노후화된 사회 기반 시설물 증가에 따라 정기적인 구조물 손상 점검의 중요성이 확대되고 있다. 그러나 기존 점검 방식은 고가의 장비와 다수의 인력을 요구하며, 차선 폐쇄를 필수적으로 수반한다. 특히 차선 폐쇄는 교통 체증을 유발해 차량의 반복적인 가속과 감속, 공회전을 증가시키고 결과적으로 연료 소비와 온실가스 배출량을 증가시켜 사회적 비용을 초래한다. 이에 AI 기술을 활용해 차선 폐쇄 없이 손상을 탐지하는 연구가 진행되고 있으나 대부분 도로포장 탐지에 한정되어 있어 교량 기둥이나 방호 울타리 등 입체 구조물에 대한 탐지 기술과 차선 폐쇄에 따른 운영 효율성 및 에너지와 배출량 변화에 대한 정량적 분석은 부족한 실정이다. 본 연구는 차선 폐쇄 없이 사회 기반 시설물의 손상을 탐지할 수 있는 AI 기반 손상 시스템을 구축하고 차선 폐쇄로 인한 변화를 정량적으로 분석한다. 이를 위하여 360° 카메라, 차량 전방 카메라, 라인 스캔 카메라를 통하여 도로 영상을 수집하고, Mask R-CNN과 RF DETR+SAM 알고리즘을 활용하여 도로포장과 입체 구조물의 손상을 탐지하였다. 또한, 교통 시뮬레이션 프로그램 SUMO를 통해 국내 도로 구간을 재현하고 차량 에너지 분석 모듈 FASTSim을 연계하여 차선 폐쇄에 따른 교통 및 에너지 효율 변화를 비교하였다. AI 탐지 결과 RF DETR+SAM 시스템은 정확도 81%, 정밀도 87%, 재현율 61%, F1-score 0.72를 달성해 Mask R-CNN 대비 우수한 성능을 기록했으며, 도로포장뿐만 아니라 입체 구조물에 대한 안정적 탐지 가능성을 확인하였다. 시뮬레이션 결과 차선 폐쇄는 주행 속도 약 25% 감소, 연료 소모 약 18% 증가, CO2 배출량이 약 22% 증가한 것으로 나타났다. 본 연구는 AI 기반의 손상 탐지가 차량흐름을 유지하며 수행될 수 있음을 실증하고, 유지관리 시 교통, 에너지, 환경 영향을 통합적으로 고려할 수 있는 정량적 근거를 제시한다.

본 연구는 AI 컴패니언을 활용한 관계 중심 게이미피케이션 기반 소아 디지털 치료 시스 템의 UX 설계 사례를 탐색적으로 제시한다. 기존 소아 디지털 치료제가 보상 중심의 행동 강화에 주로 초점을 맞춰 온 것과 달리, 본 연구는 게이미피케이션을 아동과 AI 컴패니언 간의 관계적 상호작용을 지원하는 정서적 경험 프레임으로 재정의하였다. 이를 위해 Norman의 정서디자인 이론을 기반으로 단계적 정서 UX 구조를 적용한 감정 중심 AI 워크북 을 설계하였다. 파일럿 사용자 관찰을 포함한 탐색적 사용성 연구 결과, 캐릭터 기반 AI 컴패니언과 음성 중심 인터랙션은 아동의 정서 표현 부담을 완화하고 자발적 참여를 유도 하는 데 긍정적인 역할을 하는 것으로 나타났다. 본 연구는 임상적 효과 검증을 목적으로 하지 않으며, 관계 중심 UX 접근이 소아 디지털 치료 설계에서 가질 수 있는 가능성을 제 시하는 탐색적 설계 사례로서, 향후 임상 및 장기 연구를 위한 기초적 논의를 제공한다.

