Autonomous Everywhere, Everything, Everyday
POI Change Detection by AI & Robot
Autonomous Service Robot Platform
Indoor 3D/HD Mapping Robot
5G Technology for Cloud Robotics
New Solution for Autonomous Vehicles
네이버랩스의 비전인 생활환경지능은 사용자의 환경을 먼저 이해하고,
사용자가 요구하기 전에 필요한 정보와 서비스를 앞서 제공할 수 있는 기술을 의미합니다.
실제 사람들의 삶이 펼쳐지는 location에 대한 이해, 그리고 그 공간과 공간 사이를
연결해주는 mobility의 지능화에 집중하며 삶에 스며드는 솔루션을 제공하고자 합니다.
네이버랩스의 인재상은 passionate self-motivated team player입니다. 어쩌면 '자기주도적 팀플레이어'라는 말은 형용모순(形容矛盾)일 지도 모릅니다. 하지만 우린 계속 시도했고, 문화는 계속 쌓여갑니다. 다양한 분야의 전문가들이 경계없이 협력하고 스스로 결정하며 함께 도전하는 곳의 이야기를 전합니다. How to work at NAVER LABS 공간 데이터를 디지털라이즈하는 것, 즉 '고정밀 매핑'은 네이버랩스 기술의 시작이 되는 중요한 과제입니다. COMET 프로젝트는 매핑 로봇이나 MMS (mobile mapping system) 차량이 다니기 어려운 복합 지형에서의 매핑 기술을 연구하고, 네이버랩스 매핑 디바이스들의 표준을 개발하는 것을 목표로 합니다. 그런데 이 프로젝트 이전, 많은 시도와 실패가 있었습니다. 물론 실패를 극복해 더 단단한 결과물을 만들어낸다는 아름다운 결말이 현실에서 비일비재하지는 않습니다. 여건도 상황도 이를 쉽게 허락하지 않지만, 무엇보다 사람도 지치기 마련입니다. 그래서 COMET 팀이 더 궁금했습니다. 어떤 일들이 있었는지 들어보았습니다. Q. 어떤 프로젝트인가요? (정은교|TL) 그간의 매핑 디바이스 개발은 주로 고정형이거나 특정 지형에 한정되었죠. 그런데 COMET은 지형 지물에 상관없이 데이터 수집이 가능해야 한다는 것이 전제였습니다. 실내나 도로처럼 규격화된 곳이 아닌 울퉁불퉁한 인도, 계단, 구불구불한 등산로 등등. 지형의 특성과 무관하게 고정밀 데이터를 수집할 수 있어야 합니다. 먼저 백팩 타입 설계를 시작한 이유입니다. 프로젝트 이름에 모든 의미가 담겨있다 (이성준|PM) 그래서 COMET이라는 프로젝트 명을 정했죠. 우주에는 정해진 궤도를 따라 움직이는 행성들만 있는 것이 아니라 궤도를 가로지르는 혜성도 있죠. COMET 프로젝트는 네이버랩스의 실내 매핑로봇 M1, 도로의 모바일매핑시스템 R1 사이에서 그간 커버하기 힘들었던 공간들을 빈틈없이 연결해주는 역할을 합니다. 한 획을 그어보자, 혜성처럼 (정성용|하드웨어/펌웨어 설계) 사실 다른 컨셉의 프로젝트들이 계속 있었어요. 그런데 예상치 못했던 내외부 변수들로 여러차례 중단되었죠. 거의 완성 직전인 프로젝트도 있었거든요. 그때 의욕이나 열정이 많이 사라질 뻔 했는데, 성준님이 ‘마지막으로 혜성처럼 회사에 한 획을 그어보자’고 하며 COMET 프로젝트를 제안했던 게 기억나요. 