도심환경 UAM 자율 원격 운용을 위한 원격 조종 시스템 구축 및 경로계획, 영상항법 기법

서론

도심 항공 모빌리티(Urban Air Mobility, UAM)는 현대 도시가 직면한 지상 교통 혼잡, 탄소 배출, 그리고 이동 효율성 저하 문제를 근본적으로 해결할 수 있는 차세대 교통 혁명으로 평가받는다. 전 세계 UAM 시장은 2024년 기준 약 47억 2천만 달러 규모에서 2035년까지 942억 8천만 달러로 급성장할 것으로 전망되며, 이는 연평균 성장률(CAGR) 31.29%에 달하는 수치이다.1 이러한 성장의 이면에는 전기 수직 이착륙기(eVTOL)의 기체 공학적 발전뿐만 아니라, 인공지능 기반의 자율 비행, 초저지연 통신 인프라, 그리고 고도로 정교화된 원격 운용 시스템(Remote Operator System)의 결합이 자리 잡고 있다.1 특히 도심이라는 복잡하고 동적인 환경에서 UAM이 안전하게 운항하기 위해서는 GPS 신호가 단절된 상황에서도 정밀한 위치를 추정할 수 있는 영상 항법 기술과 실시간으로 장애물을 회피하는 경로 계획 알고리즘의 고도화가 필수적이다.3

 

 

도심 환경 UAM 운용의 기술적 패러다임과 시장 동향

UAM 산업의 성장은 도시화 가속화에 따른 이동 시간 단축 수요와 지속 가능한 모빌리티에 대한 필요성에 의해 주도된다. 2025년 오사카 엑스포와 같은 국제적인 행사를 기점으로 eVTOL의 상용 배치가 본격화될 예정이며, 한국 역시 K-UAM 로드맵을 통해 2025년 초기 상용화를 목표로 실증 사업을 가속화하고 있다.1 UAM은 단순한 비행체를 넘어 버티포트(Vertiport) 인프라, 교통 관리 시스템(UATM), 그리고 서비스 플랫폼이 유기적으로 연결된 생태계를 형성하며, 2040년경에는 그 시장 가치가 731조 원에 이를 것으로 분석된다.6

 

기술적 관점에서 UAM은 기존의 헬리콥터와 달리 저소음(최대 63dB 목표), 친환경 전기 동력, 그리고 자율성을 핵심 가치로 삼는다.7 초기 단계에서는 조종사가 기체에 탑승하는 방식(Crewed)으로 시작되나, 점진적으로 원격 조종(Remotely Piloted)을 거쳐 최종적으로는 한 명의 원격 조종사가 다수의 기체를 관리하거나 완전 자율 비행을 수행하는 m:N 운용 체계로 진화할 것으로 예상된다.9 이러한 진화 과정에서 원격 조종 시스템의 신뢰성과 인간 조종사의 상황 인식 능력은 안전을 담보하는 가장 중요한 기술적 이슈로 부각되고 있다.11

 

구분	주요 기술 트렌드 및 특징	미래 전망
기체 기술	eVTOL, 분산 전기 추진(DEP), 배터리 밀도 향상 1	고정익-VTOL 하이브리드 비중 확대
운용 방식	탑승 조종사 → 원격 조종 → 자율 비행 12	m:N 다중 기체 제어 상용화
항법 기술	GNSS/IMU 융합 → 영상 항법(VIO/SLAM) 3	GPS 음영 지역 완전 자율 항행
통신 인프라	5G URLLC → 6G SAGSIN 및 에지 컴퓨팅 15	초저지연 데이터 전송 및 오프보딩 연산

 

원격 조종 시스템(Remote Operator System) 구축 및 HMI 설계

원격 조종 시스템은 지상에 위치한 조종사가 기체의 상태를 실시간으로 모니터링하고 필요한 경우 제어 명령을 하달하는 핵심 인터페이스인 지상 제어 스테이션(GCS)을 포함한다. 도심 상공은 장애물이 많고 기상 변화가 심하며 교통 밀도가 높기 때문에, 원격 조종사에게 제공되는 정보의 질과 상호작용 방식은 기체의 안전 운항과 직접적인 연관이 있다.11

