https://scholar.dgist.ac.kr/handle/20.500.11750/94 Sat, 04 Apr 2026 14:13:45 GMT 2026-04-04T14:13:45Z https://scholar.dgist.ac.kr/handle/20.500.11750/59796 Title: Fault Detection and Toleration for Four Wheeled Skid Steered UGV Author(s): Youngwoo An Abstract: UV 시스템은 UGV와 UAV로 구성되며, 위험하고 도전적인 환경에서 임무를 수행할 수 있는 능력 덕분에 산업, 연구, 군사 목적 등 다양한 분야에서 널리 사용되고 있다. 그러나 이러한 활용 가능성에도 불구하고, 실제 환경에서 UV를 운용하는 데에는 배터리 제한, 통신 문제, 제어 시스템 고장, 센서 및 구동기 고장과 같은 다양한 어려움이 존재한다. 특히, UV의 제어에 영향을 미치는 고장은 주변 UV에 피해를 주거나 주어진 임무를 완수할 수 없게 된다. 또한, UV가 고장으로 인해 기지로 복귀할 수 없는 경우 경제적 손실이 발생할 수 있으며, 군사 기밀이 유출될 위험도 존재한다. 이러한 UV의 고장을 극복하기 위해, 우리는 고장 검지 및 대응 기법을 제안한다. 첫 번째 주제는 UGV 구동기 고장 검지 및 대응 기법이다. 우리는 구동기의 전압 입력이 단절되는 고장을 고려한다. 이 고장을 검지하기 위해, 신경망을 이용한 구동기 고장 검지기를 설계하였다. 제안된 검지기는 4륜 구동 스키드 스티어 UGV를 이용한 실험을 통해 검증되었다. 또한, 구동기 고장 대응 기법을 제안했다. 고장 대응을 위해 고장이 발생된 UGV의 성능 저하를 정량화하였다. 이 정량화된 성능을 기반으로 고장이 발생한 UGV가 원하는 궤적을 추종할 수 있도록 UGV의 경로를 조정하는 고장 대응 기법을 적용하였다. 해당 고장 대응 기법 역시 실험을 통해 검증되었다. 두 번째 주제는 UGV 센서 고장 검지 및 대응 기법이다. 우리는 UGV가 두 세트의 위치 및 방향 센서를 갖추고 있다고 가정한다. 고려된 센서 고장 유형으로는 완전 고장, 바이어스 고장, 드리프트 고장, 그리고 정밀도 저하가 있다. 제안된 센서 고장 탐지기는 LSTM 네트워크 모듈, 진폭 차이 임계값 설정 모듈, 그리고 구동 움직임 일관성 검사 모듈로 구성된다. 센서 고장 대응 기법은 고장이 발생된 센서를 제외하고 정상적인 센서만을 이용하여 UGV를 제어하는 방식이다. 이를 통해, UGV는 정상적인 센서를 활용하여 계속해서 제어될 수 있다. 제안된 센서 고장 검지 및 대응 기법은 실험을 통해 검증되었다. 마지막 주제는 다중 UV 시스템에서의 임무 재할당 기법으로, 다중 UV 시스템에서 고장이 발생되더라도 임무를 지속할 수 있도록 고장 UV를 정상 UV로 대체하는 최적의 해를 제시한다. 제안된 기법은 MILP를 이용하여 설계되었다. 임무 재할당 기법은 세 가지 비용 요소를 고려한다. 첫 번째 비용 요소는 정상 UV와 고장이 발생한 UV 사이의 거리 기반 비용, 두 번째 요소는 정상 UV와 고장이 발생한 UV 간의 임무 우선 우선도 차이에 따른 비용, 세 번째 요소는 고장이 발생한 UV를 다른 타입의 정상 UV로 교체할 때 발생하는 비용이다. 제안된 임무 재할당 기법의 해를 구하면, 고장이 발생한 UV의 임무를 재할당하는 최적의 해를 도출할 수 있다. 또한, MILP의 높은 연산 부담을 줄이기 위해 그룹화 기법을 추가로 제안하였다. 이 기법을 적용하면 다수의 UV가 동시에 임무를 수행하는 환경에서도 계산이 몇 초 내에 완료되며, 실시간 운영이 필요한 상황에서도 효과적으로 적용될 수 있다. 제안된 임무 재할당 기법은 네 대의 UGV를 이용한 실험을 통해 검증되었다. 이 세 가지 기법을 통해, 우리는 실제 환경에서 운영되는 UV 시스템의 신뢰성과 회복가능성을 향상시키고자 한다. 구동기 및 센서 고장을 효과적으로 검지하고 대응하며, 다중 UV 시스템에서 임무를 재할당함으로써, UV 고장으로 인해 발생할 수 있는 위험을 완화할 수 있다. 그 결과, 경제적 손실을 줄이고 고장으로 인한 임무 실패를 방지하는 데 기여할 수 있다. 또한, 각 기법의 실험적 검증을 통해 그 실현 가능성과 효율성을 입증했다.|The UV systems, which consist of UGVs and UAVs, are commonly used in various fields such as industry, academia, and the military due to their ability to perform tasks in dangerous and challenging environments. However, despite their usability, operating UVs in the actual fields presents various challenges such as battery limitations, communication loss, control system failures, and sensor and actuator faults. In particular, faults that affect UV control can cause damage to surrounding UVs or make it impossible to complete a given mission. In addition, if UVs cannot be recovered due to failures, economic losses can occur, and military secrets could be compromised. In order to overcome the UV's faults, we propose fault detection and toleration methods. The first topic is the UGV actuator fault detection and toleration method. We consider the actuator faults that disconnect the actuator's voltage input. To detect the actuator fault, we design an actuator fault detector using a neural network. The proposed detector is validated through experiments using a four-wheeled skid-steered UGV. For the actuator fault toleration, we quantify the degraded performance of the faulted UGV. Based on this quantified performance, the fault tolerance method adjusts the reference trajectory to ensure that the faulty UGV can still follow it. The actuator fault toleration method is also validated through experiments. The second topic is the UGV sensor fault detection and toleration