과제
EAN, 스탠포드와 함께 재실자의 쾌적도를 반영하는 냉난방 제어를 연구했습니다. 일반적인 HVAC는 공간에 설치된 온도 센서 값을 기준으로 동작하기 때문에, 실제 재실 인원이나 개인별 체감 온도는 반영하지 못합니다.
이 문제의 제약은 알고리즘이 아니라 데이터에 있었습니다. 아무리 정교한 모델이라도 개인 단위의 쾌적도를 나타내는 데이터가 없으면 제어에 활용할 수 없습니다. 그러나 이러한 데이터는 현장에 존재하지 않았고, 이를 확보하려면 공간에서 사람을 인식하고 환경을 계측하는 물리적 장치가 먼저 갖춰져야 했습니다.
접근
알파온은 하드웨어부터 AI까지 전 구간을 담당했습니다.
온도, 습도, 재실 감지 등 여러 센서 모듈을 하나의 보드로 통합하는 PCB를 직접 설계·제작해 공간 환경 데이터를 수집했습니다. 개별 센서를 따로 다루는 대신 필요한 신호를 한 보드에서 확보하도록 회로를 구성해, 모델이 요구하는 신호를 사양에 맞춰 안정적으로 얻었습니다.
수집한 환경 데이터와 비전 AI의 재실자 인식 결과를 결합해 개인별 쾌적도를 추정하고, 이를 냉난방 제어 입력으로 연결했습니다. 센서 계측, 재실자 인식, 냉난방 제어가 하나의 자동 제어 루프로 동작하도록 구성했습니다.
하드웨어와 AI를 한 팀이 함께 개발했기 때문에, 센서 계측 오차와 인식 정확도를 회로와 모델 양쪽에서 동시에 조정하며 개발 주기를 단축했습니다.
결과
완성된 시스템은 공간 평균이 아니라 재실자를 기준으로 냉난방을 자율 제어합니다. 공동연구 결과는 IEEE AIoT 2025에 게재되어 접근 방식의 타당성을 확인했습니다.
이 프로젝트는 현장에 존재하지 않던 데이터를 센서 단계에서 직접 생성하고, 이를 AI 판단과 제어까지 하나의 팀이 연결한 사례입니다.