 

인간-기계 인터페이스(HMI)의 진화와 작업 부하 최적화

전통적인 무인 항공기 GCS는 주로 마우스와 키보드를 활용한 입력 방식을 채택해 왔으나, 이는 장시간 운용 시 조종사의 육체적 피로를 유발하고 복잡한 명령을 신속하게 처리하는 데 한계가 있다.18 이를 해결하기 위해 최근에는 멀티 터치 제스처 기반의 HMI와 확장 현실(XR) 기술이 적극적으로 도입되고 있다. 멀티 터치 시스템은 조종사가 물리적인 조이스틱에서 손을 떼지 않고도 다양한 파라미터를 조절할 수 있게 하여 제어 오류를 줄이며, NASA의 작업 부하 지수(TLX) 평가 결과에서 모든 인간 요인(정신적, 육체적 요구 등)을 유의미하게 개선하는 것으로 입증되었다.18

 

나아가 가상 현실(VR)과 증강 현실(AR)을 결합한 XR 기반 HMI는 원격 조종사가 실제로 기체에 탑승한 것과 같은 몰입감을 제공하여, 도심 환경에서의 상황 인식 능력을 극대화한다.19 특히 버티포트 이착륙과 같이 정밀한 조종이 요구되는 구간에서 XR 기술은 시각적 단서를 입체적으로 제공함으로써 조종사의 공간 인지 오류를 방지한다.19

 

원격 운용에서의 인간 요인과 감각 상실 문제

원격 조종사는 기체와 물리적으로 분리되어 있기 때문에 주변 시각 단서, 청각적 피드백, 그리고 전정기관을 통한 가속도 감각을 상실하게 된다.11 이러한 감각 결여는 기체의 비정상 상태를 인지하는 시간을 지연시키며, 특히 통신 지연(Latency)이 발생할 경우 조종 안정성이 급격히 저하될 수 있다.11 따라서 최신 GCS 설계는 단순한 영상 전송을 넘어, 기체의 진동이나 가속도 데이터를 햅틱 장치나 음향 신호로 변환하여 조종사에게 전달하는 방식으로 감각 상실 문제를 해결하고자 시도하고 있다.11

 

다수의 기체를 동시에 관리하는 군집 운용 환경에서는 조종사 한 명당 최대 5대의 드론을 관리하는 것이 권장되며, 각 기체의 배터리 상태, 목적지 정보, 인공 수평선 데이터를 카드 형태로 시각화하여 정보 과부하를 방지하는 전략이 유효하다.17 또한, 인공지능 기반의 지능형 알림 시스템은 조종사가 즉각적인 개입이 필요한 기체에만 집중할 수 있도록 하여 전체 시스템의 운영 효율을 높인다.17

 

도심 복합 환경을 위한 실시간 경로 계획 알고리즘

UAM의 경로 계획은 빌딩 숲과 같은 정적 장애물뿐만 아니라 타 항공기, 조류, 갑작스러운 지오펜스(Geo-fence) 생성과 같은 동적 장애물을 실시간으로 회피해야 하는 고난도의 과제이다.4 이를 위해 고전적인 그래프 기반 탐색 기법부터 최신 인공지능 기반 학습 알고리즘까지 다양한 접근법이 연구되고 있다.21

 

샘플링 기반 알고리즘의 성능 평가 및 선택 기준

도심 공역의 복잡성을 고려할 때, PRM(Probabilistic Roadmap), RRT*(Rapidly Exploring Random Tree-star), EST(Expansive Space Tree)와 같은 샘플링 기반 알고리즘은 계산 효율성 측면에서 강점을 보인다.20

 