method. We assume that the UGV is equipped with two sets of position and orientation sensors. The considered sensor faults include complete fault, bias fault, drift fault, and precision degradation. The proposed sensor fault detector consists of an LSTM network module, an amplitude difference thresholding module, and an actuation motion coherence module. The sensor fault toleration method excludes the faulted sensor and relies on the remaining normal sensors. This proposed fault toleration method allows the UGV to maintain control using the normal sensor. We validate the proposed sensor fault detection and toleration method through experiments. The last topic is a multi-UV task reallocation method that ensures task continuity and resiliency when UV faults occur in a swarm UV system. The proposed method is formulated using MILP. The task reallocation method considers three types of costs: The first cost is the cost based on the distance between a normal UV and a faulted UV, the second cost is the cost based on the difference in task priority between the normal UV and the faulted UV, and the third cost is the additional cost when replacing the faulted UV with a different type of normal UV. If we solve the proposed task reallocation method, we can have the optimal solution for the faulted UV task reallocation. To reduce computation time, we also propose a grouping method that mitigates the high computational burden of MILP. By applying this grouping method, the calculation is completed within seconds, even when 200 UVs perform tasks, making it effective in environments where multiple UVs operate simultaneously. We validate the proposed task reallocation method using four UGVs through experiments. Through these three proposed methods, we aim to enhance the reliability and resilience of UV systems operating in real-world environments. By effectively detecting and tolerating actuator and sensor faults in UGVs, as well as reallocating tasks in multi-UV systems, the proposed approaches mitigate the risks associated with UV failures. As a result, they contribute to reducing economic losses and preventing mission failures. The experimental validation of each method demonstrates its feasibility and effectiveness. Description: Unmanned vehicle, actuator and sensor fault, fault detection and toleration, task reallocation Tue, 31 Dec 2024 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/59796 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59795 Title: Optimization of Structural Design for Vertically Stacked Plate-Type Transistors Author(s): Goeun Pyo Description: Vertically stacked transistor, vertical transistor, dual-gate vertical transistor, memorable vertical transistor, nano channel length Tue, 31 Dec 2024 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/59795 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59794 Title: Energy-Efficient Accelerator Design for Lightweight Deep Learning Workloads Author(s): Seock-Hwan Noh Abstract: “More data, more compute, better performance.” This concise phrase aptly captures the trajectory of modern AI development. Although today’s AI algorithms deliver high performance across a wide range of applications, they do so at the cost of enormous computational demand. Each year, newly introduced high-performance AI models are designed around ever larger datasets and substantially larger compute budgets. Recent models incorporate massive matrix operations with hundreds of millions to trillions of parameters. Such computational loads lengthen processing times, increase memory