This study aims to explore the creative and technological significance of applying real-time motion capture data to XR (Extended Reality)-based multidisciplinary performances. By analyzing the case of the performance All About Error, which integrated real-time captured movements of dancers with audiovisual content delivered on a media wall (LED screen), the research investigates both the potential and the limitations of creating nonlinear, interactive stage environments. The methodology combines a review of prior XR production cases with an in-depth analysis of the actual production process of the performance. The findings demonstrate that the convergence of technology and art in multidisciplinary performances advances beyond traditional unidirectional and linear formats, fostering bidirectional and multidimensional performances that respond in real time to the performers’ movements. This evolution promotes expanded visual communication and discourse between performers and audiences, illustrating the creative potential to redefine the boundaries of live art. Utilizing real-time motion data on stage not only maximizes audience immersion and active participation but also suggests that real-time, interactive technologies in digital media art can expand into a variety of fields, including performing arts and games. This trend points to new directions and growth opportunities in artistic creation and provides important implications for future research in performing arts and interactive media art.

해상운송에서 충돌사고는 인명과 재산에 막대한 피해를 끼치는 중요한 안전 문제로써, 국제해사기구(International Maritime Organization, IMO)가 제정한 국제해상충돌예방 규칙(International Regulations for Preventing Collisions at Sea, COLREGs)의 철저한 준수가 권장 된다. 그러나 복잡한 해상 환경과 인간의 인지적 한계로 인해, 항해사가 실시간으로 최적의 충돌회피 의사결정을 내리기란 쉽지 않다. 본 연구는 대형 언어 모델(Large Language Model, LLM)인 GPT를 활용하여, 유인선 항해사가 COLREGs 규칙에 부합하는 충돌회피 판단을 신속 하고 정확하게 내릴 수 있도록 지원하는 단계별 프롬프트 설계안을 제시한다. 특히 4단계 충돌회피 과정을 확장하여, 항해사가 GPT와 자 연어로 상호작용할 때 사용할 표준화된 프롬프트를 구체화하였다. 가상의 시나리오 적용 결과, 항해사는 GPT의 조언을 통해 주변 상황 인식부터 회피경로 선정, 실행 단계까지 일관적으로 보고받을 수 있었으며, COLREGs의 준수와 충돌위험지수(Collision Risk Index, CRI) 계 산 등의 복잡한 작업을 AI가 보완함으로써 인적 오류를 줄일 가능성을 보였다. 이러한 결과는 자율운항선 뿐만 아니라 현행 유인선 운항 에서도 AI-항해사 협업을 통한 안전성 향상을 도모할 수 있을 것으로 기대한다.

식중독균은 식품의 생산, 가공 및 유통 과정에서 확산 될 수 있으며, 이는 대규모 식중독 사고로 이어질 수 있 다. ‘Farm to table’ 전 과정에서의 식품 안전을 확보하기 위해서는 신속하고 정확한 검출 기술이 필수적이다. 그러 나 기존 PCR 시스템은 실험실 환경에 제한되어 있어 현 장 적용이 어렵다. 이를 해결하기 위해 현장형 PCR 기기 가 개발되었으며, 마이크로유체칩(microfluidic chip)은 고속 처리, 비용 효율성 및 다중 검출 기능을 갖춘 기술로 주목 받고 있다. 특히, 반응 구획이 분리된 다중 반응 챔버를 활용하면 여러 병원체를 동시에 검출할 수 있다. 본 연구에 서는 현장형 실시간 PCR 장비와 마이크로유체칩을 통합한 Lab-on-a-chip 시스템을 개발하고, 이를 이용한 식중독균의 신속한 현장 검출법을 검증하였다. 본 시스템은 swab 분석 을 이용한 DNA 추출법과 현장형 실시간 PCR을 결합하여 E. coli O157:H7, Salmonella spp., L. monocytogenes, S. aureus의 DNA를 식품 및 환경 시료에서 효과적으로 추출 하고 분석할 수 있었다. GENECHECKER® UF-300 실시간 PCR 시스템을 활용한 검출 결과, 30분 이내에 105-101 CFU/ mL (cm2) 수준의 검출 한계를 나타내며, 신속하고 민감한 다중 병원체 검출이 가능함을 확인하였다. 본 연구 결과 는 마이크로유체칩을 활용한 현장형 실시간 PCR 시스템 이 식품 안전 모니터링 및 현장 진단에 효과적으로 활용 될 가능성을 보여준다. 현장형 다중 검출 시스템을 통해 식중독균을 보다 신속하게 검출할 수 있어, 식중독 예방 및 감시 체계에 중요한 역할을 할 것으로 기대된다.