알고리즘	복잡한 도심 환경에서의 성능 특성	권장 시나리오
PRM	로드맵 사전 구축을 통해 다중 질의에 빠르게 대응하나 정적인 환경에 국한됨 20	정형화된 비행 경로 계획
RRT*	경로 재연결 과정을 통해 최단 거리를 보장하지만 계산 시간이 길어짐 (복잡한 환경에서 수십 초) 20	에너지 효율이 중요한 장거리 비행
EST	노드 확장 방향을 독립적으로 결정하여 복잡한 장애물 사이에서도 빠르게 경로를 생성함 20	실시간 장애물 회피 및 긴급 경로 변경

 

최근 연구에 따르면, 교량 점검이나 고층 빌딩 사이를 비행하는 복합 시나리오에서 EST는 RRT*보다 훨씬 빠른 계산 시간(0.06s vs 30~50s)을 기록하면서도 안전한 경로를 생성하는 것으로 나타났다.20 이는 실시간성이 중요한 도심 비행에서 EST가 보다 현실적인 대안이 될 수 있음을 시사한다.

 

마르코프 결정 과정(MDP)을 통한 온라인 가이드 알고리즘

동적으로 변화하는 장애물에 대응하기 위해 비행 중에 경로를 지속적으로 재계산하는 온라인 플래너의 중요성이 커지고 있다. 마르코프 결정 과정(MDP)을 기반으로 한 가이드 알고리즘은 상태 공간을 격자로 이산화하여 보상 함수를 최적화하는 방식으로 행동을 결정한다.22

 

이 방식의 핵심적인 한계인 '차원의 저주'를 극복하기 위해, 전체 문제를 개별 보상 소스(목표점 및 각 장애물)로 분해하여 계산한 뒤 이를 다시 조합하는 '가치 함수 합성' 기법이 제안되었다.22 이를 통해 기체 내부의 제한된 컴퓨팅 자원으로도 800x800 이상의 대규모 격자 공간에서 실시간으로 장애물을 회피하며 목적지로 향하는 최적 궤적을 생성할 수 있다.22

 

심층 강화 학습(DRL) 기반의 적응형 항행 기술

비정형적인 환경에서의 유연한 대응을 위해 심층 강화 학습(Deep Reinforcement Learning, DRL)이 적극적으로 도입되고 있다.23 특히 FMGRU-DDPG(Feature Matching Gated Recurrent Unit-DDPG)와 같은 알고리즘은 비행 중 갑자기 나타나는 지오펜스를 90% 이상의 확률로 회피하며 목적지에 도달하는 성능을 입증하였다.4 또한, Yolov8-StrongSort와 같은 시각적 인식 기술을 DRL의 관측값으로 사용하여 동적 장애물의 궤적을 예측하고, 인공 전위장(Artificial Potential Field) 기법을 보상 함수에 통합함으로써 기체가 장애물과 최소 안전거리를 유지하도록 유도하는 연구가 진행 중이다.25

 

GPS 음영 지역(GPS-Denied)에서의 영상 항법 및 SLAM 기법

도심 환경은 고층 빌딩에 의한 신호 차단(NLOS)과 다중 경로(Multipath) 신호 간섭으로 인해 GNSS 신호의 신뢰성이 매우 낮다.3 따라서 카메라와 IMU, LiDAR 등 온보드 센서만을 활용하여 자신의 위치를 추정하고 지도를 작성하는 SLAM(Simultaneous Localization and Mapping) 기술이 자율 비행의 핵심으로 자리 잡고 있다.14

 

시각-관성 오도메트리(VIO) 및 센서 융합의 고도화

최근의 영상 항법은 단일 카메라의 한계를 극복하기 위해 시각 정보와 IMU 데이터를 융합하는 시각-관성 오도메트리(VIO)를 기본 아키텍처로 사용한다. VINS-Fusion은 대표적인 최적화 기반 VIO 오픈소스 플랫폼으로, IMU 사전 적분과 시각적 특징점 추적을 통해 고주파수의 포즈 정보를 제공한다.3 특히 도심 환경의 불확실성을 고려하여 Sage-Husa 적응형 칼만 필터(SHKF)를 백엔드에 통합함으로써, 특징점이 부족한 구간이나 급격한 가속 상황에서도 센서 노이즈를 적응적으로 보정하여 위치 추정의 표류(Drift)를 최소화한다.3