그런 의미의 이름 아니었나요? "COMET 의 핵심 컨셉은 기존의 고정밀 매핑 디바이스들로 접근하기 어려웠던 영역들의 빈틈을 빠짐없이 연결한다는 것입니다. 이동 환경이 비교적 균일한 도로나 실내의 보도에서는 이미 솔루션이 충분한 편입니다. 하지만 아직 고정밀 지도를 만들기 어려운 영역이나 복합 지형들은 여전히 많아요. 그런 곳에서도 COMET을 통해 공간 데이터를 끊김없이 연결할 수 있게 된 것이 가장 큰 성과입니다." 실패라는 것을 팀에서는 어떻게 활용 했나요? 실패도 자산화하려면 프로세스가 필요하다 (이성준|PM) COMET 이전의 여러 시도와 실패를 통해 깨달은 게 있습니다. 프로젝트의 자산에 대한 것입니다. 중단된다고 그간 쌓아왔던 것이 없어지면 안되죠. 그래서 각 프로젝트를 통해 얻은 경험과 노하우를 자산화하기 위한 프로세스를 만들고자 했습니다. 일단 큰 틀을 잡고, 각 단계는 sprint 방식으로 진행했습니다. 지금 우리가 어디까지 왔는지를 가시적으로 확인할 수 있다는 점도 큰 도움이 되었어요. 모든 끝은 새로운 시작으로 연결 (천정훈|프로그래밍/하드웨어 설계) 진행되었던 모든 프로젝트 정보들이 정리되고 공개되어 있습니다. 저 역시 이전의 솔루션들을 참고해 개발속도를 높일 수 있었습니다. 이런 정리를 중요하게 생각하는 이유는, COMET이 끝이 아니라 다음 프로젝트로 이어지는 단계라고 생각했기 때문입니다. 애초에 추후 프로젝트에서 활용될 수 있는 기술들에 대한 고려를 많이 하고 있습니다. 예를 들어, 다음 프로젝트에서도 활용할 것을 전제로 각종 센서데이터의 효율적 수집 프로토콜을 설계하거나, circuit board의 펌웨어 업데이트 기능도 적용하여 확장성을 미리 대비해 두는 것이죠. 프로세스가 작동하면 일어나는 일 (정성용|하드웨어/펌웨어 설계) 저는 사실 COMET도 완료되지 않을 거라 생각했어요. 기술적인 어려움은 아니었어요. 올해 회사의 리더십이나 로드맵이 변화되는 상황에서 이 프로젝트가 안정적으로 끝나는 것이 쉽지 않을 거라 생각했죠. 그런데 그간 쌓인 경험들, 그로 인해 만들어진 단단한 프로세스가 작동하기 시작했습니다. 그래서 모두의 예상보다 빠르게 완료가 되어버렸어요. 정말 말도 안되게 기간 단축이었습니다. 물론, 개발 중엔 하루 하루가 도전이고 위기였죠. 담당자라는 개념과 경계를 넘는 것 (천정훈|프로그래밍/하드웨어 설계) 분명 개개인이 달성해야 할 목표라는 건 있습니다. 보통 이런 건 명확한 편이죠. 그런데 그것만 각자 잘 한다고 프로젝트가 잘 되는 건 아닙니다. 다른 담당자의 역할이나 완료를 그저 기다리는 것이 아니라, 필요하다고 생각되면 스스로 리드하거나 함께 고민하고 대화했습니다. 팀과 상관없이 해당 분야의 전문가를 찾아 풀어야 할 문제에 대해 편하게 논의할 수 있다는 건 네이버랩스 조직문화의 확실한 강점입니다. 누구든 언제든 쉽게 서로 피드백을 나눌 수 있는 분위기이기 때문에, 고민이 생겼을 때마다 더 잘 해결할 수 있었던 것 같네요. 전문가들의 진짜 전문가다운 협업 (최문용|GPS 하드웨어 설계) COMET의 GPS 수신이 예상보다 나쁘게 나온 적이 있었어요. 그러면 하드웨어 전문가, 소프트웨어 전문가, GPS 알고리즘 전문가가 총출동합니다. 각각의 전문 분야를 기반으로 다각적으로 관찰하고, 논의하며, 효과적인 대응 방안을 찾으면 기구 파트에서 바로 적용을 해줍니다. 