자율 주행차나 UAM과 같은 안전 필수 시스템에서 무결성(integrity) 확보의 중요성을 다룬다. 무결성은 항법 정보의 신뢰도를 나타내는 척도로 시스템이 허용 오차를 초과했을 때 사용자에게 경고를 제공 하 는 능력을 포함하며, 경보 한계(AL), 보호 수준(PL), 무결성 위험(IR) 등의 지표로 평가된다. 특히 카메라 기반 시각 항법은 조명 조건 의존성, 복잡한 오류 모델, 강한 비선형성, 그리고 머신러닝 모델의 무결 성 보증 부족 등의 고유한 과제를 안고 있어 무결성 모니터링 적용에 어려움이 따른다. 이에 따라 최근 연구는 전통적 기법과 머신러닝을 결합한 하이브리드 모델, 다중 센서 융합 등 여러 처리 도메인에 서 오류를 동시에 감시하는 새로운 프레임워크 개발에 중점을 두고 있다.

Review Developments in Monitoring the Integrity of Sensor Systems

Young-Min Yoon, Byung-Seok Lee*

It addresses the importance of ensuring integrity in safety-critical systems such as autonomous vehicles and UAMs. Integrity is a measure of the reliability of navigation information, including the ability of the system to alert the user when tolerances are exceeded, and is assessed by metrics such as alarm limits (AL), protection levels (PL), and integrity risk (IR). Camera-based visual navigation in particular presents unique challenges for integrity monitoring applications due to its dependence on lighting conditions, complex error models, strong nonlinearities, and lack of integrity guarantees from machine learning models. As a result, recent research has focused on developing novel frameworks to simultaneously monitor for errors in multiple processing domains, such as hybrid models that combine traditional techniques with machine learning, and multi-sensor fusion.

Keywords: Integrity, PL, AL, RAIM

Speaker 윤영민 한국항공우주연구원