 

트랜스포머 기반 영상 매칭 및 전역 위치 보정

장거리 비행 시 VIO만으로는 누적되는 드리프트를 해결할 수 없기 때문에, 드론이 획득한 현재 영상과 위성 지도를 대조하여 전역 위치를 보정하는 VPS(Visual Positioning System)가 결합된다.28 최신 VPS는 비전 트랜스포머(ViT) 아키텍처의 어텐션 메커니즘을 활용하여, 조도 변화나 계절적 차이에도 불구하고 드론 영상과 위성 지도 사이의 핵심 특징을 정확하게 매칭한다.28

 

실험 데이터에 따르면, 150m 고도에서 비행하는 UAV가 VIO만 사용할 경우 약 20m 이상의 오차가 발생하지만, 트랜스포머 기반의 위성 지도 매칭을 통해 보정할 경우 오차를 4~6m 이내로 제어할 수 있다.28 또한, LiDAR 기반의 국부 고도 지도와 위성 지형 데이터를 매칭하는 기법은 특징점이 없는 숲이나 도심 외곽 지역에서도 정밀한 항법을 가능케 한다.30

 

SCLAM: 제어와 항법의 유기적 통합

전통적인 방식에서는 항법(SLAM)과 제어(Control)가 분리되어 운영되지만, 최근에는 이들을 하나의 폐루프 시스템으로 통합하는 SCLAM(Simultaneous Control, Localization, and Mapping) 기법이 연구되고 있다.14 이 아키텍처에서는 SLAM 시스템이 계산한 위치 정보를 제어 시스템의 피드백으로 직접 사용하며, 특히 루프 클로저(Loop Closure)를 통해 위치 오차가 대규모로 수정될 때 기체의 제어기 또한 즉각적으로 기체의 실제 물리적 위치를 재조정하도록 설계된다.14 이는 GPS가 단절된 복잡한 실내외 환경에서 UAV의 자율성을 극대화하는 핵심 기술이다.

 

통신 인프라 및 에지 컴퓨팅 기술의 역할

UAM의 원격 조종과 자율 주행 연산은 막대한 데이터를 실시간으로 처리해야 하므로, 통신 네트워크의 성능은 시스템 전체의 신뢰성을 결정짓는 병목 지점이 된다.31

 

5G/6G 및 초저지연 통신(URLLC)

5G 네트워크의 초신뢰·저지연 통신(URLLC) 기술은 1ms 수준의 지연 시간과 99.999%의 높은 패킷 전송 성공률을 지향한다.15 실제 5G NR 환경에서의 테스트 결과, 에지 컴퓨팅과 네트워크 슬라이싱을 결합한 시스템은 약 2.3ms의 지연 시간을 기록하며 기존 4G 대비 20배 이상의 성능 향상을 보여주었다.16 다가올 6G 시대에는 위성 통신과 지상망이 결합된 SAGSIN(Space-Air-Ground-Sea Integrated Network)을 통해 고도에 관계없이 끊김 없는 통신 서비스를 제공하고, 센티미터 수준의 감지 및 위치 측정 정확도를 달성할 것으로 전망된다.15

 

연산 오프로딩과 에지 클라우드 제어

UAM 기체는 배터리 효율과 무게 제한으로 인해 고성능 컴퓨팅 자원을 탑재하기 어렵다. 이를 해결하기 위해 기체의 감지 데이터를 에지 서버로 전송하고, 서버에서 계산된 최적 제어 명령을 다시 수신하는 연산 오프로딩 기법이 주목받고 있다.32 예를 들어, Crazyflie 2.0과 같은 초소형 UAV의 제어 알고리즘(MPC)을 5G 에지 서버에서 40Hz 속도로 구동함으로써 온보드 연산 없이도 안정적인 자율 비행을 구현한 사례가 보고되었다.32 이는 통신 네트워크가 단순한 전송로를 넘어 기체의 확장된 연산 장치로서 기능할 수 있음을 의미한다.

