https://scholar.dgist.ac.kr/handle/20.500.11750/94 Sun, 13 Sep 2026 10:01:33 GMT 2026-09-13T10:01:33Z https://scholar.dgist.ac.kr/handle/20.500.11750/60751 Title: Robust 3D Scene Representations for Autonomous Agents Author(s): Kyumin Hwang Abstract: 강건한 3차원 장면 표현은 자율주행 차량 및 실내 로봇과 같이 현실 세계 환경에서 작동하는 자율 에이전트에게 필수적인 핵심 기능입니다. 현대의 시스템은 원시 센서 입력으로부터 정확한 3차원 기하학적 구조를 복원해야 할 뿐만 아니라, 주변 환경이 어떻게 변화할지 예측하고 이러한 예측을 안전한 움직임으로 변환해야 합니다. 본 학위 논문은 이 파이프라인의 세 가지 주요 병목 현상을 다루며, 단일 시점 인지에서 다중 시점 인지, 그리고 궁극적으로 예측적 4차원 세계 모델링으로 점진적으로 확장되는 구조를 갖습니다. 첫째, 거울이나 정반사 재질에서 램버시안 가정이 무너지는 반사 표면에서의 자기 지도 단안 깊이 추정 내 광도 불일치 문제를 해결합니다. 우리는 고유 이미지 분해를 깊이 학습 파이프라인에 통합하는 완전한 자기 지도 방식의 엔드-투-엔드 프레임워크를 제안합니다. 각 입력을 난반사 및 시점 종속적인 잔차 구성 요소로 분리함으로써, 이 프레임워크는 픽셀 단위의 반사 영역을 국소화하고 보조적인 지도 학습 없이 학습 목표에서 이를 제외합니다. 둘째, 자율주행을 위한 전방위 단안 깊이 추정에서 발생하는 스케일 및 교차 시점 불일치 문제를 다룹니다. 우리는 파운데이션 모델의 지식을 경량화된 학생 모델로 전달하는 상호 보완적인 두 가지 지식 증류 기법을 제안합니다. 교차 상호작용 지식 증류는 학생 모델의 빈 중심이 목표 메트릭 스케일을 학습하도록 하는 동시에, 교사 모델의 스케일 불변 구간 확률을 전달합니다. 시점 관계 지식 증류는 구간 확률에 대한 관계 잠재 함수를 통해 인접한 서라운드 카메라 간의 구조적 관계를 추가적으로 전달합니다. 셋째, 정적인 3차원 인지를 넘어 동적인 주행 환경을 예측하는 단계로 확장합니다. 우리는 세계 모델 아키텍처에 거친 수준에서 세밀한 수준으로 이어지는 캐스케이드 패러다임을 직접 주입한 자기회귀 점유 세계 모델을 제안합니다. 계층적 다중 척도 VQVAE는 3차원 점유 복셀 그리드를 공간 토큰 피라미드로 토큰화하며, 캐스케이드 트랜스포머는 가장 거친 전역적 맥락에서부터 가장 세밀한 동적 디테일에 이르기까지 예측을 점진적으로 정제합니다. 나아가 교차 척도 잔차 어텐션을 통해 장기 및 단기 의존성을 융합하는 게이트 시간 피라미드 모듈인 TimeMixer를 설계합니다. 우리의 이 세 가지 주요 기여는 단일 시점에서의 강건한 기하학적 인지에서 시작하여 척도 일관성을 갖춘 다중 시점 인지를 거쳐, 동작 계획으로의 루프를 완성하는 예측적 4차원 세계 모델링으로 이어지는 일관된 발전 과정을 형성합니다. 이를 관통하는 통합적 원리는 자율 에이전트를 위한 강건한 3차원 장면 표현이 단순히 더 큰 모델이나 더 많은 데이터만으로 이루어지는 것이 아니라, 3차원 세계의 물리적, 구조적 사전 지식과 학습 신호를 세심하게 정렬함으로써 달성된다는 것입니다. 즉, 암묵적으로 용인되어 사용되어오던 가정의 취약점을 해결하고, 일반화가 가능한 수준에서 표현을 증류하며, 주행 환경을 지배하는 공간적, 시간적 계층 구조를 따라 이를 구조화하는 것입니다. 우리는 이 원리가 자율주행을 넘어 일반화될 수 있으며, 동적인 3차원 환경을 인지하고 예측하며 행동하는 차세대 강건한 체화된 에이전트를 위한 기반을 제공할 것이라 믿습니다.|Robust 3D scene representation is a fundamental capability for autonomous agents operating in real-world environments such as self-driving vehicles and indoor robots. Modern systems must not only recover accurate 3D geometry from raw sensor inputs, but also forecast how the surrounding scene evolves and translate these predictions into safe motion. This dissertation addresses three critical bottlenecks in this pipeline, structured progressively from single-view perception, to multi-view perception, and finally to predictive 4D world modeling. First, we tackle the photometric inconsistency problem in self-supervised monocular depth estimation on reflective surfaces, where the underlying Lambertian assumption collapses on mirrors and specular materials. We introduce a fully self-supervised, end-to-end framework that incorporates intrinsic image decomposition into the depth-learning pipeline. By separating each input into diffuse and view-dependent residual components, the framework localizes per-pixel reflective regions and excludes them from the learning objective without any auxiliary supervision. Second, we address scale and cross-view inconsistency in Full Surround Monocular Depth Estimation for autonomous driving. We propose two complementary knowledge-distillation