This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

This study developed a deep learning-based software module for classifying the ripeness of bananas in real time as they move along a conveyor belt. A total of 5,286 images annotated with three ripeness stages, namely unripe, ripe, and overripe, were divided into training, validation, and test datasets at a ratio of 88:8:4. The datasets were used to train YOLOv5s and YOLOv5l object detection models over 50 epochs. The model performance was evaluated using box loss, object loss, class loss, and mean average precision (mAP). Both models exhibited decreasing loss values approaching zero and achieved mAP, precision, and recall scores exceeding 90%, thus indicating a robust classification performance without overfitting. The software module integrated with the trained YOLOv5l model accurately identified the ripeness stage of bananas in motion on the conveyor system without misclassification. Collectively, these findings indicate that the proposed system can be effectively applied to banana-processing lines for automated and accurate ripeness-based sorting.

본 연구는 선박 기관실 내에 설치된 증기 배관을 대상으로 누설 감지 및 상태 모니터링을 위한 방법론을 다루고 있다. 일반적 으로 기관실 내의 증기 배관은 보온재로 둘러싸여 있으므로, 증기가 누설되더라도 육안으로 식별하기 어려워 초기 대응을 지연시키는 상 황이 발생할 수 있다. 이에 본 논문은 RGB 카메라와 Thermal 카메라를 이용하여 상호보완적 정보 제공이 가능한 센서 시스템을 개발하기 위한 하드웨어 및 소프트웨어의 설계 방법을 제안한다. 보다 세부적으로 제안된 시스템은 카메라 서버 모듈, 카메라 보정 모듈, 영상 정합 모듈, 열-지도 학습 모듈, 추론 및 시각화 모듈로 구성된다. 특히 증기 배관의 누설이 이상 고온을 초래한다는 점을 고려하여, 본 논문은 열-지도의 개념을 정의하고 열-지도의 효과적인 학습, 열-지도에 기반한 이상 고온 감지, 감지된 이상 고온 영역의 시각화를 위한 알고리 즘을 제안한다. 제안된 방법은 선박 증기 배관 시스템을 모사한 실험 장치를 이용하여 다양한 실험을 통해 그 효용성을 입증한다.

The seismic performance of lead-rubber bearings (LRBs) is significantly affected by both the axial force and loading rate they experience. Accurate assessment of LRBs’ seismic performance, therefore, requires realistic simulation of these forces and rates, as well as of the response of the isolated structure during seismic events. This study conducted a series of real-time hybrid simulations (RTHS) to evaluate the seismic behavior of LRBs in such conditions. The simulations focused on a two-span continuous bridge isolated by LRBs atop the central pier, exposed to horizontal and vertical ground motions. In the RTHS framework, the LRBs were physically tested in the laboratory, while the remainder of the bridge was numerically modeled. Findings from these simulations indicated that the vertical ground motion had a minimal effect on the lateral response of the bridge when isolated by LRBs.

This study aims to measure the current control waveform of an injector in real time using the developed monitoring system and verify its compliance with the manufacturer’s control waveform requirements. The measured operating waveforms include a peak current phase of 20A and a hold current phase of 10A. The injector of the engine was tested at 1500 RPM and 2000 RPM under conditions of normal fuel injection, small fuel injection, and large fuel injection. In this research, a real-time monitoring system was designed, incorporating an FPGA board and RS232 communication for PC interaction. This system is capable of measuring four channels simultaneously. Furthermore, it is expected that the system could measure up to 12 cylinders concurrently with the addition of more current probes while maintaining the same system configuration. The real-time collection of output waveforms using the developed monitoring system confirmed that the injector operates correctly and meets the manufacturer’s requirements.

This study analyzed IoT-based indoor air quality monitoring data in a cooking room at a high school in Seoul. As a result of measuring the type and concentration change of cooking fumes generated during roasting, frying, and stir-fry, each cooking method showed a different pattern. Some cooking fumes were observed high during the distribution process, not during cooking, and it is necessary to observe and control indoor air quality during the entire process of cooking, storage, and distribution as well as various elements of cooking fumes. Through these results, we propose the addition of an IoT-based real-time indoor air quality monitoring system and ventilation facilities linked to it.