The purpose of this study is to evaluate the applicability of an unsupervised outlier-detection method as a surrogate safety measure (SSM) to estimate the effect of AI-based Bike-Safe monitoring system. An SSM that utilizes near-miss data immediately before an accident occurs must be developed to compensate for inadequate bicycle accident data and missing reports. In particular, the omission level of accident reports related to bicycle users is higher on bicycle paths, which implies that the importance of an SSM in safety management is much greater than in the general road environment. Therefore, the unsupervised outlier-detection method was set as the SSM because it can be learned without a label, is suitable for streaming data, and is generalizable under limited data. Additionally, the DeepAnT(deep learningbased anomaly detection) model was selected as the most appropriate time-series outlier-detection method. Using the time-series prediction module of the learned DeepAnT model, we analyzed the frequency of outliers or avoidance behaviors based on a linear relationship between estimated and observed values. The history data of the acceleration change rate of each bicycle were applied to the DeepAnT model to evaluate the possibility of using alternative safety indicators. Thus, those data are expected to be applicable as an alternative safety indicator for bicycle paths.

The purpose of this study is to develop and implement a customized AI-based speaking diagnosis, learning, and assessment system, SpeakMaster, in order to overcome the lack of systematic evaluation and practice opportunities in school English speaking class. This system integrates automated speaking scoring to provide students with feedback on their speaking abilities across pronunciation, conversation, and presentation. This study adopts a design-based research methodology, demonstrating the development and implementation process. 1,451 students and eight teachers in elementary, middle, and high schools participated in the experiment. Data were collected through learning logs, teacher journals, interviews, and post-surveys. The findings indicate that the system design is appropriate for English class, promoting students’ flow in engaging speaking practice. Students showed motivation and satisfaction while teachers found the system valuable for monitoring student progress and facilitating speaking assessments. Despite the challenges of improving chatbot performance and enhancing scoring reliability, the results suggest that SpeakMaster shows potential to enhance English speaking education.

In the production sites of small and medium sized manufacturing enterprises, the increasing proportion of foreign workers has led to frequent difficulties in responding promptly to process defects and equipment setting errors during night and weekend shifts due to the absence of Korean supervisors. If such issues are not addressed in a timely manner, they can lead to large scale defects and reduced production efficiency. In this study, we developed an AI-based defect prediction and prevention system for the bearing machining process to overcome these on site management limitations. Real time machining data, equipment information, and quality inspection results were collected from the production lines of the target company, and the prediction accuracy of three models, RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), and GRU(Gated Recurrent Unit), was compared. As a result, the LSTM model demonstrated the best performance. The developed system visualizes real time defect prediction results in the form of a dashboard, enabling workers to immediately detect anomalies and adjust the process accordingly. Particularly in bearing machining processes where mass production occurs in short periods, the risk of lot level defects is high, while this system can contribute to improved production quality and efficiency by enabling early defect prediction and immediate response.

본 연구는 Chat GPT 기반으로 개발한 실험자용 생성형 AI 코칭 시스템 ‘Roh-KAI(로카이)’가 인간 사용자 간 상호작용과정에서 발생하는 사회적 존재 감, 신뢰, 자기효능감의 심리적 변화를 탐색하고자 하였다. 로카이는 국제코칭연 맹(ICF)과 한국코치협회(KCA)의 윤리규정 및 핵심 역량을 반영하여 8단계 47개 질문 구조로 설계되었다. 인공지능 사용경험이 있는 성인 15명을 대상으로 주제 분석 기법을 적용한 질적 연구를 진행하였다. 분석 결과 4개의 상위 주제와 9개의 하위 주제가 도출되었다. 사회적 존재감 에서는 60%가 대화의 자연스러움을, 80%가 공감적 반응을 경험했고, 인공지능 신뢰에서는 53.3%가 공감적 경청과 이해를, 40%가 비판단적 태도를 인식했다. 자기효능감에서는 66.7%가 자기 인식 확장을, 46.7%가 실행 의지 강화를 나타 냈다. 반면 53.3%가 구조화된 프로세스의 제약을 지적했고, 33.3%가 사용자 다 양성 대응 부족을, 26.7%가 윤리적 우려를 지적하였다. 연구 결과 AI 코칭 시스 템이 공감적 상호작용과 자기성찰 촉진에는 효과적이나, 시스템의 유연성과 개 별화된 접근의 중요성을 확인하였다. 본 연구는 AI 코칭 시스템의 설계와 개선 방향에 실증적 근거를 제공하는 데 의의가 있다.

