2026 AI·SW중심대학 디지털 경진대회 : SW부문

 축하합니다, RADAI팀의 지현종, 김민성, 김호정, 박정빈, 이성진님! 수상의 영광을 함께 나누게 되어 기쁩니다. 

 우승의 기쁨을 맛본 소감을 한마디로 표현해 주세요.

처음에는 저희가 구상한 스마트홈 서비스를 실제 환경에서 어디까지 구현할 수 있을지에 대한 도전으로 시작했는데, 최종적으로 대상이라는 큰 결과까지 얻을 수 있어 정말 기뻤습니다.

특히 레이더와 다양한 센서, 엣지 디바이스, AI agent, 로컬 서버를 하나의 시스템으로 연결하기 위해 많은 시행착오를 겪었습니다.

그 과정 자체가 쉽지 않았기 때문에 결과를 들었을 때 더욱 뿌듯했습니다.

 팀의 이야기를 들려주세요.

저희는 서강대학교 RADAI팀으로, 저희 팀의 주요 요소인 Radar와 AI를 합쳐 만든 이름입니다.

사용자의 생활을 이해하고 필요한 서비스를 먼저 제공하는 맞춤형 스마트홈 ‘WaveHome’​을 개발했습니다.

기존의 스마트홈은 사용자가 직접 앱을 실행하거나 명령을 내려 기기를 제어하는 방식이 많습니다.

저희는 여기서 한 단계 더 나아가, 집 자체가 사용자의 상태와 주변 환경을 이해한다면 어떨까라는 생각에서 출발했습니다.

 여러분을 돋보이게 한 특별한 점은 무엇인가요?

WaveHome의 가장 큰 특징은 실제 스마트홈을 구성하는 HW와 SW 전체를 하나의 서비스로 연결했다는 점이라고 생각합니다.

특히 사용자의 생활 데이터가 지속적으로 발생하는 스마트홈의 특성을 고려해, 가능한 데이터는 집 안의 엣지 디바이스에서 직접 처리하는 로컬 AI 구조를 지향했습니다.

편리한 스마트홈뿐만 아니라 사용자가 자신의 데이터를 통제할 수 있는 스마트홈을 만들어보고 싶었습니다.

결국 저희의 차별점은 개별 기술의 성능만 보여주는 것이 아니라 센싱 → 통신 → AI 추론 → 상황 판단 → 서비스 제공까지 전체 파이프라인을 실제 환경에서 동작하도록 구현한 것이라고 생각합니다.

 이번 성과의 비결은 무엇이라고 생각하시나요?

WaveHome은 AI, 하드웨어, 소프트웨어 등 서로 다른 분야가 함께 맞물려야 하는 프로젝트였기 때문에 한 분야만 잘해서는 완성하기 어려웠습니다.

팀원 각자 맡은 부분을 개발하는 동시에 다른 파트와 어떻게 연결되는지 계속 공유했고, 문제가 발생했을 때도 함께 원인을 찾고 해결하려고 했습니다.

서로의 의견을 적극적으로 나누면서도 최종 목표에 맞춰 빠르게 방향을 조정한 점이 프로젝트의 완성도를 높이는 데 큰 도움이 되었습니다.

결국 각자의 강점을 살리면서 팀 전체의 결과를 우선했던 협업 방식이 좋은 성과로 이어졌다고 생각합니다.

 대회 기간 중 특별히 기억에 남는 순간이 있다면 공유해 주세요.

가장 기억에 남는 순간은 레이더를 이용한 자세 인식 AI 모델이 처음 제대로 동작했을 때입니다.

처음에는 카메라 없이 레이더의 포인트클라우드 데이터만으로 사람의 자세와 행동을 실제로 구분할 수 있을지 팀원들 사이에서도 기대와 걱정이 함께 있었습니다.

데이터를 수집하고 전처리한 뒤 모델을 학습시키는 과정에서도 결과가 어느 정도까지 나올지 확신하기 어려웠습니다.

그런데 실제로 레이더 앞에서 사람이 자세를 바꾸자 모델이 이를 제대로 인식하는 모습을 처음 확인했을 때, “우리가 생각했던 방식이 정말 되는구나”​라는 느낌이 들었습니다.

실제 사람의 움직임이 실시간으로 인식되는 모습을 직접 보니 프로젝트가 비로소 현실이 된 것 같았습니다.

그 순간이 WaveHome의 가능성을 처음으로 확신하게 된 계기라 가장 기억에 남습니다.

 데이터 분석이나 학습 과정에서의 나만의 비법이 있다면요?

저는 모델을 구성하는 모듈별로 나누어 성능을 확인하는 것이 중요하다고 생각합니다.

WaveHome의 레이더 자세 인식 모델은 레이더 포인트클라우드의 특징을 추출하는 PointNet과, 시간에 따른 특징의 변화를 바탕으로 자세와 행동을 인식하는 시계열 인식 모델로 구성했습니다.

학습 과정에서도 두 모델을 한 번에 평가하기보다 각각의 역할이 제대로 수행되고 있는지를 먼저 확인했습니다.

예를 들어 최종 인식 정확도가 낮다면 단순히 모델 전체를 다시 학습시키는 것이 아니라, 먼저 PointNet이 입력 데이터에서 의미 있는 특징을 추출하고 있는지 확인하고, 그다음 해당 특징을 입력받은 인식 모델이 자세의 변화를 제대로 구분하는지를 살펴봤습니다.

이렇게 하면 문제가 데이터에 있는지, 특징 추출 단계에 있는지, 최종 인식 단계에 있는지를 구분해 원인을 찾을 수 있습니다.

 수상을 기념하여 빌 수 있는 한 가지 소원이 있다면?

이번 수상을 계기로 팀원 모두가 각자 원하는 분야에서 좋은 기회를 만나고, 이번 경험이 다음 도전으로 이어졌으면 좋겠습니다.

대회를 준비하면서 각자 맡은 분야는 달랐지만 하나의 목표를 향해 함께 고민하고 문제를 해결하는 경험을 할 수 있었습니다.

앞으로는 서로 다른 길을 걷게 되더라도 이번 대회에서 얻은 자신감과 경험을 바탕으로 각자의 자리에서 계속 새로운 도전을 이어갔으면 합니다.

 앞으로의 목표와 꿈을 말씀해 주세요.

저희 팀의 공통된 목표는 이번 수상을 하나의 결과로 끝내기보다, 각자의 분야에서 더 성장하기 위한 계기로 만드는 것​입니다.

이번 대회를 통해 아이디어를 실제 결과물로 만들기 위해서 기술적인 역량뿐 아니라 서로 다른 분야의 사람들과 소통하고, 예상하지 못한 문제를 함께 해결하는 과정을 겪었습니다.

앞으로 팀원들은 AI, 소프트웨어, 하드웨어 등 각자 관심 있는 분야에서 경험과 전문성을 넓혀가고자 합니다.

이번 대회에서처럼 기술을 단순히 구현하는 데 그치지 않고 실제 문제를 해결하고 사람들에게 가치를 줄 수 있는 개발자와 연구자로 성장하는 것이 저희의 목표입니다.

 데이콘 커뮤니티에 바라는 점이 있다면 무엇인가요?

이번 대회를 통해 다른 팀들의 프로젝트에서 많은 아이디어를 얻을 수 있었습니다.

앞으로 데이콘이 결과를 경쟁하는 공간을 넘어 개발 과정과 기술적 경험까지 함께 공유하고 배울 수 있는 커뮤니티로 더욱 발전했으면 좋겠습니다.

좋은 대회를 만들어 주셔서 감사합니다.