Physical AI & Robotics
VLM/VLA 기반의 perception–reasoning–action 파이프라인을 연구하고, 로봇 시스템을 담당하는 팀과 협업해 연구 모델을 실제 로봇에 연결하는 역량을 강화하고 있습니다.
maum.ai BRAIN Team
AI for the Physical World
온디바이스 AI와 자율지능을 로보틱스·산업·국방 현장으로 연결합니다.
What we do
실제 환경의 인공지능 개발
maum.ai는 Physical AI와 산업, 국방을 핵심 축으로 온디바이스 AI와 자율지능 기술의 현장 적용을 추진하고 있습니다.
Brain팀은 그 안에서 Embodied AI, Agentic LLM, Audio Intelligence, Robotics, Physical World Modeling을 연구합니다. 로봇의 인지·행동부터 산업 현장의 음성·언어 인터랙션, 국방 분야의 센서 신호까지, 프로젝트에서 발견한 요구사항을 연구 질문으로 발전시키고 검증된 결과를 다시 시스템 개선으로 연결합니다.
Agentic AI for Industry
Language Model 기반 Agentic Workflow / Knowledge System을 연구하고 실제 산업 프로젝트에서 동작과 성능을 검증합니다.
Audio Intelligence
STT, TTS, 음성 전처리와 Audio LLM을 연구합니다. 고객 서비스와 로봇 시스템에 연결하고, 온디바이스·온프레미스 환경에 배포합니다.
Defense & Edge AI
제한된 연산·통신 환경에서 동작하는 온디바이스·엣지 자율지능을 연구합니다. 국방 분야 적용을 중심으로 SONAR와 같은 센서 신호를 이해하는 AI도 다룹니다.
Research highlights
전체 논문 보기 →Recent Publications
CVPR Workshop · Oral
Mine-JEPA: In-Domain Self-Supervised Learning for Mine-Like Object Classification in Side-Scan Sonar
Taeyoun Kwon, Youngwon Choi, Hyeonyu Kim, Myeongkyun Cho, Junhyeok Choi, Moon Hwan Kim
논문 보기 ↗INTERSPEECH · PosterZeSTA: Zero-Shot TTS Augmentation with Domain-Conditioned Training for Data-Efficient Personalized Speech Synthesis
Youngwon Choi, Jinwoo Oh, Hwayeon Kim, Hyeonyu Kim
논문 보기 ↗ICASSP · OralExploring Fine-Tuning of Large Audio Language Models for Spoken Language Understanding under Limited Speech Data
Youngwon Choi, Jaeyoon Jung, Hyeonyu Kim, Huu-Kim Nguyen, Hwayeon Kim
논문 보기 ↗