이원경
Contact 202401578@hufs.ac.kr

SenscoreAI Lab · 데이터센스에서 연구 중

현장의 문제를 믿을 수 있는 AI로 풀어 갑니다.

Research focus Reasoning Verification, LLM Evaluation, Vision-Language-Action

한국외국어대학교 독일어과에 재학 중인 이원경입니다. AI 비전공자로 출발해 2026년 1월부터 SenscoreAI Lab에서 학부생 인턴으로, 6월부터는 데이터센스에서 연구원으로 일하고 있습니다. 전립선암 초음파 영상 분류, 이륜차 위험운전·차선이탈 판별, 추론형(CoT) 학습데이터 구축을 거쳐, 지금은 AI 에이전트의 안전성 평가와 자기설명 기반 신뢰 연구를 하고 있습니다.

본 페이지는 연구를 함께할 분들과 채용 담당자분들께 제 연구를 소개하는 페이지입니다.

프로젝트 보기 GitHub (새 창)

Research Interests

Interested in understanding how AI systems reason, recognize uncertainty, and make reliable decisions in real-world environments.

About

이렇게 일합니다

AI는 에어컨처럼 원리를 몰라도 삶 속에서 자연스럽게 작동해야 한다고 생각합니다. 현장의 사람을 만나 기술로 문제를 푸는 과정에서 세 가지를 가장 중요하게 여깁니다.

  1. 01

    커뮤니케이션

    현장의 사람을 만나 목적을 이해하고, 필요한 데이터를 구체적으로 요청합니다. 진행 상황을 자주 공유하며 함께 방향을 맞춰 갑니다.

  2. 02

    문제 정의

    막연한 목적을 풀 수 있는 문제로 쪼갭니다. 결과가 기대와 다를 때는 원인을 분석해 문제를 다시 정의합니다.

  3. 03

    빠른 프로토타이핑

    작은 결과물이라도 빨리 만들어 보여 주고 피드백을 주고받습니다. 빠르게 검증하고 고쳐 나가며 완성도를 높입니다.

Timeline

2026년, 월별로 보기

막대를 누르면 해당 프로젝트로 이동합니다.

SenscoreAI Lab 학부생 인턴 2026.01 – 현재

2026.01 – 현재

공공서비스 AI 에이전트 위험 평가 (ETRI) 2026.10 – 11

2026.10 – 11

자기설명 기반 신뢰 모델 연구 (ETRI) 2026.10 – 11

2026.10 – 11

AI 모델 성능 향상을 위한 28종 자격증 기반 추론형 학습데이터 구축 2026.06 – 09

2026.06 – 09

TRUS 전립선암 분류 연구 · 학회 발표 2026.03 – 05

2026.03 – 05

이륜차 안전·위험운전 판별 (산학) 2026.01 – 06

2026.01 – 06

비전 기반 차선이탈 경고 (산학) 2026.01 – 06

2026.01 – 06

AI-native 웹 서비스 명세 (palcar) 2026.02 – 03

2026.02 – 03

베어링 잔여수명 예측 챌린지 2026.05 – 07

2026.05 – 07

Projects

무엇을, 언제, 어떻게 했는지

카드를 누르면 목적·역할·결과와 이미지·영상을 자세히 볼 수 있습니다.

진행 중2026.10 – 2026.11ETRI 과제 · 설계 및 구현

공공서비스 AI 에이전트 행위 기반 위험 유형 분석 및 평가기준 도출

AI 에이전트가 공공서비스를 안내·신청하는 과정의 행위를 위험유형별로 판정하는 평가방법을 설계했습니다. 제안서 작성과 발표에 참여했고, 목업 환경과 채점기를 직접 만들고 그 성능을 검증했습니다.

  • Agent Safety
  • LLM Evaluation
  • 채점기
  • 목업 환경
진행 중2026.10 – 2026.11ETRI 과제 · 이용자연구 부문 책임

자기설명 기반 신뢰 가능한 모델 접근 방법 사전연구 및 사례 적용

방법론·모델평가·이용자연구 세 부문으로 수행하는 과제에서 이용자연구 부문 책임을 맡아, 이용자 실험의 참여자 모집과 조건 배정, 실험 자료 관리를 담당합니다.