schemes that transfer foundation-model knowledge to lightweight students. Cross-interaction Knowledge Distillation transfers the teacher's scale-invariant bin probabilities while letting the student's bin centers learn the target metric scale. View-relational Knowledge Distillation further transfers structural relationships across adjacent surround cameras through a relational potential function over bin probabilities. Third, we move beyond static 3D perception toward forecasting dynamic driving scenes. We propose CascadeOcc, an autoregressive occupancy world model that injects the cascade, coarse-to-fine paradigm directly into the world-model architecture. A hierarchical multi-scale VQVAE tokenizes the 3D occupancy voxel grid into a spatial token pyramid, and a cascade transformer progressively refines forecasts from the coarsest global context to the finest dynamic details. We further introduce TimeMixer, a gated temporal-pyramid module that fuses long- and short-range dependencies through cross-scale residual attention. Taken together, the three contributions form a coherent progression from robust geometric perception on a single viewpoint, through scale-consistent multi-view perception, to predictive 4D world modeling that closes the loop into motion planning. The unifying principle is that robust 3D scene representations for autonomous agents arises not from larger models or more data alone, but from carefully aligning the learning signal with the physical and structural priors of the 3D world: resolving the vulnerabilities of implicitly accepted assumptions, distilling representations at the level where they generalize, and structuring them along the spatial and temporal hierarchies that govern driving scenes. We believe this principle generalizes beyond autonomous driving and provides a foundation for the next generation of robust embodied agents that perceive, anticipate, and act in dynamic 3D environments. Description: 3D Scene Representations, 3D Understanding, Depth Estimation, Occupancy World Model, Motion Planning Wed, 31 Dec 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60751 2025-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60750 Title: Artificial Olfactory System Based on Chemiresistive Sensors with Highly Porous Materials Author(s): Hyeongtae Lim Abstract: Biological olfactory systems can perceive nearly one trillion distinct odors using only a few hundred olfactory receptors. This feat is enabled by combinatorial coding: each odorant binds to multiple receptors in a many-to-many manner, and the resulting high-dimensional activation patterns are decoded by neural networks in the brain. Reproducing this capability in an artificial olfactory system (AOS) requires three elements— sensing materials that combine high sensitivity with channel diversity, a scalable fabrication strategy, and pattern-recognition algorithms that support real-time detection. Conventional electronic noses meet none of these fully: their metal-oxide sensors offer limited surface area, their single-material platforms lack diversity, and their machine-learning pipelines depend on