그 결과 우리가 기대하는 성능까지 올릴 수 있었습니다. 그걸 바라보는 저는, 소름이죠! 각자의 업무 경계를 크게 가르지 않고도, 협업을 통해 팀 전체의 전문성을 높일 수 있었어요. 너도 코딩 나도 플래닝 (정성용|하드웨어/펌웨어 설계) 실제로 우리는 서로의 영역을 구분하지 않고 자연스럽게 영역을 넘나듭니다. 담당자는 정해져 있지만, 그렇다고 개발 및 의사결정을 담당자만 하지 않습니다. 필요하다고 생각되면 누구든 직접 회로를 그려보고, 직접 코드를 작성해보고, 기구를 설계하거나 스스로 프로젝트 계획을 수립합니다. (이재량|기구개발) 물론 현실은 티격태격이죠. 의견 차이가 있을 때는 정말 뜨겁습니다. 서로 화를 내며 논쟁하기도 합니다. (저는 아닙니다) 그런데 결과적으로는 더 좋은 결론에 다다르더라고요. 누구나 자유롭게 의견을 말하고 논쟁할 수 있다는 건 프로젝트 완성도를 위해 정말 중요한 환경입니다. 결국 각자의 분야에서 아주 뛰어난 전문가들이기 때문이죠. "전문성을 가진 팀원들간의 자유로운 소통이 주는 장점은 무엇일까요? 각자의 담당 업무 영역이 오버랩되면서 ‘너의 문제’와 ‘나의 문제’라는 경계가 어느 순간 사라진다는 점입니다. 서로의 전문성을 진심으로 인정하고, 서로 다른 분야에 대한 관심과 이해하려는 노력이 있었기 때문에 가능했던 것 같아요. 지금은 농담으로 다음 프로젝트에서 각자 무엇을 담당할지 사다리 타서 정하더라도 프로젝트는 잘 돌아가겠다고 말해요." Q. 앞으로의 목표는? 어떤 형태로도 적용 가능한 매핑 디바이스의 표준을 만들 것 (정은교|TL) 앞서 말했듯 COMET 프로젝트는 다양한 지형에서 고정밀 공간 데이터를 수집하는 것이 목표였고, 그것이 가능해졌다는 것이 가장 큰 성과입니다. 이 프로젝트를 통해 센서간 조합에서 오는 아주 다양한 문제와 side effect들을 경험하고 해결했습니다. 이러한 정보와 노하우를 바탕으로 네이버랩스 매핑 디바이스들의 표준화를 준비하고 있습니다. 그래야 이후의 많은 매핑 프로젝트에 빠르고 효율적으로 대응할 수 있습니다. (이성준|PM) 실제로 COMET은 그 자체로 끝이 아닙니다. 실제 운용 시간과 환경을 늘려가며 테스트하면서 새로운 개선점을 발견하게 될 것이고, 이러한 과정을 통해 더 다양한 환경과 머신에 적용할 수 있는 확장성 있는 시스템으로 발전시킬 수 있을 것입니다. (이재량|기구개발) 처음에는 기존에 해보지 않았던 타입을 개발해야 한다는 점에서 초기 컨셉 단계부 터 막막했습니다. 지금은 어느새 새로운 소재나 구조를 검토하며 업그레이드를 위한 테스트를 지속하고 있는 상태입니다. 계속 버전업되는 COMET을 기대해주세요. 과거의 자산을 잃지 않기 위해 단단한 근간을 마련한다 (정성용|하드웨어/펌웨어 설계) 결국 우리가 COMET을 통해 얻어낸 가장 큰 것은, 우리만의 매핑 디바이스 표준을 만들어가고 있다는 점이 아닐까 생각합니다. 앞으로 네이버랩스에서 개발될 매핑디바이스는 그 형태나 목적이 어떻게 되더라도 COMET이 근간이 됩니다. 이제는 프로젝트 방향이 달라질 때마다 컨셉을 새로 설계하는 방식을 벗어나, 그간의 자산을 하나도 잃지 않은 상태에서 지금 가장 효과적인 방식의 매핑 디바이스를 만들 수 있습니다. 이러한 결과를 위해 필요했던 과거의 실패들이었던 것 같습니다.
