐지 모델 경량화 기술 개발

   報道引用

   메트로신문 · Tue, 11 Aug 2026 00:49:37 GMT

   하나의 모델 안에서 교사·학생 네트워크 구성…정확도 유지하며 연산량 줄여 국민대학교(총장 정승렬) 연구팀이 현대자동차와 공동으로 자율주행에 쓰이는 3차원(3D) 객체 탐지 인공지능(AI) 모델의 크기와 연산량을 줄이는 경량화 기술을 개발했다. 국민대는 AI·SW학과 석사과정 조현준·안상호 학생과 김장호 교수 연구팀이 현대차와 공동으로 'SharedKD' 기술을 개발했다고 11일 밝혔다. 연구 결과는 지난 7월 설계자동화 분야 국제학술대회 DAC(Design Automation Conference) 2026에서 발표됐다. SharedKD는 별도의 교사 모델과 학생 모델을 두는 기존 지식 증류 방식과 달리, 하나의 3D 객체 탐지 모델 안에서 전체 네트워크를 교사 모델로 활용하고 가지치기로 만든 부분 네트워크를 학생 모델로 활용하는 방식이다. 학습 과정에서는 그래디언트를 기반으로 중요한 구조를 선택해 정확도를 유지하면서 경량 모델을 찾도록 설계했다. 전체 모델과 경량 모델이 동시에 학습되도록 해 별도로 모델을 축소하는 과정을 줄일 수 있다는 설명이다. 연구팀은 이 기술을 적용하면 자율주행 차량처럼 높은 인식 정확도와 실시간 처리가 동시에 필요한 환경에서 3D 인지 모델의 연산량과 실행 시간을 줄일 수 있다고 설명했다. 국민대는 이번 기술이 차량용 AI와 엣지 AI 시스템 등에 활용될 수 있을 것으로 보고 있다. DAC는 전자회로·시스템 설계와 설계자동화 분야 국제학술대회로, 반도체 설계와 AI·머신러닝 시스템, AI 구현 기술 등의 연구 성과가 발표된다. Copyright ⓒ Metro. All rights reserved. (주)메트로미디어의 모든 기사 또는 컨텐츠에 대한 무단 전재ㆍ복사ㆍ배포를 금합니다. 주식회사 메트로미디어 · 서울특별시 종로구 자하문로17길 18 ㅣ Tel : 02. 721. 9800 / Fax : 02. 730. 2882 문의메일 : webmaster@metroseoul.co.kr ㅣ 대표이사 · 발행인 · 편집인 : 이장규 ㅣ 신문사업 등록번호 : 서울, 가00206 인터넷신문 등록번호 : 서울, 아02546 ㅣ 등록일 : 2013년 3월 20일 ㅣ 제호 : 메트로신문 사업자등록번호 : 242-88-00131 ISSN : 2635-9219 ㅣ 청소년 보호책임자 및 고충처리인 : 안대성

   原文を見る
3. [3]

   국민대 연구팀, 현대차와 자율주행 AI 연산 효율 높인 'SharedKD' 공개

   報道引用

   열린뉴스통신 · Tue, 11 Aug 2026 04:22:17 GMT

   이전 기사보기 다음 기사보기 국민대 연구팀, 현대차와 자율주행 AI 연산 효율 높인 'SharedKD' 공개 바로가기 복사하기 본문 글씨 줄이기 본문 글씨 키우기 스크롤 이동 상태바 DAC 2026에서 논문을 발표하는 조현준 석사과정 학생. (제공=국민대학교) 열린뉴스통신ONA (서울=열린뉴스통신) 박소연 기자 = 국민대학교 연구진이 현대자동차와의 공동 연구를 통해 자율주행 차량용 3D 인지 모델의 연산 효율을 높이는 경량화 기술을 개발했다. 국민대 AI SW학과 김장호 교수 연구팀(조현준 안상호 석사과정)은 현대자동차와 함께 3D 객체 탐지 모델 경량화 기술인 SharedKD 를 선보였다. 해당 연구 성과는 설계자동화 분야 국제 학술대회인 DAC(Design Automation Conference) 2026 에서 발표됐다. 연구팀이 개발한 SharedKD는 별도의 교사 모델과 학생 모델을 분리하던 기존 지식 증류 방식과 차이가 있다. 하나의 모델 안에서 전체 네트워크를 교사 모델로, 가지치기한 부분 네트워크를 학생 모델로 활용하는 구조다. 학습 과정에서 그래디언트를 바탕으로 주요 구조를 동적으로 선택해 정확도를 유지하면서도 경량화된 모델을 탐색한다. 이번 연구는 대규모 네트워크 내에서 실제 배포에 적합한 경량 모델을 동시에 탐색 학습하도록 설계됐다. 전체 모델과 부분 모델이 상호 학습을 돕는 구조를 적용해 효율성을 높였다. 국민대 측은 높은 인식 정확도와 빠른 반응 속도가 요구되는 자율주행 환경에서 3D 인지 모델의 연산량과 실행 시간을 크게 줄임에 따라, 향후 차량용 AI 및 엣지 시스템의 실시간 처리 성능 향상에 기여할 것으로 기대한다고 설명했다. 아울러 대학 관계자는 이번 성과에 대해 대학 특성화 전략인 KMU Vision 2035: EDGE 의 주요 분야인 AI+X 와 모빌리티 의 접점에서 거둔 성과라며, 산학협력을 통해 실제 산업 현장에 적용 가능한 기술을 확보했다는 점에서 의의를 지닌다고 덧붙였다.