slow, steady-state acquisition. This dissertation addresses these challenges by developing a chemiresistive AOS that biomimetically reproduces both the hardware—the receptor array—and the software—the pattern-recognition layer—of biological olfaction, using two complementary classes of highly porous materials: two-dimensional conductive metal-organic frameworks (MOFs) and laser-induced graphene (LIG). The work proceeds as a coherent progression from molecule, to receptor, to epithelium, to intelligent system. The foundational artificial receptor is built on the two-dimensional conductive MOF Cu3HHTP2, synthesized via a precisely controlled layer-by-layer self-assembly process. Owing to its intrinsic surface chemical reactivity, the resulting chemiresistor detects NO2 at ppb levels at room temperature, approaching the World Health Organization exposure guideline without the thermal activation required by conventional metal- oxide sensors. However, the dense, non-hierarchical film exhibits sluggish response and incomplete baseline recovery, displaying dosimetric behavior incompatible with real-time monitoring—a kinetic bottleneck that motivates the next architectural advance. To overcome this limitation, a lung-inspired LIG@Cu3HHTP2 hybrid is developed, in which microporous Cu3HHTP2 is grown on a macroporous LIG scaffold. The resulting hierarchical gas-transport pathway, analogous to the bronchial structure of the human lung, enables rapid analyte diffusion to and from the MOF active sites. The hybrid achieves a theoretical limit of detection of 0.168 ppb for NO2 with fully reversible, second-scale response and recovery. This enhancement arises from the synergy of three contributions: accelerated mass transport through the hierarchical pores, electronic structure modulation at the MOF–LIG interface, and efficient signal transduction through the conductive LIG backbone. Building on this single-receptor advance, the platform is then extended into a multichannel artificial olfactory epithelium. A one-step photothermal laser process fabricates ceria-doped LIG (CeLIG) arrays in which systematic variation of laser power and pulse density produces intentional diversity in graphitization, surface chemistry, and the Ce3+/Ce4+ ratio of the in-situ formed CeOx nanocatalysts. This single-step strategy replaces the repetitive mask-based deposition that has long constrained scalable array fabrication, and the resulting ten-channel array classifies nine fragrance odorants used in the cosmetics industry with accuracy above 97%, confirming that combinatorial coding capability can emerge from a single, scalable fabrication process. Hardware and software are finally integrated to close the gap between laboratory demonstration and practical deployment, where odorants are diluted, identification must occur in real time, and analytes are typically present as multicomponent mixtures. The CeLIG array is coated with Cu3HHTP2 to assign distinct, complementary roles to the two materials—CeLIG providing selectivity through laser-tuned channel diversity, and Cu3HHTP2 providing sensitivity through MOF-driven signal