R1

[H2W@NL] 전문가들의 고정밀 시너지, 하이브리드 HD 매핑

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 H2W@NL 시리즈 전체보기 지난해 11월, 네이버랩스는 국내 기업 중 최초로 도로 HD맵 데이터셋을 무상 배포했습니다. 수많은 국내 자율주행 연구자들을 위해서입니다. 그렇다면, 왜 자율주행 연구에 HD맵은 중요할까요? 안전하고 효과적인 자율주행을 위해서입니다. 센서 데이터와 HD맵을 연동하면 고층 빌딩이 즐비한 도심에서도 현재 위치를 끊김없이 정확하게 인식할 수 있도록 해주고, 복잡하게 얽혀있는 도로 구조를 광범위하게 파악해 효과적인 경로 계획을 세울 수 있으며, 신호등/횡단보도 등의 위치를 HD맵을 통해 미리 확인해 실시간 인지 정확도를 높일 수도 있습니다. 그래서 네이버랩스는 자율주행 연구 시작 시점부터 HD맵 솔루션을 함께 연구해 왔습니다. 그 결과가 하이브리드 HD 매핑입니다. 항공사진과 MMS 데이터를 융합해 고정밀 지도를 만드는 기술입니다. 다른 어디에서도 시도하지 못했던, 가장 독창적인 방식의 매핑 솔루션은 어떻게 개발되었을까요? 그 주역들의 이야기를 들어보았습니다. Q. 왜 HD맵 기술을 개발하나요? HD맵은 도로 자율주행을 위한 시작 (김형준|시스템 소프트웨어 개발) 자율주행 시대가 온다고 합니다. 그렇다면, 반드시 그보다 먼저 필요한 것은 HD맵입니다. 자율주행 차량이 도로를 안전하게 주행하려면, 차선 단위의 아주 정밀한 정보가 필요하기 때문입니다. 보통은 MMS (Mobile Mapping System) 차량이 일일이 돌아다니며 수집한 도로 데이터로 HD맵을 제작하는 것이 일반적이지만, 이 방식은 소요되는 시간과 비용이 많습니다. 지역이 광범위해지면 더 많은 리소스가 필요하고요. 우리는 그걸 획기적으로 줄일 수 있는 방법을 찾고 싶었습니다. 정확도는 유지하되, 도시 단위의 넓은 지역을 더 빠르고 효율적으로 제작하는 솔루션을 찾았습니다. 그 결과가 네이버랩스의 하이브리드 HD 매핑 기술입니다. 항공 사진을 통해 대규모 지역의 도로의 레이아웃과 건물 정보 등을 얻고, 이 위에 자체 MMS 차량인 R1으로 취득한 데이터를 정합해서 HD맵을 만듭니다. R1이 최소한만 주행해도 HD맵을 제작할 수 있기 때문에, 소요되는 시간과 비용을 획기적으로 줄일 수 있습니다. (전준호|비주얼 피처맵 개발) 이렇게 완성된 HD맵에는 도로 자율주행에 필수적인 고정밀 정보들이 담겨 있습니다. 도로의 구조 정보인 로드 레이아웃 맵(Road Layout Map), 기하 정보를 가진 포인트 클라우드 맵(Point Cloud Map), 시각 정보를 가진 비주얼 피처 맵(Visual Feature Map) 등이죠. (신용호|센서 캘리브레이션) 우리가 하이브리드 HD 매핑이란 새로운 방식을 고안하고 완성할 수 있었던 건, 그 동안 지속적으로 개발해 온 자율주행 기술과 항공 사진 기반의 지도 생성 기술을 모두 내재화하고 있었기 때문이죠. 도시 규모의 HD맵을 효율적으로 제작할 수 있는 독자 솔루션 (이진한|PM/소프트웨어 개발) 사실 자율주행 기술을 연구하는 회사들은 많습니다. 그런데 독자적인 HD 매핑 기술까지 보유한 회사는 의외로 많지 않아요. 