2023년 발표된 해양사고 통계에 따르면 해양 사고로 인한 인명피해는 소폭 감소하였지만, 해양 사고 발생 건수는 2021 ~ 2023년 까지 꾸준히 증가하고 있다. 이러한 해양사고의 예방 및 조치를 위해 정부 기관, 지자체 등에서는 안전 사업 추진 및 CCTV 관제 시스템을 구축하고 있다. 그 중 CCTV 관제 시스템은 야간 환경에서 가시거리 감소, 객체 식별의 어려움 등의 한계를 가지고 있다. 이러한 한계를 극복하기 위해 본 연구에서는 저조도 개선 알고리즘을 활용한 야간 해양 환경 개선에 관한 연구를 진행했다. 연구 진행간 저조도 개선 성 능과 실시간 안전 모니터링을 위한 영상 데이터의 처리에 초점을 맞췄다. 총 3가지의 저조도 개선 알고리즘과 2가지의 딥러닝 모델 경량 화 기법을 활용하여 최적의 실시간 저조도 개선 알고리즘을 선정하였다. 본 연구에서는 Bread 알고리즘에 Tensor RT 기법을 적용한 경우 에서 SSIM 0.7, FPS 100을 기록하며 저조도 개선 성능 및 실시간 데이터 처리에 가장 적합한 방안인 것을 입증하였다.

안정적이고 효율적인 수자원 공급을 보장하는 것은 가정, 산업, 공공 보건 분야 복지에 필수적이다. 상수도 시스템에서 이상을 감지하기 위해 데이터 모델, 수리 모델 기반 시뮬레이션 등 다양한 접근 방식을 통해 이상감지 역량이 꾸준히 향상되어 왔으나, 현장 적용 및 검증에 한계가 있어 실질적인 활용은 폭 넓게 이루어지지 못하고 있다. 실제 적용 가능한 이상감지 시스템 측면에서, 본 연구에서는 유량 및 압력 계측 데이터를 활용하여 시스템 내 이상 발생을 신속하게 감지하고 개략적인 위치를 파악하기 위한 실시간 이상감지 및 탐색 모델을 제안하였다. 제안된 모델은 유량수지 분석, 유량-수두손실 관계, EPANET 기반 수리 해석 방법을 통합하여 이상 감지 및 위치 파악의 정확성을 개선시키고자 하였다. 현장 실험 결과, 제안된 모델은 높은 신뢰도에서 시스템 내 이상유량의 발생을 효과적으로 감지하고, 발생 구간을 파악할 수 있는 것으로 나타났다. 본 연구 성과는 시스템의 실시간 이상 감지 및 운영관리를 위한 실효성 있는 접근 방식을 제공함으로써 상수도 시스템의 지속 가능하고 회복력 있는 운영관리에 기여할 것으로 기대된다.

This study was conducted to efficiently manage THC, which was previously managed only through self-measurement. Using Selected Ion Flow Tube Mass Spectrometers, a real-time air quality measurement device, VOCs were measured in five industrial complexes, and methyl ethyl ketone was measured at the highest concentration in the industrial complexes. THC measurements were conducted at business sites located in the area. As a result of the measurements, printing processes, drying processes, etc. exceeded the emission standard of 110 ppm in three processes, and the outlets that exceeded the emission standard were instructed to improve prevention facilities such as activated carbon replacement, thereby reducing highconcentration VOC emissions. The results of the study suggest that if inspection agencies measure VOCs in real time and conduct Total Hydro Carbon measurements, etc. mainly in high-concentration areas, VOCs and Total Hydro Carbon, which are the causes of greenhouse gases and odors, can be efficiently reduced.

본 연구는 생성적 AI와 언리얼 엔진의 MetaHuman 기술을 통합하여 고급 실시간 디지털 휴먼 시스템을 구현하는 것을 탐구한다. Inworld AI의 NPC 시스템 및 NVIDIA의 Avatar Cloud Engine과 같은 기존 기술 통합 사례를 분석하여 연구에 참고하였으며, MetaHuman의 시각적 사실성과 생성적 AI의 동적 행동을 결합한 새로운 아키텍처를 제안한다. 연구 방법론은 캐릭터 제작, AI 모델 통합, 실시간 성능 최적화를 다루고 있다. 시스템은 렌더링 품질, AI 응답 정확 도, 사용자 경험을 기준으로 평가되었으며, 그 결과 이러한 통합이 보다 반응성 높고 사실적인 디지털 휴먼을 구현할 잠재력을 입증했다. 본 연구는 게임, 교육, 가상 비서 분야에서의 시사점 을 논의하고, 현재의 한계점과 향후 연구 방향을 제시한다. 이를 통해 첨단 AI 기능과 최첨단 실시간 렌더링을 결합한 프레임워크를 제공하여 지능형 가상 캐릭터 개발을 한 단계 발전시키 는 데 기여하고자 한다.