 

글로벌 UAM 운용 개념(ConOps) 및 규제 동향

UAM의 실용화는 기술적 완성도만큼이나 공역 관리 체계와 법적 규제 프레임워크의 정립에 의존한다. NASA, EASA, 그리고 한국의 국토교통부는 각국의 특성에 맞는 운용 개념서(ConOps)를 발표하고 있다.9

 

K-UAM 로드맵 2.0 및 그랜드챌린지 실증

한국은 K-UAM 로드맵을 통해 상용화 단계를 초기(2025~2029), 성장(2030~2034), 성숙(2035~)으로 정의하고 있다.9 초기 단계에서는 안전을 최우선으로 하여 조종사가 기체에 탑승하고 지정된 전용 회랑(Corridor) 내에서만 운항하는 방식을 채택한다.9 K-UAM 그랜드챌린지 실증 사업은 다양한 사업자(운송, 교통관리, 버티포트 운영 등) 간의 통합 운용 능력을 검증하며, 특히 도심 고밀도 운용을 목표로 한 AI 교통관리 시스템에 대한 투자를 가속화하고 있다.9

 

단계	주요 운용 지표 및 기술 수준	통신 및 항법 시스템
초기 (2025~2029)	조종사 탑승, 시계 비행 방식, 고정형 회랑 9	상용 통신망(4G/5G) 및 정밀 위성 항법
성장 (2030~2034)	원격 조종사 도입, 고정형 회랑 네트워크 확대 13	자율 이착륙 및 실시간 경로 재최적화
성숙 (2035~)	완전 자율 비행(M2M), 동적 회랑 및 자유 경로 13	6G 위성 결합망 및 완전 영상 항법

 

EASA 및 FAA의 인증 및 안전 기준

유럽항공안전청(EASA)은 VTOL 기체의 인증을 위해 Special Condition(SC-VTOL)을 제정하고, 위험 기반의 접근법을 통해 드론 운용을 'Open', 'Specific', 'Certified'로 구분하여 관리하고 있다.36 특히 비가시권(BVLOS) 운용을 위한 위험 평가 모델인 SORA(Specific Operations Risk Assessment)를 통해 공역 위험과 지면 위험을 정량적으로 관리하며, 2025년 적용 예정인 SORA 3.0은 항공 교통 충돌 위험에 대한 더욱 엄격한 기준을 제시할 것으로 보인다.38 또한, 미 연방항공청(FAA)은 m:N 운용 체계로의 전환을 위해 원격 조종사가 음성 관제(ATC) 없이도 기술적 수단을 통해 타 기체와 분리(Self-separation)를 유지할 수 있는 VFR-like 기술 표준을 검토 중이다.10

 

기술적 이슈 및 향후 연구 방향에 대한 제언

본 조사를 통해 확인된 도심 UAM 자율 원격 운용의 핵심 기술적 이슈와 향후 연구가 집중되어야 할 분야는 다음과 같다.

 

첫째, 원격 조종 시스템의 리질리언스(Resilience) 확보이다. 통신 단절(Link Loss)이나 센서 오작동 시에도 기체가 안전하게 버티포트로 복귀하거나 비상 착륙할 수 있는 독립적인 자율 안전 프로토콜 개발이 시급하다.11

 

둘째, 동적 장애물에 대한 예측 기반 경로 계획의 정교화이다. 단순히 현재 위치를 회피하는 것을 넘어, 타 항공기나 조류의 이동 궤적을 딥러닝을 통해 예측하고 선제적으로 최적 경로를 수정하는 알고리즘 연구가 요구된다.4

 