enhancement. A CNN–transformer network adopts a real-time detection strategy on this hybrid array, identifying diluted single odorants as well as binary and ternary fragrance mixtures with classification accuracy above 97% while simultaneously recovering their individual concentrations. Collectively, this dissertation contributes a hardware–software co-design framework for artificial olfaction in which sensitivity and selectivity are first decoupled at the material level and then recombined through scalable laser processing, while a temporal deep-learning model translates raw sensor dynamics into real-time, quantitative olfactory perception. The trajectory traced—from molecule, to receptor, to epithelium, to intelligent system—provides a foundational blueprint for next-generation porous-material-based machine olfaction, with applications spanning environmental monitoring, healthcare, and industrial quality control.|생물학적 후각 시스템은 약 400여 종의 후각 수용체만으로도 약 1조 가지의 냄새를 구별할 수 있다. 이는 후각 수용체 표면에서 일어나는 다대다(many-to-many) 분자 결합이 형성한 고차원 패턴을 신경망이 해석하는 조합 코딩(combinatorial coding) 원리에 기반한다. 인공 후각 시스템(Artificial Olfactory System, AOS)이 이러한 능력을 재현하기 위해서는 (1) 높은 감도와 채널 다양성을 동시에 갖춘 감지 소재, (2) 확장 가능한 공정 전략, (3) 실시간 감지가 가능한 패턴 인식 알고리즘이 요구된다. 그러나 기존 전자코는 표면적이 제한된 금속 산화물 기반 센서, 채널 다양성이 부족한 단일 재료 플랫폼, 그리고 정상 상태 응답에 의존하는 머신러닝 파이프라인으로 인해 실환경 적용에 한계를 보여 왔다. 본 학위논문은 다공성 소재인 2차원 전도성 금속-유기 골격체(Metal-Organic Framework, MOF)와 레이저-유도 그래핀(Laser-Induced Graphene, LIG)을 활용하여, 생물학적 후각의 하드웨어인 수용체 어레이와 소프트웨어인 패턴 인식 계층을 동시에 모사하는 화학저항형 AOS를 제안한다. 연구는 분자에서 수용체로, 수용체에서 상피로, 그리고 상피에서 지능형 시스템으로 이어지는 일관된 흐름으로 전개된다. 먼저 기초적 인공 후각 수용체로서 2차원 전도성 MOF인 Cu3HHTP2 박막을 정밀하게 제어된 layer-by-layer 자기조립 공정으로 합성하였다. 본 박막은 π–d 결합에서 비롯된 고유 전도성과 표면 화학 반응성을 바탕으로 상온·무가열 조건에서 ppb 수준의 NO2를 감지함으로써 세계보건기구(WHO) 노출 기준에 근접한 성능을 달성하였다. 다만 비계층적 치밀막은 느린 응답과 불완전한 회복이라는 투여량 의존적 거동을 보였으며, 이러한 운동학적 한계는 다음 단계의 구조적 혁신을 이끄는 동기가 되었다. 이 한계를 극복하기 위해 폐 구조를 모사한 LIG@Cu3HHTP2하이브리드를 개발하였다. 거대다공성 LIG 골격 위에 미세다공성 Cu3HHTP2를 성장시킴으로써 인간의 기관지 구조와 유사한 계층적 기체 수송 경로를 구축하였고, 이를 통해 분석물이 MOF 활성점에 빠르게 도달하고 빠져나갈 수 있게 하였다. 그 결과 본 하이브리드는 NO2에 대해 0.168 ppb의 이론적 검출한계와 초 단위의 가역적 응답·회복을 달성하였으며, 이는 계층적 다공 구조에 의한 가속 물질전달, MOF-LIG 계면에서의 전자 에너지 구조 변조, 그리고 LIG의 효율적 신호 전달이 시너지를 이룬 결과로 해석된다. 이러한 단일 수용체 수준의 성과를 바탕으로, 플랫폼은 다채널 인공 후각 상피로 확장된다. 단일 단계의 광열 레이저 공정을 통해 세리아 도핑 LIG(CeLIG) 어레이를 제작하였으며, 레이저 출력과 펄스 밀도를 체계적으로 조절하여 흑연화 정도, 표면 화학, 그리고 in-situ 형성된 CeOx 나노촉매의 Ce3+/Ce4+ 비율을 의도적으로 다양화하였다. 이 단일 공정 전략은 그동안 확장성을 제약해 온 마스크 기반 반복 증착을 대체하며, 이렇게 구현된 10채널 어레이는 화장품·향수 산업에서 사용되는 9종 향료 분자를 97% 이상의 정확도로 분류함으로써 단일 공정 기반 플랫폼에서도 조합 코딩 능력이 발현될 수 있음을 입증하였다. 마지막으로, 실험실 수준의 검증과 실환경 적용 사이의 간극—즉 희석 조건에서의 감지, 실시간 식별, 다성분 혼합물 인식—을 메우기 위해 하드웨어와 소프트웨어를 통합하였다. CeLIG 어레이 위에 Cu3HHTP2를 등각 코팅함으로써, CeLIG는 레이저 조정 기반 채널 다양성으로 선택성을, Cu3HHTP2는 MOF 기반 신호 증폭으로 감도를 담당하는 역할 분리형 하이브리드를 구성하였다. 이 하이브리드 어레이 위에서 CNN–transformer 네트워크가 실시간 감지 전략을 구현함으로써, 희석된 단일 분석물뿐 아니라 이진·삼진 향료 혼합물까지 97% 이상의 분류 정확도로 식별하였으며, 동시에 각 성분의 농도를 정량적으로 예측하였다. 종합하면, 본 학위논문은 감도와 선택성을 재료 수준에서 분리한 후 확장 가능한 레이저 공정으로 재결합하고, 시간적 딥러닝을 통해 원시 센서 신호를 실시간 정량 후각 인지로 변환하는 하드웨어–소프트웨어 통합 설계 프레임워크를 제시한다. 