무선 네트워킹 연구실의 연구 분야는 유선 및 무선 네트워크를 넘어 다양한 무선 통합망에서 데이터를 손실 없이 빠르게 실시간으로 전송하고, 사용자의 이동성을 보장하는 프로토콜과 아키텍처를 개발하는 것입니다. 다양한 무선 네트워크가 등장하고 통신 기기 및 사용자 환경이 변화함에 따라, 본 연구실에서 개발하는 알고리즘 및 분석은 시뮬레이션과 실험을 통해 검증됩니다. 구체적인 연구 분야는 다음과 같습니다.
Winet Lab's research spans wired and wireless networks, developing protocols and architectures that transmit data quickly and reliably over diverse integrated wireless networks while ensuring user mobility. As new wireless networks emerge and communication devices and user environments continue to change, the algorithms and analyses developed in our lab are validated through simulation and experimentation. Our specific research areas are as follows.
차세대 위성 네트워크, 특히 저궤도(LEO) 위성 및 무인기(UAV) 네트워크를 활용한 통신 기술을 연구합니다. AI 기반 위성 네트워크 최적화를 수행하며, UAV를 배치한 네트워크 확장 기술을 개발합니다.
We study communication technologies for next-generation satellite networks, particularly low Earth orbit (LEO) satellite and unmanned aerial vehicle (UAV) networks. We perform AI-based satellite network optimization and develop network extension techniques using deployed UAVs.
컴퓨팅 자원이 제한된 Edge Device에서 연합학습(FL) 방법으로 모델을 학습시키고 네트워크 대역폭을 절약하는 기술을 연구합니다. AI 기반 Edge Computing을 가능하게 하여 무선 네트워크 환경에서 통신 부하를 최소화하고 효율성을 극대화합니다.
We research techniques for training models using federated learning (FL) on edge devices with limited computing resources, while conserving network bandwidth. We enable AI-based edge computing to minimize communication load and maximize efficiency in wireless network environments.
Machine Learning을 활용하여 차량(특히 자율주행차량)으로부터 요청되는 서비스에 필요한 연산을 network edge 및 주변 차량의 컴퓨팅을 이용해 처리하는 기술을 연구합니다.
We research techniques that use machine learning to process the computation required for services requested by vehicles (especially autonomous vehicles), leveraging the network edge and the computing resources of nearby vehicles.
실시간 처리를 요구하는 smart home/factory/farm, 자율주행차 등 IoT 서비스에는 Deep Learning(DL)이 적용되고 있습니다. IoT 플랫폼에 설치된 edge 서버 및 IoT 기기들의 네트워킹 및 협업 컴퓨팅 기술을 연구하여 DL 기반 사용자 서비스를 실시간으로 지원합니다.
Deep learning (DL) is increasingly applied to IoT services requiring real-time processing, such as smart homes/factories/farms and autonomous vehicles. We research networking and collaborative computing techniques for edge servers and IoT devices deployed on IoT platforms to support DL-based user services in real time.
Metaverse의 Digital Twin(DT) 물리적 공간을 구현하기 위해서는 Avatar인 로봇 간 통신의 시작 단계로 M2M IoT 플랫폼이 필수적이며, Interactive하고 Human-like한 서비스를 제공하기 위해 IoT에서 edge를 포함한 M2M 실시간 전송 기술을 연구합니다.
Building the physical space of the Metaverse's Digital Twin (DT) requires an M2M IoT platform as the starting point for communication between avatar robots. We research real-time M2M transmission technologies, including edge computing in IoT, to provide interactive and human-like services.
WiFi 7, Massive IoT, Small cell 등을 효과적으로 설치하여 모바일 데이터 서비스 품질을 개선하기 위한 기술을 연구합니다.
We research technologies for effectively deploying WiFi 7, massive IoT, and small cells to improve the quality of mobile data services.
사용자 또는 자율주행 vehicle이 통신 중에 이동하는 상황에서 IP 주소가 변경되더라도 끊김 없는 통신을 제공하기 위한 연구를 합니다.
We conduct research to provide seamless communication even when a user's or autonomous vehicle's IP address changes while on the move during communication.