네이버랩스도 처음엔 그랬어요. 자율주행 프로젝트가 시작된 2016년 무렵엔 자체 HD 매핑 기술이 없다는 점이 아쉬웠어요. 센서만으로는 얻기 힘든 정보들을 미리 담아둘 수 있는 그릇이 HD맵인데, 바로 그 정보들이 자율주행의 성능을 높이는데 큰 역할을 하거든요. 결국 이 그릇을 만드는 방법을 내재화했죠. 이제는 도시 규모의 HD맵을 효율적으로 제작할 수 있는 독자 솔루션을 갖췄습니다. 실제로 이 결과물을 Localization에 바로 활용하여 자율주행 기술도 함께 고도화하고 있습니다. Q. 어떤 협업을 통해 개발되었나요? 아웃풋이 바로 새로운 인풋이 되는 (이진한|PM/소프트웨어 개발) 하이브리드 HD 매핑은 여러 분야의 전문가들이 함께 했습니다. 한 프로젝트의 결과물이 다른 프로젝트의 입력으로 연결되는 구조라고 할 수 있겠네요. 예를 들어 R1 하드웨어 장비 개발 프로젝트는 Sensor Calibration 프로젝트로 이어지고, 항공 매핑을 통해 만들어진 로드 레이아웃 데이터에 MMS 데이터를 연결하고… 이렇게 유기적인 의존 관계로 진행되었습니다. (이웅희|센서 데이터 툴 개발) 자체 개발한 MMS 차량인 R1에는 다수의 카메라, 라이다, GPS, 자이로센서 등 많은 센서들이 탑재되어 있어요. 이러한 개별 센서들에 대한 드라이버 개발은 물론 전체 센서 데이터가 동시에 들어왔을 때 유실 없이 저장할 수 있는 시스템 개발, 그리고 운용 소프트웨어 개발이 필요했습니다. (신용호|센서 캘리브레이션) R1이 수집된 데이터를 융합하기 위해서 반드시 필요한 과정이 있습니다. 캘리브레이션입니다. 각 센서간에는 상대적인 위치와 방향 등의 차이가 발생하는데, 캘리브레이션을 통해 정확하게 매칭을 시켜야 하죠. 그렇지 않으면 수집한 데이터들을 제대로 사용할 수가 없습니다. 하늘과 도로에서 획득한 데이터를 융합하여 도시 규모의 HD맵 생성 (김진석|항공 매핑) R1이 지상을 담당한다면, 저희는 하늘에서 찍은 정보를 활용합니다. 항공 사진을 통해 정확도를 획기적으로 높이는 방식을 개발했습니다. 항공 사진에서 8cm 해상도로 왜곡이 제거된 연직 정사영상(TrueOrtho)을 생성한 후, 도로 영역의 2D/3D 로드 레이아웃을 생성합니다. 여기에 R1이 수집한 포인트 클라우드 데이터를 정합하면, 대규모 지역의 HD맵을 빠르고 효율적으로 만들 수 있게 됩니다. (임준택|라이다 피처맵 개발) 이처럼 R1이 도로의 포인트 클라우드를, 항공기가 대규모 지역의 로드 레이아웃을 스캔해 결합하는 방식은 아주 새로운 솔루션입니다. 물론 그냥 붙인다고 HD맵이 바로 나오는 것은 아닙니다. 스캔 데이터에서 자동차나 사람같이 불필요한 부분을 지우는 딥러닝 모델을 만들고, HD맵을 사용할 차량이나 로봇을 위한 특징점을 추출하는 과정도 필수적입니다. 서로 다른 분야의 전문가, 하나의 팀 (전준호|비주얼 피처맵 개발) HD맵을 이루는 요소들, 즉 Road Layout Map/Point Cloud Map/Visual Feature Map 등의 구축 알고리즘을 각기 개발해, 이 데이터들을 잘 포함하고 있는 HD맵을 제작하는 거죠. 이렇듯 많은 팀의 협력으로 완성한 매핑 솔루션입니다. 