셋째, 하이브리드 항법 시스템의 통합이다. 위성 신호가 간헐적으로 단절되는 도심 환경에서 GNSS, IMU, 영상(VIO/VPS), 그리고 LiDAR 데이터를 실시간으로 최적 융합하여 어떠한 상황에서도 1m 이내의 오차를 유지하는 견고한 항법 아키텍처 구축이 필수적이다.3

 

넷째, 사이버 보안 및 시스템 Hijacking 방어 기술이다. 원격 운용 시스템은 네트워크 의존도가 높으므로 제어 명령 탈취나 GPS Spoofing 등에 대한 물리적·소프트웨어적 방어 체계가 마련되어야 한다.2

 

도심 항공 모빌리티는 기술, 규제, 그리고 시장의 수용성이 맞물려야 실현 가능한 미래이다. 본 연구를 시작함에 있어, 단순히 개별 알고리즘의 성능 향상에 그치지 않고 실제 도심의 열악한 운용 환경과 인간 조종사의 인지적 특성을 고려한 시스템 통합적 접근이 이루어진다면, 안전하고 효율적인 UAM 시대의 개막을 앞당길 수 있을 것이다.

 

참고 자료

1. Top 20 Companies in Urban Air Mobility Market In the World in 2025: Report To 2035, 2월 7, 2026에 액세스, https://www.sphericalinsights.com/blogs/top-20-companies-in-urban-air-mobility-market-in-the-world-in-2025-market-research-report-2024-2035
2. Autonomous Aircraft Market Size, Share, Trends & Growth Report, 2031, 2월 7, 2026에 액세스, https://www.mordorintelligence.com/industry-reports/autonomous-aircraft-market
3. (PDF) Optimal Navigation and Obstacle Avoidance for UAV in Urban ..., 2월 7, 2026에 액세스, https://www.researchgate.net/publication/394612052_Optimal_Navigation_and_Obstacle_Avoidance_for_UAV_in_Urban_Canyons
4. Real-Time Avoidance of Obstacles and Emergent Geo-Fences for Urban Air Mobility Using Deep Reinforcement Learning | Request PDF - ResearchGate, 2월 7, 2026에 액세스, https://www.researchgate.net/publication/393928507_Real-Time_Avoidance_of_Obstacles_and_Emergent_Geo-Fences_for_Urban_Air_Mobility_Using_Deep_Reinforcement_Learning
5. 국토교통부, 「한국형 도심항공교통(K-UAM) 로드맵」 발표 - 보도자료 - 상세보기, 2월 7, 2026에 액세스, https://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?id=95083976
6. 데이터로 보는 도심항공교통(UAM), 2월 7, 2026에 액세스, https://argos.nanet.go.kr/lawstat/arc/attach/145292?view=1
7. UAM(도심 항공 모빌리티) 산업의 D.N.A. 활용 현황 및 전망, 2월 7, 2026에 액세스, https://www.airportal.go.kr/file/htmlOpen/upload/library/UAM(%EB%8F%84%EC%8B%AC_%ED%95%AD%EA%B3%B5_%EB%AA%A8%EB%B9%8C%EB%A6%AC%ED%8B%B0)_%EC%82%B0%EC%97%85%EC%9D%98_DNA_%ED%99%9C%EC%9A%A9_%ED%98%84%ED%99%A9_%EB%B0%8F_%EC%A0%84%EB%A7%9D.pdf
8. 한국형 도심항공교통 기술개발 로드맵, 2월 7, 2026에 액세스, http://weekly.tta.or.kr/weekly/files/20240029040050_weekly.pdf
9. K-UAM 운용개념서 개정 - 미래차 전환 종합정보시스템, 2월 7, 2026에 액세스, https://biz.katech.re.kr/bb/down.html?bid=3&fid=793&file=202508/68b0f6dfeceb0.pdf&force=1
10. Considerations for Airspace Integration Enabling Early Multi-Aircraft ..., 2월 7, 2026에 액세스, https://ntrs.nasa.gov/citations/20250002264
11. A Remote Test Pilot Control Station for Unmanned Research Aircraft, 2월 7, 2026에 액세스, https://d-nb.info/1275764940/34
12. Concept of Operations for Urban Air Mobility Command and Control Communications, 2월 7, 2026에 액세스, https://canadianaam.com/wp-content/uploads/2021/05/NASA-ConOps-Advanced-Air-Mobility.pdf
