2026
Noise-Adaptive Correction for Robust Graph Neural Networks in Trusted Graph Computing
Discover Computing (Springer), vol. 29, art. no. 327
— where intelligence goes physical
We study distributed AI for networked robotic systems — federated learning across devices and borders, on-device NPU inference, and the wireless networks that bind intelligent machines together in the physical world.
분산 AI 및 네트워크 로보틱스 연구실
피지컬 AI는 분산 학습, 3차원 인지, 저지연 무선통신 연결이 하나의 시스템 스택으로 통합될 때 완성됩니다.
DAN Lab은 분산 AI 알고리즘 설계부터 무선통신 국제표준화까지 이 세 축을 수직 통합하여 연구합니다.
원시 데이터를 공유하지 않고 모델 업데이트만 교환하는 프라이버시 보존형 연합학습을 설계하고, 이기종 클라이언트·UAV·ad-hoc 네트워크 환경에서 수렴 안정성과 통신 효율을 최적화합니다.
포인트 클라우드 기반 3D 객체 탐지와 ROI 보존형 다운샘플링으로 인지 정확도와 연산 효율을 동시에 확보하고, 네트워크로 연결된 다중 로봇의 실시간 협조 동작으로 확장합니다.
모델 경량화와 컴파일 최적화로 엣지 NPU에서의 실시간 추론을 구현하고, 이를 뒷받침하는 Wi-Fi 7/8 multi-link operation 등 차세대 무선통신표준을 IEEE 802 표준화 활동과 함께 연구합니다.
We are looking for motivated postdoctoral scholars and graduate students with backgrounds in robotics, AI/ML, wireless communications, on-device AI (NPU inference), and related fields. Undergraduates are also welcome to apply to gain research experience. Please send your CV and academic transcripts to hhpark [at] mju.ac.kr.