Bearing-shaft systems are essential components in various automated manufacturing processes, primarily designed for the efficient rotation of a main shaft by a motor. Accurate fault detection is critical for operating manufacturing processes, yet challenges remain in sensor selection and optimization regarding types, locations, and positioning. Sound signals present a viable solution for fault detection, as microphones can capture mechanical sounds from remote locations and have been traditionally employed for monitoring machine health. However, recordings in real industrial environments always contain non-negligible ambient noise, which hampers effective fault detection. Utilizing a high-performance microphone for noise cancellation can be cost-prohibitive and impractical in actual manufacturing sites, therefore to address these challenges, we proposed a convolution neural network-based methodology for fault detection that analyzes the mechanical sounds generated from the bearing-shaft system in the form of Log-mel spectrograms. To mitigate the impact of environmental noise in recordings made with commercial microphones, we also developed a denoising autoencoder that operates without requiring any expert knowledge of the system. The proposed DAE-CNN model demonstrates high performance in fault detection regardless of whether environmental noise is included(98.1%) or not(100%). It indicates that the proposed methodology effectively preserves significant signal features while overcoming the negative influence of ambient noise present in the collected datasets in both fault detection and fault type classification.

LBXR 환경에서 경험은 사용자의 행동과 환경적 맥락에 따라 다채롭게 전개된다. 이러한 환경 에서 몰입형 경험을 유지하고 설계하려면, 사용자 반응을 실시간으로 추적하고 조정할 수 있 는 도구가 필요하다. 본 연구는 플레이어의 경험 흐름을 노드 기반 인터페이스로 시각화함으 로써, 운영자가 콘텐츠의 전체 맥락을 직관적으로 파악하고 실시간으로 제어할 수 있는 XR 운 영 시스템을 제안한다. 제안된 시스템은 기존 XR 운영 도구가 파편화된 정보에 의존하여 단편 적인 상호작용만 제공하던 한계를 극복하고, 실시간 데이터 기반의 통합적인 콘텐츠 관리를 가능하게 한다. 이 연구는 향후 XR 운영 도구 설계에 대한 논의를 제공할 것이다.

This study proposes a method to evaluate the publicity of real-time, demand-responsive, autonomous public-transportation systems. By analyzing real-time data collected based on publicity evaluation indicators suggested in previous research studies, this study seeks to establish a system that objectively assesses the publicity of public transportation. Thus, the introduction of autonomous public transportation systems is expected to contribute to solving problems in underserved transportation areas and enable more sophisticated public transportation operations. We reviewed evaluation indicators proposed in previous studies. Based on this review, publicity evaluation indicators were derived and specific criteria were selected to assess systematically the publicity of autonomous public transportation. An AHP analysis was conducted to assess the relative importance of each indicator by analyzing the importance of the selected indicators. Additionally, to score the indicators, minimum and maximum target values were established, and a method for assigning scores to each indicator was examined. The most important factor in the publicity evaluation of autonomous demand-responsive transport (DRT) was the “success rate of allocation to weak public transportation service areas,” with a significance level p of 0.204. This was analyzed as a key evaluation criterion because of the importance of service provision in areas with low-public-transportation accessibility. Subsequently, “Accessing distance to a virtual station” (p = 0.145) was evaluated as an important factor representing the convenience of the service. “Waiting time after allocation” (p = 0.134) also appeared as an important evaluation factor, as reducing waiting time considerably affected service quality. Conversely, “compliance rate of velocity” yielded the lowest significance (p = 0.017), as speed compliance was typically guaranteed owing to autonomous driving technology. This study proposed a specific evaluation method based on publicity indicators to provide a strategic direction for improving services and enhancing the publicity of autonomous DRT systems. These results can serve as a foundational resource for improving transportation services in underserved areas and for enhancing the overall quality of public transportation services. However, the study’s limitation was its inability to use real-time autonomous public transportation data, relying instead on I-MoD data from Incheon. This limitation constrained the ability to establish universal benchmarks because data from various municipalities were not included. Future research should collect and analyze data from diverse regions to establish more reliable evaluation indicators.