SAL(Soft Artificial Life) 연구실이 8월 4일부터 7일까지 (재)울산정보산업진흥원 조선해양미래혁신인재양성센터와 함께 “자율운항선박 AI, 빅데이터 통합 프로젝트 교육” 을 진행했다. 조선·해양 분야 AI-ICT 인력양성을 목표로 한 이번 교육은 울산정보산업진흥원 선박데이터센터와 울산 태화호에서 열렸으며, 박승민 교수와 최준호 연구원이 강사로 참여했다.
교육 개요
- 교육명: 울산정보산업진흥원 조선해양미래혁신인재양성센터 자율운항선박 AI, 빅데이터 통합 프로젝트 교육
- 일정: 2026년 8월 4일(화) ~ 8월 7일(금), 09:00 ~ 18:00 (1일 8시간, 총 16시간 · 교육기획회의 일정 포함)
- 장소: 울산정보산업진흥원 선박데이터센터 및 울산 태화호
- 교육 주제: 선박 AI 빅데이터 활용 실습
- 교육 대상: 울산대학교 소속 학생 및 울산지역 재직자·구직자
- 교육 비용: 무료
교육 내용
교육은 선박·해양 데이터를 AI로 다루는 데 필요한 핵심 기술을 이틀에 걸쳐 이론과 실습으로 구성했다.
- 1일차 — 디지털트윈과 컴퓨터비전 (박승민 교수) — 디지털트윈의 개념과 조선·해양 분야 적용 사례, 컴퓨터비전 기초와 선박 데이터에의 활용, 실제 산업 사고 사례를 통한 데이터 기반 의사결정의 중요성
- 2일차 — 디지털트윈 AI 및 최적화 실습 (최준호 연구원) — 오전에는 자율운항선박 사례와 물리정보신경망(PINN)·최적화 이론을 다루고, 오후에는 Google Colab 환경에서 여덟 개의 실습을 순서대로 진행해 자율운항 SIL(Software-in-the-Loop) 검증의 축소판을 직접 구현
- 항해 빅데이터 정제·통합 — 결측·이상치 진단, 항적 복원과 리샘플링, 좌표 변환, 특징공학
- 운동모델·서로게이트·PINN — Nomoto 선박 운동 시뮬레이터, DOE 샘플링, 다항식·GP·MLP 서로게이트 비교, 물리항 결합(PINN)으로 외삽 오차 개선
- 표적 추적과 궤적 예측 — 레이더 관측 모사, 칼만필터 다표적 추적, 등속·등회전·학습 기반 궤적 예측 비교
- A* 항로 계획 — 울산 해역 실데이터 위에서 수심·항로표지·해상풍을 반영한 비용지도 합성과 최적 항로 탐색
- COLREG 충돌 회피 — TCPA/DCPA 계산, 조우 유형 분류, 국제해상충돌예방규칙에 따른 회피 기동 시뮬레이션
- 강화학습 에이전트 — 복합 조우 상황의 회피 환경 구현과 DQN 학습, 안전 차폐(safety shielding) 설계
- 전기추진 에너지·이상탐지 — 센서 데이터 기반 열화 분석, 검증 분할 방식 비교, 물리모델 기반 배터리 SOH 이상탐지
- 통합 대시보드 — 일곱 실습의 산출물을 하나의 폐루프 화면으로 연결: 데이터 → 모델 → 판단 → 최적화 → 시각화
강의 현장
태화호 선상 강의장에서 진행된 실습에서 수강생들은 별도 설치 없이 Google Colab 노트북을 열어 각 단계의 그래프와 애니메이션으로 결과를 확인하며 과정을 따라갔다. 실습에 사용된 노트북과 데이터는 모두 공개 자료로 구성되어, 수강생들이 소속 기관의 데이터로 바꿔 재사용할 수 있도록 했다.
의미
이번 교육은 연구실이 연구해 온 디지털트윈, 물리정보신경망(PINN), 최적화·강화학습 기술을 조선·해양 산업의 인재양성 현장에 전수한 사례다. 자율운항선박 시대를 앞두고 지역 대학생과 재직자·구직자가 선박 데이터를 AI로 다루는 실무 역량을 갖추도록 돕는 데 의미가 있으며, 앞으로도 울산정보산업진흥원과 함께 조선·해양 AI-ICT 인력양성 협력을 이어갈 계획이다.