  • Self-Explanation
  • Trust
  • User Study
백본별 프레임 단위와 환자 단위 집계의 AUROC 비교 막대그래프
완료 · 학회 발표2026.03 – 2026.05

소규모 TRUS 영상에서 전립선암 검출 성능 향상

환자 단위 평균 집계(mean aggregation)로 6개 백본×전처리 조합 모두에서 AUROC를 높였습니다. 최고 0.740.

  • Medical Imaging
  • Label Ambiguity
  • MIL
  • 제1저자
가속도·자이로·GPS 속도 시계열과 위험 확률을 보여 주는 이륜차 위험운전 판별 대시보드 화면
완료 · 기술 검증2026.01 – 2026.06전반 참여

이륜차 안전·위험운전 판별

고고에프앤디 산학협력. 9축 IMU 데이터로 위험운전을 가르기 위해 주행 실험을 직접 설계해 레이블 데이터를 만들고, 정상/위험 분류 ROC AUC 0.9 이상을 확인했습니다.

  • IMU
  • 주행 실험 설계
  • 산학협력
이륜차 주행 영상에서 차선을 검출하고 BEV 변환 결과를 함께 보여 주는 차선이탈 경고 데모 화면
완료 · 기술 검증2026.01 – 2026.06알고리즘 설계

비전 기반 차선이탈 경고(LDW)

고고에프앤디 산학협력. 카메라 영상만으로 차선을 검출하고 BEV 좌표에서 차로 중심 대비 offset으로 이탈을 판단하는 로직을 직접 설계했습니다.

  • UFLDv2
  • BEV
  • OpenLKA
완료2026.06 – 2026.09

독자 AI 파운데이션 모델 프로젝트 공동활용 데이터 공급 지원사업

AI 모델 성능 향상을 위한 28종 자격증 기반 추론형 학습데이터 구축

데이터센스 연구원. 텍스트 정제, LaTeX 변환, reasoning_trace 작성과 정합성 검증.

  • CoT
  • Data QA
  • NIA
전체 9위2026.05 – 2026.07

베어링 잔여수명(RUL) 예측 챌린지

변화율 기반 동역학 피처와 Causal TCN, 베어링별 동적 보정 정책.

  • Time-series
  • TCN
  • LOBO
참여 완료2026.02 – 2026.03

AI-native 웹 서비스 기능명세·투두리스트 설계

코딩 에이전트가 읽고 바로 구현할 수 있는 형태로 요구사항을 정리했습니다.

  • Spec
  • AI Agent
  • Figma

Experience & Education

경력 · 학력

경력

  1. 2026.06 – 현재

    데이터센스 · 연구원

    • ETRI 공공서비스 AI 에이전트 행위 기반 위험 평가: 평가 설계, 목업 환경·채점기 구현 (2026.10 – 2026.11)
    • ETRI 자기설명 기반 신뢰 가능한 모델 연구: 이용자연구 부문 책임 (2026.10 – 2026.11)
    • 독자 AI 파운데이션 모델 프로젝트 공동활용 데이터 공급 지원사업 (2026.06 – 2026.09)
    • 28종 자격증 기반 추론형 학습데이터 구축: 데이터 정제, CoT 추론 구조화, 정합성 검증

  2. 2026.01 – 현재

    SenscoreAI Lab · 학부생 인턴

    한국외국어대학교 Social Science & AI융합학부

    • 고고에프앤디 산학협력: 이륜차 IMU 센서 및 비전 기반 분석
    • TRUS 전립선암 초음파 영상 분류 연구

학력

  1. 2024 – 2026

    한국외국어대학교 독일어과

    재학 중

  2. 2015 – 2017

    대원외국어고등학교 독일어과

    졸업

Presentations & Awards

발표 · 수상

  • 2026.05.08

    학회 포스터 발표 · 제1저자

    대한의용생체공학회 2026 춘계학술대회

    Patient-Level Mean Aggregation Improves Prostate Cancer Detection in TRUS Images Under Limited Data

  • 2026

    데이터 챌린지 · 전체 9위

    2026 KSPHM-KIMM Machine Data Challenge

    베어링 잔여수명 예측, Team pairing.