분자에서 수용체로, 수용체에서 상피로, 상피에서 지능형 시스템으로 이어지는 본 연구의 궤적은 환경 모니터링, 헬스케어, 산업 품질 관리 등 광범위한 응용으로 확장될 수 있는 다공성 소재 기반 차세대 기계 후각의 기반을 제공한다. Description: Artificial olfactory system, Metal-organic frameworks, Laser-induced Graphene, Laser process, Gas sensors Wed, 31 Dec 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60750 2025-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60749 Title: Control-Informed Networking: Designing Cyber-Physical Systems Networks with Integrated Control Author(s): Hyung-Seok Park Abstract: As robotic systems are increasingly deployed in real-world industrial environments, their dependence on wireless networks for communication with fleet management systems, remote operators, and cooperating robots has become a critical performance bottleneck. Yet the robotic systems community has largely treated the network as a transparent pipe, lacking quantitative understanding of how network parameters affect communication behavior and control-relevant performance. This dissertation addresses this gap by analyzing network parameters in robotic cyber-physical systems （CPS）, identifying which parameters can be configured by the designer and which are imposed by the wireless environment, and optimizing each category through the appropriate mechanism. We begin by deriving a closed-form latency model L（p,h,r） for the Data Distribution Service （DDS） in ROS 2, expressing the average communication latency as a function of the packet delivery ratio p, the heartbeat period h, and the data period r. Validated with an average error of 6.88% across 35 experimental scenarios, the model reveals that all three parameters significantly influence latency, but their natures differ fundamentally: h and r are design variables that the engineer can directly configure and optimize, whereas p is an environment variable determined by the wireless channel that cannot be set by design. Moreover, changes in p have a large and nonlinear effect: a 21% reduction in p causes up to 13.2x increase in latency, meaning that even after configuring h and r, the system remains vulnerable to the wireless environment. This finding establishes that design variable optimization is necessary but insufficient, motivating a complementary mechanism to discover the best available p. To address this remaining vulnerability, we propose the Criticality-Aware Adaptive Path Learning （CAPL） algorithm for industrial wireless sensor-actuator networks （IWSAN）. In a multi-path network, different paths offer different values of p, but the best path is initially unknown and must be discovered through exploration. This exploration poses a fundamental dilemma in CPS: transmitting on an untested path risks losing a control packet, and the physical consequences of that loss depend on the current state of the controlled system. CAPL resolves this dilemma by introducing a physically-grounded concept of dynamic packet criticality, using low-criticality moments, when the system can tolerate packet loss, for network exploration. Simulation and testbed experiments demonstrate that CAPL reduces the average settling time by 18.25%, 7.19%, and 35.58% compared to epsilon-greedy, SWUCB, and EXP3, respectively. These two