본문 바로가기

전체 글670

로봇 산업 탐구: 로봇의 개요 및 시장 로봇은 산업용(제조) 로봇과 서비스 로봇으로 구분 • 로봇은 외부환경을 스스로 인식하고 상황을 판단하여 자율적으로 동작하는 기계장치를 의미 • 사용 용도에 따라 제조 현장의 생산 및 출하 작업을 수행하는 산업 용(제조) 로봇과 서비스용 로봇으로 구분되며 서비스용 로봇은 국방, 의료 등 전문 서비스 로봇과 가사, 건강, 교육 등 개인 서비스 로봇 으로 분류됨. 광의의 로봇 개념은 자율 주행차, 드론, AI스피커 등을 모두 포괄함 • 응용 소프트웨어가 고도화되고 최근 생활 범주에서 제반 서비스를 제공하는 서비스용 로봇에 대한 수요가 높아지면서 최근 산업용 로 봇과 서비스용 로봇 두 영역간 경계가 점차 모호해지고 있는 추세 • 일례로 기존 제조업의 생산 공정에 활용되던 협동로봇의 경우, 의료, 푸드 등 서비스.. 2023. 1. 3.
로봇 기업 탐구: Tesla. AI 와 로봇 기업으로의 확장 - 4 (7) 벡터 공간을 구성하기 위한 Data Labeling 데이터를 수집하는 것 뿐만 아니라 좋은 질의 데이터를 수집하여 처리하는 것이 중요하다. 신경망은 수억 개의 파라미터를 가지고 있는데, 파라미터의 수가 많아질수록 신경망을 제어하는 것이 어렵다. 이를 훈련하기 위해서는 깨끗하고 다양한 데이터 셋을 확보하는 것이 중요하다. 데이터 라벨링의 발전과정 ① 전문 업체와 협력 → ② 내재화하여 2D 라벨링 진행 → ③ 사람이 직접 벡터 공간 라벨링 → ④ 컴퓨터가 스스로 라벨링하는 Code 2.0 4 년 전에는 전문 데이터 라벨링 업체와 협력하여 진행하였지만, 지연 시간이 길고 엔지니어와의 긴밀한 협력이 더디다는 문제가 있었다. 이러한 이유로 라벨링 작업을 내재화하여 In-house 로 전환하고 라벨링 전문.. 2023. 1. 2.
로봇 기업 탐구: Tesla. AI 와 로봇 기업으로의 확장 - 3 (4) Autopilot 과 FSD Software Autopilot 은 ADAS 수준이며, FSD 는 좀 더 높은 수준의 자율주행 테슬라의 자율주행 소프트웨어는 FSD(Full Self-Driving)으로 통용되지만, Autopilot 과 FSD Software 의 차이는 명확하다. Autopilot 은 기본적으로 TACC(주행 속도와 차량 간 거리 자동 조정), Auto Steer(차선 유지 보조) 기능을 제공하고 있으며, FSD 옵션을 구매할 경우 차선 변경, 고속도로 자율주행 등 더 높은 수준의 자율주행을 제공한다. 또한 완전자율주행에 가까운 FSD Beta 소프트웨어는 현재 북미 지역의 100,000 명을 대상으로 배포하고 있으며, 2022 년 중으로 지역을 더 확대할 예정이다. 다만 자율주행에.. 2023. 1. 1.
로봇 기업 탐구: Tesla. AI 와 로봇 기업으로의 확장 - 2 (2) 2D 카메라로 구성한 Vector Space Pure Vision 의 핵심은 데이터 학습 다른 센서에 의존하지 않는, 카메라만을 활용한 물체 인지 알고리즘의 핵심은 결국 더 완벽한 데이터 학습을 통한 카메라 단점 보완 및 이종센서의 장점 보완에 달려있을 것이다. 인공지능을 통해 카메라의 2D 이미지를 3D 로 구현하는 과정을 반복적으로 훈련하며 Lidar 와의 괴리를 줄여나가야 할 것이다. 개별 이미지 네트워크는 Vector Space 의 변환 과정에서 Noise 발생 과거에는 단순한 네트워크를 사용하여 개별 이미지를 처리하였다. 하지만 이 방법은 2D 이미지를 Vector Space 로 옮기는 과정에서 Noise 가 발생한다는 문제가 있다. 즉, 개별 이미지를 예측하는 것은 가능하지만, 이미지로.. 2023. 1. 1.