Blog

연구 기록

세 가지 관심 분야를 중심으로, 연구하며 남긴 기록을 블로그에 모으고 있습니다.

블로그 보기

    Contact

    Contact

    본 페이지는 연구를 함께할 분들과 채용 담당자분들께 제 연구를 소개하는 페이지입니다.
    연락은 메일로 부탁드립니다.

    Contact 202401578@hufs.ac.kr
    GitHub (새 창) 이 홈페이지 저장소 (새 창) 블로그
    진행 중2026.10 – 2026.11ETRI 과제 · 설계 및 구현

    공공서비스 AI 에이전트 행위 기반 위험 유형 분석 및 평가기준 도출 및 사례 적용

    목적 공공서비스를 탐색·안내·신청하는 AI 에이전트의 안전성을 최종 답변만이 아니라, 에이전트가 실제로 판단·시도·수행한 행위 과정 전체로 평가하는 방법을 만드는 것.

    제가 한 일

    2026.10 – 2026.11 진행 중인 과제입니다. 구체적인 작업 결과물은 과제 완료 후 보안사항을 준수하는 범위에서 업로드할 예정입니다.
    진행 중2026.10 – 2026.11ETRI 과제 · 이용자연구 부문 책임

    자기설명 기반 신뢰 가능한 모델 접근 방법에 대한 사전연구 및 사례 적용

    목적 언어모델이 스스로 내놓는 설명(자기설명)을 바탕으로 신뢰할 수 있는 모델에 접근하는 방법을 사전 연구하고, 사례에 적용해 보는 것.

    수행 체계와 제 역할

    2026.10 – 2026.11 진행 중인 과제입니다. 구체적인 작업 결과물은 과제 완료 후 보안사항을 준수하는 범위에서 업로드할 예정입니다.
    완료 · 학회 발표2026.03 – 2026.05SenscoreAI Lab · 제1저자

    소규모 TRUS 영상에서 전립선암 검출 성능 향상: 환자 단위 평균 집계

    목적 환자 304명, 11,056프레임, 양성:음성 약 1:3.6인 소규모·불균형 경직장 초음파(TRUS) 데이터에서 암/비암 이진 분류 성능을 높이는 것.

    제가 한 일

    프레임 단위 TRUS 분류의 레이블 모호성 도식. 암 환자의 프레임 중 일부만 암을 포함하지만 모든 프레임에 암 레이블이 붙어, 올바른 비암 예측이 오답으로 처리되는 문제를 설명한다.
    문제 정의: 환자 단위 레이블이 프레임에 그대로 붙으며 생기는 label ambiguity
    백본과 전처리 조합 여섯 가지에서 프레임 단위, 환자 max 집계, 환자 mean 집계의 AUROC를 비교한 막대그래프. EfficientNetV2-S 전처리 조합의 mean 집계가 0.740으로 가장 높다.
    5-fold 교차검증 AUROC 비교 (포스터 수록 그림)

    발표: 대한의용생체공학회 2026 춘계학술대회 포스터 (2026.05.08) · 공저: 홍승혁 교수
    완료 · 기술 검증2026.01 – 2026.06SenscoreAI Lab × 고고에프앤디 · 전반 참여

    이륜차 안전·위험운전 판별

    목적 이륜차 운전자에게는 마땅한 위험도 평가 체계가 없습니다. 보험료 산정의 근거가 될 수 있도록 센서 데이터로 안전운전과 위험운전을 가르는 것.

    제가 한 일

    위험운전 판별 데모 일부(소리 없음, 5초): 가속도·자이로·GPS 속도 시계열과 모델이 예측한 위험 확률

    R&D 제안서 작성까지 참여했습니다. 기업 데이터와 코드는 공개하지 않습니다.
    완료 · 기술 검증2026.01 – 2026.06SenscoreAI Lab × 고고에프앤디 · 알고리즘 설계

    비전 기반 차선이탈 경고(LDW)

    목적 별도 센서 없이 카메라 영상만으로 이륜차의 차선이탈을 판단해, 위험운전 평가에 쓸 수 있는 근거를 하나 더 만드는 것.