contributions, analysis at the application layer （DDS/Ethernet） and search at the routing layer （IEEE 802.15.4/IWSAN）, are abstracted into a control-informed networking framework based on parameter controllability. The framework follows an analyze-classify-act structure: model how network parameters affect performance, identify which parameters are configurable or environmental, optimize the design variables analytically, and discover the best available environment variable through control-state-guided exploration. The cross-layer, cross-stack evidence suggests that this perspective is useful beyond either individual protocol in a limited but practical sense. Together, the framework shows that effective CPS network design requires both analytical understanding of configurable parameters and control-state-guided search for environmental parameters.|로봇 시스템이 물류, 제조, 서비스 등 실제 산업 환경에 광범위하게 배치됨에 따라, 플릿 관리 시스템, 원격 운영자, 협력 로봇과의 무선 네트워크 통신 의존도가 핵심 성능 병목으로 부상하고 있다. 그러나 로봇 시스템 커뮤니티는 네트워크를 투명한 파이프로 간주해 왔으며, 네트워크 파라미터가 제어 성능에 미치는 영향에 대한 정량적 이해가 부족한 상황이다. 본 학위논문은 로봇 사이버-물리 시스템（CPS）의 네트워크 파라미터를 분석하고, 설계자가 직접 설정할 수 있는 파라미터와 무선 환경에 의해 결정되는 파라미터를 구분한 뒤, 각 범주에 적합한 방식으로 최적화하는 제어 인지 네트워킹 관점을 제시한다. 먼저 ROS 2의 데이터 분산 서비스（DDS）에 대한 폐쇄형 지연 모델 L（p,h,r）을 도출하여, 평균 통신 지연을 패킷 전달률 p, 하트비트 주기 h, 데이터 주기 r의 함수로 표현한다. 35개 실험 시나리오에 걸쳐 평균 오차 6.88%로 검증된 이 모델은 세 파라미터 모두 지연에 유의미한 영향을 미치지만 그 성격이 근본적으로 다름을 밝힌다: h와 r은 엔지니어가 직접 설정하고 최적화할 수 있는 설계 변수（design variable）인 반면, p는 무선 채널에 의해 결정되어 설계로 제어할 수 없는 환경 변수（environment variable）이다. 특히 p의 변화는 크고 비선형적인 영향을 미쳐, p가 21% 감소하면 지연이 최대 13.2배 증가한다. 이는 설계 변수 h와 r을 조정한 이후에도 시스템 성능이 무선 환경에 취약할 수 있으며, 가능한 환경 중 더 나은 p를 발견하기 위한 보완적 메커니즘이 필요함을 의미한다. 이 취약성을 해소하기 위해 산업용 무선 센서-액추에이터 네트워크（IWSAN）를 위한 임계도 인지 적응형 경로 학습（CAPL） 알고리즘을 제안한다. 다중 경로 네트워크에서 서로 다른 경로는 서로 다른 p 값을 제공하지만, 최적 경로는 사전에 알 수 없으며 탐색을 통해 발견해야 한다. 이 탐색은 CPS에서 근본적인 딜레마를 야기한다: 미탐색 경로로의 전송은 제어 패킷 손실 위험을 수반하며, 그 물리적 결과는 피제어 시스템의 현재 상태에 의존한다. CAPL은 물리적 기반의 동적 패킷 임계도 개념을 도입하여, 시스템이 패킷 손실을 허용할 수 있는 저임계도 순간을 네트워크 탐색에 활용함으로써 이 딜레마를 해결한다. 시뮬레이션 및 테스트베드 실험에서 CAPL은 epsilon-greedy, SWUCB, EXP3 대비 평균 정착 시간을 각각 18.25%, 7.19%, 35.58% 감소시켰다. 응용 계층（DDS/Ethernet）에서의 분석과 라우팅 계층（IEEE 802.15.4/IWSAN）에서의 탐색이라는 두 기여를 파라미터 제어 가능성에 기반한 제어 인지 네트워킹 프레임워크로 추상화한다. 이 프레임워크는 CPS 네트워크 최적화를 분석-분류-실행 과정으로 구조화한다: 네트워크 파라미터가 성능에 미치는 영향을 모델링하고, 각 파라미터가 설정 가능한 설계 변수인지 환경 변수인지 구분한 뒤, 설계 변수는 해석적으로 최적화하고 환경 변수는 제어 상태 기반 탐색을 통해 가능한 최선의 값을 발견한다. 교차 계층, 교차 스택 증거는 이 관점이 특정 프로토콜 구현에만 묶이지 않는 유용한 설계 관점임을 보여준다. Description: Cyber-physical systems, parameter controllability, ROS 2 DDS, latency modeling, industrial wireless networks, multi-armed bandit, control-informed networking Wed, 31 Dec 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60749 2025-12-31T15:00:00Z https://scholar.dgist.ac.kr/handle/20.500.11750/60748 Title: Microarchitectural Vulnerabilities of Performance and Energy Efficiency Techniques in Data Center Servers Author(s): Hyosang Kim Description: Microarchitectural Security, Idle states, Accelerator, Covert Channel, Side-channel|마이크로아키텍처 보안, 유휴 상태, 가속기, 은닉 채널, 부채널 Wed, 31 Dec 2025 15:00:00 GMT https://scholar.dgist.ac.kr/handle/20.500.11750/60748 2025-12-31T15:00:00Z