13. 한국형 도심항공교통(K-UAM) 운용개념서 1.0, 2월 7, 2026에 액세스, https://smartcity.go.kr/wp-content/uploads/2021/09/%EC%B2%A8%EB%B6%80_%ED%95%9C%EA%B5%AD%ED%98%95_%EB%8F%84%EC%8B%AC%ED%95%AD%EA%B3%B5%EA%B5%90%ED%86%B5K_UAM_%EC%9A%B4%EC%9A%A9%EA%B0%9C%EB%85%90%EC%84%9C1.0.pdf
14. A Simultaneous Control, Localization, and Mapping System for ..., 2월 7, 2026에 액세스, https://www.mdpi.com/2504-446X/9/1/69
15. Exploring the key technologies and applications of 6G wireless communication network - PMC, 2월 7, 2026에 액세스, https://pmc.ncbi.nlm.nih.gov/articles/PMC12018058/
16. 5G AND BEYOND ADVANCING ULTRA LOW LATENCY COMMUNICATION FOR THE NEXT GENERATION OF AUTONOMOUS SYSTEMS, 2월 7, 2026에 액세스, http://www.jatit.org/volumes/Vol103No24/14Vol103No24.pdf
17. Improving Human Ground Control Performance in Unmanned Aerial Systems - MDPI, 2월 7, 2026에 액세스, https://www.mdpi.com/1999-5903/13/8/188
18. Assessment of UAV operator workload in a reconfigurable multi-touch ground control station environment - Canadian Science Publishing, 2월 7, 2026에 액세스, https://cdnsciencepub.com/doi/10.1139/juvs-2015-0039
19. CLASSIFICATION OF EXTENDED REALITY BASED HUMAN MACHINE INTERFACES SCENARIOS FOR URBAN AIR MOBILITY, 2월 7, 2026에 액세스, https://www.icas.org/icas_archive/icas2024/data/papers/icas2024_0326_paper.pdf
20. Performance evaluation of path planning algorithms for autonomous ..., 2월 7, 2026에 액세스, https://cdnsciencepub.com/doi/10.1139/dsa-2025-0002
21. A Review of Urban Path Planning Algorithms in Intelligent Transportation Systems - MDPI, 2월 7, 2026에 액세스, https://www.mdpi.com/1999-4893/18/11/676
22. Online Flight Planner with Dynamic Obstacles for Urban Air Mobility, 2월 7, 2026에 액세스, https://www.aere.iastate.edu/~pwei/proceedings/aviation19_UAMPlanner.pdf
23. Survey on Path Planning Based on Deep Reinforcement Learning, 2월 7, 2026에 액세스, https://proceedings.mlr.press/v278/xu25a.html
24. The Emergence of Deep Reinforcement Learning for Path Planning - arXiv, 2월 7, 2026에 액세스, https://arxiv.org/html/2507.15469v1
25. (PDF) Unmanned Aerial Vehicle Path Planning in Complex Dynamic Environments Based on Deep Reinforcement Learning - ResearchGate, 2월 7, 2026에 액세스, https://www.researchgate.net/publication/389163182_Unmanned_Aerial_Vehicle_Path_Planning_in_Complex_Dynamic_Environments_Based_on_Deep_Reinforcement_Learning
26. 3D LiDAR SLAM Integration with GPS/INS for UAVs in Urban GPS-Degraded Environments - NASA, 2월 7, 2026에 액세스, https://www.nasa.gov/wp-content/uploads/2024/04/2017-hening-scitech-2017-0448-508.pdf?emrc=14af5c
27. Cooperative Monocular-Based SLAM for Multi-UAV Systems in GPS-Denied Environments, 2월 7, 2026에 액세스, https://www.mdpi.com/1424-8220/18/5/1351