항공 사진의 정합과 인식, MMS 차량의 데이터 수집을 위한 장비와 센서 시스템 구축, GPS와 LiDAR 데이터를 이용한 위치 인식 기술, 시각 정보 추출을 위한 딥러닝 기술 등 서로 다른 전문가가 하나의 팀으로 모여있어요. 같은 목적을 갖고 밀접하게 협업하기에 더 높은 수준의 연구와 개발이 가능한 것 같습니다. “결과도 중요하죠. 하지만 문제를 같이 정의하고, 함께 해법을 찾아가는 과정은 더 중요한 것 같아요. 그래야 좋은 결과가 이어질 수 있으니까요.” (김형준|시스템 소프트웨어 개발) 다양한 분야의 전문가들이 모여 유기적인 협업이 언제든 가능하다는 것은 프로젝트에서 난항을 겪을 때 큰 힘을 발휘합니다. 예전에, 데이터 취득 시스템의 안정성에 문제가 생긴 적이 있어요. 그때 하드웨어 엔지니어와 소프트웨어 엔지니어들이 모두 모여 동시에 검토를 했습니다. 필드를 돌며 문제 발생 시점의 상황을 함께 체크하고, 그 중 기구 엔지니어 분들이 원인을 찾아 문제를 해결했습니다. (김상진|하드웨어 설계) 저도 그때가 기억나요. 차량 진동으로 인한 간헐적인 회로 단락이 원인이었죠. 짧은 시간에 가장 정확한 답을 찾기 위해 필요한 것은, 역시 유기적인 팀웍인 것 같아요. (신용호|센서 캘리브레이션) 팀이 없는 것처럼 협업이 잘 된다는 점도 자랑하고 싶어요. 함께 잘하기 위해서라는 목표만으로 일에 몰입할 수 있다는 건 정말 좋은 경험이죠. Q. 경과, 그리고 목표는? 서울시 2,000km 로드 레이아웃 지도 구축 (김진석|항공 매핑) 서울시 4차선 이상 도로 2,000km에 대한 로드 레이아웃 구축을 완료했습니다. 자율주행에 필요한 도로 구조 정보(차선, 중앙선, 정지선, 좌회전 등의 노면표시)를 정밀한 벡터 데이터 형식으로 변환했습니다. 서울시만큼 큰 대도시 규모의 매핑이란 관점에서 보자면, 국내에서 유일한 기술입니다. (김형준|시스템 소프트웨어 개발) 하이브리드 HD 매핑의 자체 프로세스가 정립되면서, 예전과 비교해 최소한의 작업으로 원하는 지역의 HD맵을 생성할 수 있게 되었습니다. 무상 공개한 판교 및 상암 지역 HD맵도 이 결과물 중 하나죠. (이진한|PM/소프트웨어 개발) 상암/판교 지역의 HD맵 무상 배포를 DEVIEW에서 발표했을 때가 정말 보람되었던 것 같아요. 국내에서 자율주행을 연구하고 있는 많은 기관에서 데이터셋 신청을 해주셨어요. 저희의 솔루션으로 만든 HD맵이 국내 자율주행 기술 고도화에 도움이 될 수 있었으면 좋겠습니다. (전준호|비주얼 피처맵 개발) 네이버랩스의 HD맵은 도로 위의 정밀 위치 인식을 최종 목표로 하고 있습니다. 예를 들어 Visual Feature Map의 경우 위치 인식에 필요한 최소한의 시각 정보와 기하 정보를 Descriptor 형태로 경량화 했기 때문에, 대규모 도심 지역의 데이터도 용량이 아주 작습니다. 이러한 최적화를 계속할 계획이고요. 미래 모빌리티 세상으로 한 걸음 더 (김상진|하드웨어 설계) 매핑 시스템 고도화의 목표는 결국 신뢰성 높은 지도를 만드는 것에 있습니다. 하드웨어 시스템의 신뢰성/유연성/운용성을 빠르게 개선하고, 이를 더욱 저비용으로 구현할 수 있도록 개발을 지속하고 있어요. 이런 연구들의 결과가 모이고, 이러한 고정밀 데이터가 쌓이면, 우리가 상상하고 있는 미래 모빌리티 세상을 더욱 앞당길 수 있다고 생각합니다.  