traffic, and drive up power consumption, thereby escalating system-level operating costs. To mitigate these issues, software-level model-compression techniques, e.g., such as quantization and sparsity, have been actively explored. Yet, for these techniques to translate into real-world efficiency gains, a supporting hardware foundation is essential. Although modern GPUs support multiple precision modes and incorporate specialized cores such as Tensor Cores, they are primarily optimized for regular, dense computations. As a result, hardware inefficiencies and underutilization still arise when handling low-precision operations or workloads with irregular sparsity. Likewise, many recent AI accelerators are optimized for regular matrix operations in CNNs and Transformers, emphasizing fixed dataflows and structured sparsity, and therefore struggle to handle modern workloads that feature dynamic precision, unstructured sparsity, and diverse operation patterns. Addressing these limitations, this dissertation consolidates the hardware-circuit and architectural research performed during the my graduate studies. The work spans the entire hardware stack—from multiplier and MAC-unit circuit design, through compute-array organizations that optimize dataflow and resource utilization, to an AI accelerator architecture capable of flexibly supporting a wide range of precisions and sparsity patterns. The proposed designs achieve high resource utilization and demonstrate superior performance and energy efficiency on compressed AI models. The dissertation presents these hardware designs in the order of circuit, compute-array, and system-architecture levels, highlighting the structural characteristics and performance benefits of each tier.|“More data, more compute, better performance.” 이 간결한 문장은 오늘날 AI 발전의 방향을 잘 요약해 줍니다. 현재의 AI 알고리즘들은 다양한 응용 분야에 적용될 만큼 높은 성능을 보이고 있지만, 이는 막대한 연산량을 전제로 합니다. 나아가, 매년 새롭게 등장하는 고성능 AI 모델들은 이전보다 더 많은 데이터와 더 큰 연산 자원을 기반으로 설계되고 있습니다. 최근의 AI 모델들은 수억~수천억 개의 파라미터를 기반으로 하는 대규모 행렬 연산을 포함합니다. 이러한 연산부담은 긴 처리 시간으로 인해 AI 서비스의 응답시간을 증가시키고, 메모리 접근량 증가, 엄청난 전력 소비로 인한 시스템 운영 비용 등 여러 문제를 야기합니다. 이러한 문제를 해결하기 위해, 소프트웨어 측에서는 데이터 양자화(quantization), 연산 희소성(sparsity) 등을 활용한 모델 경량화 기법들이 활발히 연구되고 있습니다. 하지만 이러한 기법들이 실제 하드웨어 상에서 효율적인 실행으로 이어지기 위해서는, 이를 뒷받침할 수 있는 하드웨어 구조가 필수적입니다. 기존의 범용 하드웨어인 GPU는 다양한 정밀도 모드를 지원하지만, 고정된 연산 유닛 구조로 인해 저정밀도나 비정형 sparsity 기반 연산 수행 시 연산 자원의 활용률이 크게 저하되는 한계가 있습니다. 또한, 최근의 AI 가속기들은 CNN 및 Transformer와 같은 정형 행렬 연산에 최적화된 고정형 데이터플로우와 구조화된 sparsity를 주로 지원하기 때문에, 동적 정밀도, sparsity, 다양한 연산 패턴을 갖는 현대 AI 워크로드를 유연하게 처리하기 어렵습니다. 이러한 종래 가속기들의 한계점을 극복하고, 경량화된 AI 모델들이 갖는 정밀도 가변성과 연산 희소성을 효과적으로 활용하기 위해, 본 논문은 제가 대학원 생활 동안 수행한 다양한 하드웨어 회로 및 아키텍처 연구 결과들을 소개합니다. 곱셈기 및 MAC 유닛 수준의 회로 설계부터, 데이터플로우와 자원 활용 최적화를 위한 연산 배열 구조, 그리고 다양한 정밀도 및 sparsity 특성을 유연하게 처리할 수 있는 AI 가속기 아키텍처에 이르기까지, 하드웨어 스택 전반에 걸쳐 수행한 연구 내용을 정리하였습니다. Description: AI Accelerator, Precision-Scalable Multiplier, Scalable MAC Array, Flexible Network-On-Chip, High resource Utilization, Sparsity, Quantization, Convolutional Neural Network (CNN), Natural Language Processing (NLP), Large Language Model (LLM), Neural Scene Rendering (NeRF) Tue, 31 Dec 2024 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/59794 2024-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/59793 Title: Motion Planning and Control Strategies for Automated and Remote Driving Systems Author(s): Ji Hwan Seo Description: Automated driving, remote driving, motion planning, driving safety, ride comfort Tue, 31 Dec 2024 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/59793 2024-12-31T15:00:00Z