Background: The Functional Movement Screen (FMS) is widely used for movement assessment but suffers from subjective scoring that leads to inconsistent evaluations. While previous studies have focused on reliability, the validity of AI-supported assessment remains unexplored. Objectives: To evaluate the reliability and validity of an AI-based motion analysis system using MediaPipe for three FMS movements. Design: Prospective reliability and validity study with repeated measures. Methods: Thirty healthy adults (age 23.4±2.8 years) performed three FMS tests (Deep Squat, Hurdle Step, Inline Lunge) recorded on video. Three evaluators (two experienced physical therapists and one novice) assessed recordings in three phases: Phase 1 involved traditional assessment by experts only to establish criterion reference, Phase 2 had all evaluators using AI support, and Phase 3 consisted of repeated AI-supported assessment. The AI system provided real-time visual feedback of joint angles and alignment through MediaPipe skeletal tracking. Results: Criterion validity showed strong agreement between traditional expert assessment and AI-supported assessment (r=0.94, P<.05). Inter-rater reliability improved from good (ICC=0.89) to excellent (ICC=0.91) with AI support. The novice evaluator achieved immediate expert-level performance with only 0.05 points difference from experts. Intra-rater reliability was excellent for all evaluators (ICC=0.84-0.89). Conclusion: The AI-based system demonstrated strong validity and improved reliability for fundamental movement assessment. While AI support enabled novice evaluators to achieve expert-level performance immediately, it may increase sensitivity to subtle movement variations. This technology shows promise for standardizing movement screening, though current limitations restrict its application to standing movements.

This study proposes a method for achieving more intuitive and efficient in-game character facial customization using Generative AI. Conventional avatar customization in MMORPGs is generally limited by fixed options, making it difficult to accurately recreate a desired appearance and requiring extensive work time. To address these issues, we employ Stable Diffusion to generate character facial images from text prompts, and then map the landmark data extracted by a facial recognition algorithm to the customization variables. Consequently, we confirmed that primary facial features eyes, nose, mouth, and so on could be integrated without the need for additional 3D modeling, allowing for faster and more creative customization than traditional manual adjustment. Moreover, by mapping the generated images onto a character’s appearance, we preserved the game’s narrative framework and polygon structure while maintaining a high degree of similarity in key facial elements such as eye shape, lips, and jawline. In future work, we intend to fine-tune the model using game-specific datasets and extend the customization scope to include clothing, items, and environments. This study not only demonstrates the potential of automated avatar customization through Generative AI but also serves as a foundational reference for novel approaches in subsequent game development.

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.

본 연구는 케이트 크로포드와 블라단 욜러의 협업 프로젝트인 <AI 시스템의 해부>를 중심으로 인간, 사회, 지구를 관통하는 인공지능 시스템의 작동에 대한 그들의 비판적 담론을 읽어내는 데에 목적이 있다. <AI 시스템의 해부>는 인공지능 음성인식 스피커인 아마존 에코를 사례로 삼아 인공지능 기술세계의 물질적, 사회적 조건을 가시화한 ‘데이터 시각화’로서, 인공지능 시스템의 이면에 감추어진 노동, 데이터, 자원의 무자비한 추출 구조를 드러낸 해부학적 지도이다. 크로포드와 욜러는 인공지능 기술이 작동하는 기술세계의 지형을 탐구하고 시각화하 기 위해 ‘비판적 지도제작’을 중요한 인식적, 실천적 방법으로 사용해 왔다. 이에 본고는 <AI 시스템의 해부>에 대한 ‘지도 읽기’를 수행하되, 철학자 레비 브라이언트가 ‘존재지도학’에서 제시하는 지형학의 네 가지 요소를 범주로 삼아 거대 기술세계 지형도의 구조와 의미를 분석하였 다. 이를 통해 본고는 크로포트와 욜러의 지형도가 인공지능 기술세계의 광범위한 추출주의를 비판적으로 가시화하고 있음을 강조하였다.