2020.02.24 NAVER LABS

A-CITY를 준비하는 네이버랩스의 주요 기술들

A-CITY는 네이버랩스의 기술로 도전하는 미래 도시상입니다. 도심의 각 공간들을 다양한 자율주행 머신들로 연결하고, 인공지능이 방대한 데이터를 분석해 예측하며, 공간 데이터를 정보화하고 업데이트하여 배송과 물류 등의 서비스들까지 자동화 되는 도시를 위한 기술을 연구합니다. 이를 위해 우리는 도심을 구성하고 있는 다양한 공간의 데이터를 모아 머신들을 위한 고정밀 지도를 만들고, 장소/환경/목적에 따라 변용 가능한 지능형 자율주행 머신 플랫폼 개발하고 있습니다. 또한 자연스러운 HMI (human-machine interaction)를 연구해 일상의 공간에서 사람들에게 유용한 서비스를 제공하는 것이 목표입니다. A-CITY라는 미래 도시상을 앞당기기 위해 지금 우리가 집중해 고도화하고 있는 핵심 기술들입니다.   매핑 로봇 M1, 실내 자율주행을 위한 시작 M1은 실내 공간의 3차원 고정밀 지도를 제작하는 매핑 로봇입니다. LiDAR로 수집한 포인트 클라우드에 SLAM 기술을 적용하여 만든 고정밀 지도는 실내 자율주행 서비스 로봇을 비롯해 다양한 위치 기반 서비스의 핵심 데이터로 사용됩니다. 현재 M1의 업그레이드 버전인 M1X를 통해 정확도를 높이는 동시에 데이터 활용성을 더욱 확장하고 있습니다. M1 자세히 보기   도로 자율주행을 위한 핵심 데이터, 하이브리드 HD매핑 자율주행머신을 위한 도로 HD맵을 제작하는 독창적인 솔루션입니다. 도심 단위 대규모 지역을 촬영한 항공사진 이미지에서 도로 면의 레이아웃 정보를 추출하고, 자체 개발된 MMS (mobile mapping system)인 R1이 수집한 데이터를 유기적으로 결합하는 방식으로 광대한 영역의 HD맵을 빠르고 정확하게 제작하는데 효과적인 방식입니다. 하이브리드 HD매핑 자세히 보기   HD맵을 자동으로 업데이트하는 기술들 머신을 위한 지도 역시 최신성은 중요합니다. 네이버랩스에서는 도로 HD맵을 위한 ACROSS 프로젝트와 실내 지도를 위한 셀프업데이팅맵 기술을 연구합니다. ACROSS는 다수의 차량에 장착한 매핑 디바이스로 도로 레이아웃(차선 정보, 정지선 위치, 도로 마커 등)이나 3차원 정보(교통표지판, 건물, 신호등, 가로등 등)의 변화를 감지하여 업데이트하는 기술입니다. 셀프업데이팅맵은 자율주행로봇과 AI를 통해 대규모 쇼핑몰의 POI 변화를 자동으로 인식하는 기술입니다. ACROSS 프로젝트 자세히 보기 셀프업데이팅맵 기술 자세히 보기   노면과 환경이 불규칙한 인도(sidewalk) 매핑 & 측위 실내와 도로의 중간 지대라 할 수 있는 인도(sidewalk)는 계절이나 날씨의 영향을 많이 받습니다. 또한 노면도 훨씬 불규칙합니다. 그래서 네이버랩스는 인도에서의 매핑과 측위 기술 개발을 위해 'COMET'이라는 프로젝트를 진행 중입니다. 인도 환경에 적합한 센서 구성의 디바이스를 제작하고, 이 매핑 장비로 취득한 데이터를 처리하기 위한 알고리즘도 개발하고 있습니다. 단기적으로는 사람이 장착하며 테스트를 하겠지만, 향후 다양한 노면에서 이동이 가능한 4족 보행 로봇이 직접 데이터를 취득할 수 있게 테스트할 예정입니다. 네이버랩스의 펀딩으로 MIT에서 개발한 치타3와 미니치타가 활용될 것입니다. 또한 네이버랩스 유럽에서 진행 중인 날씨/계절/시간/조명 등의 환경 변화에도 특정 위치를 정확히 파악하는 VL 연구(R2D2)도 아주 혁신적인 기술입니다. 