   原文を見る
4. [4]

   국민대 조현준·안상호 연구원, 현대차와 자율주행용 3D 객체 탐지 경량화 기술 개발

   報道引用

   뉴스티앤티 · Tue, 11 Aug 2026 03:04:00 GMT

   AI·반도체 설계자동화 학회 ‘DAC 2026’서 ‘SharedKD’ 발표… 정확도 유지하며 연산·응답 시간 획기적 단축 DAC 2026에서 논문을 발표하는 조현준 석사과정 학생 국민대학교 AI SW학과 석사과정 조현준 안상호(김장호 교수 연구팀) 학생이 현대자동차와의 공동연구를 통해 자율주행용 3D 객체 탐지 모델을 효율적으로 경량화하는 기술인 SharedKD 를 개발하고, 세계적 권위의 학회 DAC 2026 에서 연구성과를 발표했다고 11일 밝혔다. 이번에 개발된 SharedKD 는 기존의 지식증류(Knowledge Distillation) 방식과 차별화된 메커니즘을 적용했다. 별도의 교사(Teacher) 및 학생(Student) 모델을 각각 두지 않고, 하나의 3D 객체 탐지 네트워크 안에서 전체 구조를 교사 모델로 활용하는 동시에 가지치기(Pruning)를 통해 생성된 부분 네트워크를 학생 모델로 활용하는 방식이다. 학습 과정에서 그래디언트(Gradient) 정보를 기반으로 중요한 구조를 동적으로 선택함으로써, 높은 인식 정확도를 유지하는 동시에 실행 효율이 극대화된 경량 모델을 실시간으로 탐색하고 학습하는 것이 핵심 기술이다. 연구진은 이 접근법이 이미 학습된 모델을 사후적으로 축소하는 기존의 한계에서 벗어나, 대규모 모델 내부에서 배포 가능한 경량 모델을 실시간으로 발견하고 최적화할 수 있게 해준다고 설명했다. 특히 자율주행 차량처럼 높은 인식 정확도와 실시간 처리가 동시에 요구되는 환경에서 연산량과 응답시간을 크게 줄여, 엣지 환경에서의 적용 가능성을 획기적으로 높였다는 점에서 큰 주목을 받았다. 이번 성과는 국민대의 미래 발전 전략인 KMU Vision 2035: EDGE 와도 맞닿아 있다. 대학 측은 AI+X(융합)와 모빌리티의 접점에서 산업체와의 긴밀한 공동연구를 통해 실무 적용 가능성이 높은 AI 모델 최적화 기술을 확보한 선도적 사례로 의미를 부여했다. 한편, 본 연구가 발표된 DAC(Design Automation Conference)는 반도체 설계부터 AI 시스템 효율화에 이르기까지 설계자동화 분야의 주요 혁신 연구들이 발표되는 최고 권위의 국제학술대회로, 이번 발표는 국내 대학과 기업 간 협력의 글로벌 기술 경쟁력을 입증한 계기로 평가된다. 연구팀은 향후 다양한 3D 센서 및 모델 구조에 SharedKD를 적용해 성능 검증을 확대하는 한편, 실제 차량용 임베디드 환경과 다양한 엣지 디바이스에서의 실증 연구를 본격적으로 추진할 계획이다. SNS 기사보내기 이메일(으)로 기사보내기 다른 공유 찾기 기사스크랩하기 성영희 기자 heesy0508@naver.com 기자의 다른기사 보기 기사제보 저작권자 뉴스티앤티 무단전재 및 재배포 금지 댓글 내용입력 더보기 삭제한 댓글은 다시 복구할 수 없습니다. 그래도 삭제하시겠습니까?

   原文を見る