로봇, 자율주행차, 그리고 지도 로봇이 우리의 일상 공간을 스스로 돌아다니고, 자율주행차가 도로 위를 안전하게 이동하기 위해 꼭 필요한 데이터가 있습니다. ‘지도’입니다. 사실 이 지도는 우리에게 익숙한 지도앱이나 내비게이션과는 조금 다릅니다. 기계가 읽을 수 있는 3차원 고정밀 지도 (machine readable 3D/HD map)입니다. 이 지도는 로봇이나 자율주행에 아주 중요한 역할을 합니다. 사람은 당연하게 할 수 있는 위치 인식이나 경로 계획을 로봇이나 자율주행차는 이 지도에 의존하기 때문입니다. 고정밀 지도가 자율주행 차량 두뇌의 일부라고 말하는 이유입니다. 그래서 네이버랩스는 3차원 고정밀 지도 제작 솔루션을 계속 개발하고 있습니다. 실내에서는 매핑로봇 M1으로, 도로에서는 모바일 매핑 시스템인 R1과 항공사진을 통해 도로 정밀 지도를 만들고 있습니다. 그런데 한가지 더 풀어야 할 숙제가 있습니다. 바로, 업데이트입니다. 세상의 모습은 늘 변화하고 있죠. 그래서 지도는 최신성이 곧 정확성입니다. 로봇이나 자율주행차를 위한 지도도 다르지 않습니다. 네이버랩스에서도 로봇, 인공지능, 항공사진, MMS (모바일 매핑 시스템) 등을 활용하여 이를 위한 기술들을 연구합니다. 로봇과 AI가 바뀐 상호를 찾아내는 기술 작년에는 대규모 실내 공간에서 상점의 변화를 자동으로 찾아내는 '셀프 업데이팅 맵 (self-updating map)' 기술을 개발하였습니다. 로봇이 넓고 복잡한 상업 공간을 이동하며 변경된 상호를 정확하게 골라내는 기술입니다. 로봇이 수집한 이미지를 자동으로 분석하기 위해 컴퓨터 비전과 딥 러닝 기술도 활용했습니다. 그런데 쇼핑몰에는 너무나 많은 시각적 정보가 가득하기 때문에, 광고물이나 보행자 등과 구분하여 상점 정보를 정확하게 인식하는 것이 중요했습니다. 이를 위해 네이버랩스에서 개발한 알고리즘은 매장이 새롭게 열리거나, 닫히거나, 상호만 바뀌었다는 정보를 아주 정확히 인식할 수 있고, 이 결과를 컴퓨터비전·패턴인식(CVPR) 콘퍼런스에서 발표하기도 했습니다. 도로 정밀 지도를 자동 업데이트하는 기술 올해는 이러한 업데이트 기술을 도로 위로 확장시키기 위해 ACROSS 프로젝트를 진행하고 있습니다. 물론 실내와는 환경이나 조건이 많이 다릅니다. ACROSS에서는 저비용 센서로 구성된 매핑 디바이스를 다수의 차량에 장착해 넓은 지역에서 동시 다발적으로 도로 정보의 변화를 확인하는 방식을 사용합니다. 매핑 디바이스의 센서로 수집된 이미지 데이터는 마찬가지로 인공지능이 분석을 합니다. 기존 고정밀 지도의 도로 레이아웃(차선정보, 정지선 위치, 도로마커 등)이나 3차원 정보(교통표지판, 건물, 신호등, 가로등 등)의 변화를 감지합니다. 실제로는 계절과 시간, 날씨의 변화도 잘 감지해야 하고, 도로 위 차량들과도 잘 구분해야 합니다. 여러모로 도전적인 과제이지만 계속 풀어나가고 있습니다. 앞으로 로봇이나 자율주행 기술들은 점차 연구실을 벗어나 우리 삶으로 스며들 것입니다. 그러기 위해 먼저 준비해야 할 것이 고정밀 지도 제작 기술과 업데이트 솔루션입니다. 더 정확하고, 늘 최신으로! 이를 위한 기술을 연구하고 있습니다.