이 기술은 CVPR 2019의 Long-Term Visual Localization 부문 Local Feature Challenge에서 1위를 수상하기도 했습니다. R2D2 프로젝트 더 보기   도로 위의 끊김 없는 정밀 측위 (localization) 기술 도심의 복잡한 환경에서도 자율주행 머신이 자신의 위치를 실시간으로 정밀하게 추정하는 기술을 연구합니다. 빌딩숲이나 터널 등 GPS 신호에 의존할 수 없는 지역에서도 끊김 없이 안정적인 측위를 하기 위해 자체 개발 HD맵을 하나의 가상 센서처럼 활용하고 LiDAR, Camera, 관성센서, Wheel Encoder 등 다양한 센서로부터 획득된 정보를 종합하여 가장 정확한 좌표를 추출하는 기술을 고도화하고 있습니다. 올해 말까지 오차범위 10cm 이내의 정밀도를 목표로 각 알고리즘의 완성도를 높이는 한편, 서울/경기 주요 지역의 실제 도로에서 지속적으로 검증해 나갈 계획입니다. HD map aided localization 더 보기   실내에서 사진 한 장으로 위치를 인식하는 VL 기술 VL (visual localization) 기술은 이미지를 분석해 현재 위치를 인식하는 기술입니다. GPS가 통하지 않는 실내에서도 아주 정밀하게 현재 위치를 알 수 있습니다. 네이버랩스의 이VL 기술은 M1이 촬영한 3D 데이터에서 특징점을 추출하고 비교해 위치를 인식하는 솔루션으로 최고 수준의 글로벌 경쟁력을 가지고 있습니다. 현재 실내 자율주행 로봇 플랫폼에 이 기술이 적용되어 있으며, VL 외에 센서와 영상 정보를 분석해 위치를 추적하는 VIO (visual-inertial odometry), 사물을 인식해 위치나 방향을 6DoF(전후상하좌우)로 추정하는 VOT (visual object tracking) 기술 등과 결합한 AR 기술도 함께 개발하고 있습니다. AR은 공간 그 자체를 인터페이스로 활용하기 위해 아주 중요한 기술이기도 합니다. VL 기술 자세히 보기   사람의 팔과 유사한 구조의 로봇팔, AMBIDEX 일상 공간에서 사람들에게 직접 서비스를 제공하기 위해서는 아주 정교한 동작이 가능하면서 동시에 안전한 로봇팔이 필수입니다. 네이버랩스와 코리아텍이 산학협력으로 개발한 AMBIDEX는 와이어 구조의 혁신적인 동력 전달 메커니즘으로 사람들과 안전하게 인터랙션 할 수 있는 로봇 팔입니다. 또한 AMBIDEX의 활동 반경을 확장하기 위해 허리부를 추가했습니다. 더 똑똑하고 정교한 서비스 시나리오를 수행할 수 있도록 시뮬레이터를 통한 강화 학습 등을 함께 연구하고 있습니다. AMBIDEX 자세히 보기   도로 위의 자율주행 머신들을 위한 온로드 머신 플랫폼 네이버랩스는 2017년 IT업계 최초로 국토부 자율주행 임시운행을 허가 받은 이후 실제 도로 위에서 측위, 인지, 플래닝과 컨트롤에 이르는 모든 영역의 도로 자율주행 기술들을 종합적으로 고도화하고 있습니다. 또한 하이브리드 HD매핑과 ACROSS 솔루션으로 도로 자율주행을 위한 HD맵을 제작합니다. 이러한 기술들과 데이터를 통합하여 이후 물류/배송/ 무인샵 등 다양한 목적으로 커스터마이즈할 수 있는 도로 자율주행 머신 플랫폼을 개발하고 있습니다. 네이버랩스 자율주행 기술 더 보기   맵 클라우드와 강화학습을 통한 실내 자율주행, AROUND 플랫폼 AROUND플랫폼은 자율주행 서비스 로봇 대중화를 목표로 네이버랩스가 개발한 독자적인 솔루션입니다. 매핑 로봇 M1이 만든 맵 클라우드(map cloud)를 기반으로 위치를 인식하여 경로를 계획하고, 심층 강화학습 (deep reinforcement learning) 알고리즘을 적용해 레이저스캐너의 도움 없이 매끄러운 자율주행이 가능하다는 것이 특징입니다. 