28. Transformer-based visual positioning and optimisation ... - AWS, 2월 7, 2026에 액세스, https://cdck-file-uploads-us1.s3.dualstack.us-west-2.amazonaws.com/flex022/uploads/ros/original/3X/7/1/71ba47e27ea01ce66e263cae96c2cc72ed67f31c.pdf
29. Visual Self-Positioning of Low-Altitude Urban UAV Based on Improved Transformer Architecture | Request PDF - ResearchGate, 2월 7, 2026에 액세스, https://www.researchgate.net/publication/394957201_Visual_Self-Positioning_of_Low-Altitude_Urban_UAV_Based_on_Improved_Transformer_Architecture
30. Kilometer-Scale GNSS-Denied UAV Navigation via Heightmap Gradients: A Winning System from the SPRIN-D Challenge - arXiv, 2월 7, 2026에 액세스, https://arxiv.org/html/2510.01348v1
31. A Comprehensive Survey of 5G URLLC and Challenges in the 6G Era - arXiv, 2월 7, 2026에 액세스, https://arxiv.org/html/2508.20205v1
32. Toward 5G Edge Computing for Enabling ... - Diva-portal.org, 2월 7, 2026에 액세스, https://www.diva-portal.org/smash/get/diva2:1735728/FULLTEXT01.pdf
33. Developing Concepts of Operations Using Multi-Step Tool Techniques With Large Language Models - NASA Technical Reports Server (NTRS), 2월 7, 2026에 액세스, https://ntrs.nasa.gov/citations/20240011037
34. [붙임 1-2] 한국형 도심항공교통(K-UAM) 운용개념서 1.5.pdf - 국토교통부, 2월 7, 2026에 액세스, https://www.molit.go.kr/portal/common/download/DownloadMltm2.jsp?FilePath=/upload/portal/DextUpload/202508/20250828_160136_080.pdf&FileName=[%EB%B6%99%EC%9E%84%201-2]%20%ED%95%9C%EA%B5%AD%ED%98%95%20%EB%8F%84%EC%8B%AC%ED%95%AD%EA%B3%B5%EA%B5%90%ED%86%B5(K-UAM)%20%EC%9A%B4%EC%9A%A9%EA%B0%9C%EB%85%90%EC%84%9C%201.5.pdf
35. K-UAM '28년 상용화 UAM팀코리아가 실현하겠습니다., 2월 7, 2026에 액세스, https://www.i-kapa.org/uploadimg/file/250829(%EC%A1%B0%EA%B0%84)_28%EB%85%84_K-UAM_%EC%83%81%EC%9A%A9%ED%99%94_UAM%ED%8C%80%EC%BD%94%EB%A6%AC%EC%95%84%EA%B0%80_%EC%8B%A4%ED%98%84%ED%95%98%EA%B2%A0%EC%8A%B5%EB%8B%88%EB%8B%A4(%EB%8F%84%EC%8B%AC%ED%95%AD%EA%B3%B5%EA%B5%90%ED%86%B5%EC%A0%95%EC%B1%85%EA%B3%BC)_1756708515270.pdf
36. EASA Drone Regulations: A Comprehensive Guide for Compliance - UAV Navigation, 2월 7, 2026에 액세스, https://www.uavnavigation.com/company/blog/easa-drone-regulations-comprehensive-guide-compliance
37. Urban Air Mobility (UAM) - EASA - European Union, 2월 7, 2026에 액세스, https://www.easa.europa.eu/en/domains/drones-air-mobility/drones-air-mobility-landscape/urban-air-mobility-uam
38. EASA publishes new guidance material for open and specific category UAS operations, 2월 7, 2026에 액세스, https://www.dronebydrone.com/en/news/869/easa-publishes-new-guidance-material-for-open-and-specific-category-uas-operations.html