    제가 한 일

    LDW 데모 일부(소리 없음, 5초): 원본 영상, 검출한 차선, BEV 변환 결과. 판단 지표 수치는 가렸습니다.
    고속도로 주행 영상 한 프레임, 그 위에 차선 검출 마스크를 초록색으로 덧씌운 화면, 검출된 차선 점만 남긴 화면을 나란히 놓은 비교 이미지.
    차선 검출 마스크 확인 과정 (원본 · 마스크 오버레이 · 검출 결과)

    기업 데이터와 코드는 공개하지 않습니다.
    완료2026.06 – 2026.09데이터센스 연구원 · NIA 발주

    AI 모델 성능 향상을 위한 28종 자격증 기반 추론형 학습데이터 구축

    사업명 독자 AI 파운데이션 모델 프로젝트 공동활용 데이터 공급 지원사업

    과제명 AI 모델 성능 향상을 위한 28종 자격증 기반 추론형 학습데이터 구축 (전문 자격증 11종, 기술 자격증 16종, 능력 검정 자격증 포함)

    목적 자격증 시험 문항에 단계별 추론 과정(CoT)을 붙여 AI 모델의 추론 성능을 높이는 학습데이터를 만드는 것.

    제가 한 일

    • 자격증 시험 원천데이터의 텍스트 정제와 수식·숫자의 LaTeX 변환
    • CoT 기반 추론 데이터 구조화와 단계별 추론과정(reasoning_trace) 작성
    • 문항·정답·해설·추론과정 사이의 정합성 검증

    데이터 구조 (필드 예시)

    {
  "item_id": "…",
  "certificate": "전기기사",
  "question_type": "객관식",
  "question": "… \( LaTeX \) …",
  "options": { "1": "…", "2": "…" },
  "answer": "…",
  "explanation": "…",
  "reasoning_trace": [ "1단계 …", "2단계 …" ]
}

    근거: 데이터센스 발급 참여확인서(2026.09.15). 개인정보가 포함되어 원본은 게시하지 않습니다.
    완료 · 전체 9위2026.05 – 2026.07KSPHM-KIMM Machine Data Challenge · Team pairing

    베어링 잔여수명(RUL) 예측: 동역학 피처 기반 동적 하이브리드 방법

    목적 25.6 kHz 진동 신호 50회 측정 구간만으로 Test 베어링 6개의 잔여수명을 예측하는 것. Train 베어링은 4개뿐이고, Test 구간이 수명의 어느 위치인지 알려지지 않았습니다.

    접근 방법

    1. 문제 재정의 모델 성능보다 평가 환경에 맞는 예측 구조가 중요하다고 보고, Test 구간의 수명 위치 추정을 선행 문제로 정의
    2. 검증 설계 Train을 길이 50의 sliding window로 재구성하고 베어링 단위 Leave-One-Bearing-Out 4-fold로 검증
    3. 피처 개체차에 흔들리는 절대 진동 대신 변화율 기반 동역학 피처(초기 대비 비율·열화 속도·누적 손상)를 설계하고 상호정보량으로 65개 선정
    4. 모델 Causal TCN 4-block, 과대예측을 더 벌하는 평가식에 맞춘 비대칭 MSE, 5-seed 앙상블
    5. 동적 보정 수명 위치 유사도·진행 속도·신뢰도·위험 신호로 베어링마다 보정 방향과 강도를 다르게 적용하는 3분기 정책. Test별 수동 조정 없이 Train LOBO로 선택
    참여 완료2026.02 – 2026.03palcar · 2인 공동 작성

    AI-native 웹 서비스 개발을 위한 기능명세서·투두리스트 설계

    목적 코딩 에이전트가 읽고 바로 구현할 수 있는 형태로 요구사항을 정리해, AI 에이전트 중심(AI-native)으로 웹 서비스를 만드는 과정에 참여하는 것.

    비공개 저장소의 프로젝트라 코드와 명세 원문은 게시하지 않습니다.