네이버 최초의 로봇은 M1입니다. 2016년에 첫 공개한 M1은 실내 공간의 3차원 고정밀 지도를 만드는 매핑로봇입니다. 위에 보이는 이미지가 바로 M1이 만든 지도입니다. 우리가 일반적으로 보는 지도와는 많이 다르죠. 이 지도는 누구를 위한 것일까요? 다른 자율주행 로봇들입니다. M1이 지도를 제작해 맵 클라우드에 올려 다른 로봇들의 자율주행에 활용하는 방식입니다. 우리는 이러한 자율주행 로봇 플랫폼을 AROUND라는 이름으로 소개하고 개발을 지속해왔습니다. 결국, M1이 네이버랩스에서 개발하는 클라우드 기반 자율주행 로봇들의 출발선인 셈입니다. 그런데 우리는 점차 M1이 만든 정밀한 3차원 지도로 더 많은 것을 할 수 있다는 걸 알게 되었습니다. 예를들어 GPS가 통하지 않는 실내에서 현재 위치를 파악하는 visual localization이나, 인도어 AR 내비게이션, 로봇과 AI를 활용해 실내 지도를 업데이트하는 셀프업데이팅맵 기술 등에도 M1의 데이터를 활용하기 시작했습니다. 그리고 이러한 목적에 더 잘 맞도록 버전업도 계속해왔습니다. M1X, 정확도와 확장성의 업그레이드 M1X는 기존 M1의 후속 버전입니다. 그 간의 매핑 기술들을 집약했습니다. 데이터는 더 정확해지고, 활용할 수 있는 영역은 더 넓어졌습니다. (심지어 제작비용도 줄었습니다.) 하드웨어 측면에서는 주행안정성을 향상시키는 것에 특히 신경을 썼습니다. 이동 중의 진동을 줄일수록 더 고품질의 데이터를 얻을 수 있기 때문입니다. 예를 들어 M1X의 데이터를 활용한 측위 정확도는 이전 버전과 비교해 약 30% 이상 개선된 수치를 얻을 수 있게 되었습니다. 이번 업그레이드에서는 활용 영역의 확장성도 중요했습니다. 단 한번의 매핑만으로 자율주행 로봇 뿐 아니라, 사람이 사용하는 스마트폰과 같이 여러 디바이스나 서비스에서 활용할 수 있도록 센서 구성과 방식을 다양화했습니다. 이를 위한 최적화 노하우가 우리의 경쟁력이기도 합니다. 그런데 사실 이 부분은 남들이 쉽게 따라하기 어렵습니다. 이유는 아주 단순합니다. 우리는 단지 매핑만을 하는 것이 아니라, 네이버랩스 내의 여러 프로젝트에서 그 데이터를 활용해 개발이나 리서치를 병행하고 있기 때문이죠. 언제나 분명한 목적과 다양한 데이터 활용 피드백이 있기 때문에 매핑로봇의 업그레이드도 매우 실질적이며 효율적인 솔루션에 집중하게 됩니다. 새로운 공간 기반 서비스들의 시작이 되는 기술 M1은 네이버랩스에서 개발하고 있는 다양한 미래 기술 중에서도 매우 상징적인 로봇입니다. 우리는 공간의 고정밀 데이터를 기반으로 자율주행, 로봇, AI 등의 기술을 결합해 실제 삶에서 도움을 줄 수 있는 기술을 연구하고 있기 때문입니다. 실제로 M1에서 M1X까지 이르는 매핑 기술의 업그레이드 과정에서 실내 측위 기술과 자율주행 로봇 플랫폼, AR 내비게이션 등의 중요한 성과들이 함께 이어질 수 있었습니다. 그래서 우리는 지금까지 일상 공간의 데이터를 더욱 빠르게, 그리고 오차 없이 얻어내는 기술에 많은 시간과 노력을 투자해 왔습니다. 공간을 디지털라이즈하는 혁신적인 매핑 기술이 미래에 찾아올 새로운 공간 기반 서비스들의 시작점이라고 믿기 때문입니다.