지도 생성, 위치 파악, 경로 생성, 장애물 회피 등의 핵심 기능을 직접 수행해야 하는 기존 많은 자율주행 로봇과는 달리, 저가의 센서와 낮은 프로세싱 파워만으로 정확도 높은 실내 자율주행을 구현했습니다. AROUND 자세히 보기   로봇 서비스의 새로운 가능성, 5G 브레인리스 로봇 플랫폼 네이버랩스는 CES 2019에서 세계 최초로 5G 브레인리스 로봇 시연에 성공한 바 있습니다. 로봇의 두뇌 역할을 하는 컴퓨터를 클라우드로 옮기고 5G로 연결하는 기술입니다. 다수의 로봇을 동시에 제어할 수 있어 제작 비용을 효과적으로 줄일 수 있고, 클라우드가 로봇의 두뇌 역할을 대신하기 때문에 크기가 작으면서 지능도 뛰어난 로봇을 만들 수도 있습니다. 우리는 이 기술을 AROUND 플랫폼과 연계하는 연구로 확대하고 있습니다. 이를 통해 네이버 데이터센터 ‘각’이 여러 로봇들의 두뇌가 되어 다양한 방식의 로봇 서비스를 제공하고자 합니다. 5G 브레인리스 로봇 기술 자세히 보기

2019.06.26 NAVER LABS

CES 2019 Innovation Awards에서 'AHEAD', 'R1' 등 4개 제품 수상

네이버랩스의 생활환경지능 연구 성과들이 CES 2019 Innovation Awards 수상으로 이어졌습니다. CES Innovation Awards는 엔지니어와 디자이너 등으로 구성된 심사위원단이 탁월한 기술력과 디자인 경쟁력을 갖춘 제품들을 선정해 수여하는 상입니다. 네이버랩스는 총 3개 부문에 출품하여 4개 제품을 수상했습니다. In-vehicle audio/video 부문에 'AHEAD'와 'AWAY'가, vehicle intelligence and self-driving technology 부문에서 'NAVER LABS R1', robotics and drones 부문에 'AMBIDEX'가 각기 수상했습니다. AHEAD, 3D AR HUD AHEAD는 지난 DEVIEW 2018에서 첫 공개를 했던 3D AR HUD입니다. 정해진 단일 초점 거리에 가상 이미지를 생성하는 일반 HUD와 달리, 운전자의 초점에 맞춰 실제 도로와 자연스럽게 융합되는 방식으로 정보를 제공합니다. 운전자는 마치 실제 이미지가 도로 위에 존재하는 것처럼 자연스럽게 내비게이션 정보, 전방 추돌 경고, 차선 이탈 경고, 안전 거리 경고 등을 제공받을 수 있습니다. AWAY, in-vehicle infotainment platform AWAY는 네이버랩스에서 개발한 차량용 인포테인먼트 플랫폼입니다. 운전자의 안전을 고려한 UI, 다양한 지역정보, 음성 에이전트로 목적지 검색이 가능한 전용 내비게이션, 네이버뮤직과 오디오클립 등 주행 환경에 최적화된 미디어 서비스를 제공합니다. 이번 CES에 출품한 AWAY 헤드유닛 디스플레이는 24:9 비율의 스플릿 뷰 기반으로 미디어 콘텐츠와 내비게이션 등 여러 기능을 시각적 간섭 없이 동시에 확인할 수 있는 것이 특징입니다. NAVER LABS R1, mobile mapping system NAVER LABS R1은 자율주행차용 hybrid HD맵 제작을 위한 모바일 매핑 시스템입니다. 우리의 독자적 매핑 솔루션인 hybrid HD맵은, 미리 촬영된 정밀 항공 사진의 정보와 R1 차량이 수집한 point cloud 정보를 유기적으로 결합하는 방식으로 HD맵을 제작합니다. 각 2D/3D 데이터에서 HD맵 제작을 위한 feature들을 자동 추출하는 알고리즘을 적용했기 때문에 일반 MMS 장비보다 제작 비용을 줄이면서도 동일 수준의 정확도를 얻을 수 있으며, 최신성 유지에도 효과적이라는 점이 특징입니다. AMBIDEX, robot arm with Innovative cable-driven mechanisms AMBIDEX는 와이어 구조의 혁신적인 동력 전달 매커니즘을 통해 사람과 안전하게 인터랙션을 할 수 있는 로봇팔입니다. 한 팔의 무게는 고작 2.6kg로, 성인 남성의 한 팔보다 가볍습니다. 그럼에도 최대 3kg의 하중을 버티고, 최대 5m/s의 속도로 동작할 수 있습니다. 동시에 7개의 관절에서 강도를 증폭할 수 있고, 정밀한 제어가 가능하며, 딥러닝을 통해 수행 능력을 발전시킬 수 있기 때문에, 일상 공간에서 사람들에게 직접 도움을 주는 다양한 서비스를 제공할 수 있습니다. 네이버랩스는 내년 1월 8일부터 미국 라스베가스에서 개최되는 CES 2019에 참가합니다. 이번 CES 2019 Innovation Awards 수상 제품 외에도 AI, 자율주행, 로보틱스 등 다양한 분야의 생활환경지능 성과들을 함께 선보일 계획입니다. 이를 계기로 글로벌 무대의 더 많은 파트너들과 함께 location & mobility 영역에서 새로운 가능성의 기회를 만들어가고자 합니다.

2018.11.09 네이버랩스

도로자율주행을 위한 지도, 하이브리드 HD 매핑

자율주행차에는 많은 센서가 있습니다. 그리고 이 센서를 통해 들어오는 수많은 데이터들을 처리하며 달립니다. 그런데 자율주행차에게 데이터인 동시에 센서인 것이 있습니다. 바로 HD맵입니다. HD맵을 자율주행차의 또 다른 센서라고 표현하는 이유가 있습니다. 자율주행차는 HD맵을 센서 데이터들과 함께 활용해 현재 위치를 더 정확하게 알고, 경로 계획도 효과적이고 안전하게 세울 수 있습니다. 그래서 HD맵은 자율주행차의 성능과 안전에 있어 매우 중요한 요소입니다. 우리가 자율주행차를 위한 새로운 고정밀 지도 (machine readable HD map) 솔루션 개발에 집중하고 있는 이유입니다. 이번에 공개한 하이브리드 HD 매핑 기술은 매우 독창적인 솔루션입니다. 도심 단위 대규모 지역의 항공 사진, 그리고 모바일 매핑 시스템의 데이터를 유기적으로 결합하는 방식입니다. 먼저 항공촬영 이미지(aerial image)에서 도로 면의 레이아웃 정보를 추출합니다. 그리고 자체 개발된 lightweight MMS (mobile mapping system)인 R1이 이동하며 수집한 포인트 클라우드(point cloud)를 유기적으로 결합하는 방식으로 HD맵을 제작합니다. 기존 MMS 차량이 만드는 HD맵과 비교해 제작 비용 및 기간을 크게 절감할 수 있습니다. 물론 정확도는 유지됩니다. 네이버랩스는 직접 자율주행차를 연구하고 있으며, 국토부 임시허가를 받았습니다. 따라서 하이브리드 HD 매핑의 결과물을 직접 비교 테스트하며 개발할 수 있습니다. HD맵 기반의 로컬라이제이션 기술 연구도 활발히 진행되고 있습니다. 이 기술은 GPS 신호가 끊기기 쉬운 도심의 빌딩 숲 안에서도 자율주행차가 정확하고 안전하게 현재 위치를 파악할 수 있게 합니다. 앞으로 다양한 자율주행 머신들과 서비스들이 속속 등장할 수록 HD맵의 중요성은 더 높아질 것입니다. HD맵 기반의 알고리즘도 고도화되고 다양해질 것입니다. 우리는 하이브리드 HD맵 기술을 통해 데이터의 정확성과 제작 비용의 합리성을 동시에 충족하는 새로운 HD맵 솔루션을 제공하고자 합니다. 네이버랩스 자율주행 기술 자세히보기

2018.10.12 네이버랩스