로봇 기업 탐구: Tesla. AI 와 로봇 기업으로의 확장 - 1 테슬라는 21 년 8 월 AI Day 에서 궁극적인 지향점은 ‘전기차를 넘은 인공지능(AI) 및 로봇 회사’이라 언급하면서, 로봇 산업에 대한 의지를 공식적으로 발표하였다. 또한 휴머노이드 로봇 Optimus 에 대해서 22 년에 프로토타입을 공개하고, 23 년부터 생산하기 시작하여 자사의 공장에 먼저 투입할 것이라 약속하였다. Tesla 는 구체적인 청사진과 목표를 주기적으로 제시해왔는데, 첫 번째 목표(Master Plan 1)는 ‘전기차’, 두 번째 목표(Plan 2)는 ‘자율주행’이었다. 세 번째 목표는 핵심 기술을 기반으로 사업의 영역을 확장하는 것으로, ‘휴머노이드 로봇’이 확장의 시작점이다. 즉, 완전자율주행 기술을 이용해 모빌리티 산업에서 가장 큰 매출이 전망되는 로보택시를 포함하여 에너지.. 2023. 1. 1.
로봇 기업 탐구: 테슬라 vs. 엔비디아 인공지능에 필요한 데이터를 가장 잘 다룰 수 있는 업체가 테슬라와 엔비디아 인공 신경망의 활용, 자연어처리 알고리즘의 발전 및 확산, 강화학습의 발전은 로봇의 뇌가 2019 년 대비 크게 도약했음을 의미한다. 이들은 모두 로봇에 접목되어 학습시킬 수 있는 데이터의 크기를 증가시키거나, 속도 및 정확도를 개선하는 방향으로 발전했기 때문이다. 사실 이같은 방법들은 대부분 오픈 소스로 공개가 된 상태이다. 로봇이 완성되고 있다고 말할 수 있을 만큼 획기적인 발견을 왜 공유하는 것일까? 사실 로봇의 뇌에서 가장 중요한 것은 데이터다. 학습 방법이 발전되고 많은 데이터를 학습할 수 있는 모델이 있다고 해도 정작 유용한 데이터가 없다면 학습을 시작을 할 수도 없기 때문이다. 따라서 데이터 보유량과 데이터를 저장부터.. 2022. 12. 31.
로봇 기술 탐구: 로봇의 뇌(인공지능) 어디까지 왔나? - 3 (강화학습) 강화학습은 보상과 패널티로 최적의 행동을 유도하는 학습방법 강화학습은 현재의 상태(State)에서 어떤 행동(Action)을 취하는 것이 최적인지를 인공지능이 보상을 통해 학습하는 것을 말한다. AI 는 올바른 행동을 취할 때마다 외부 환경에서 보상(Reward)을 받는다. 반면 반대 방향으로 행동을 할 때마다 패널티를 받으며 보상을 최대화하는 방향으로 학습한다. 예를 들어 로봇에게 A 지점에 있는 상자를 가지고 다시 원점으로 돌아오는 학습을 한다고 가정해보자. 곧바로 A 지점으로 이동하면 +3 점이라는 Reward 를 부여하고, A 지점이 아닌 B 지점으로 이동하면 -2 점을 부여한다. 같은 방법으로 상자를 원점으로 가져오면 +4 점, 가져오는 과정에서 물건을 떨어트린다면 -3 점을 부여하게 된다. 이.. 2022. 12. 31.
로봇 기술 탐구: 로봇의 뇌(인공지능) 어디까지 왔나? - 2 (자연어 처리) 자연어처리(NLP)는 로봇과 컴퓨터에 명령체계로 매우 중요 - RNN 이나 LSTM 같은 알고리즘 사용 사람이 컴퓨터나 로봇에게 일정한 명령을 전달하기 위해선 약속된 수단이 있어야 한다. 지금은 주로 키보드나 마우스를 사용하지만 음성인식 인공비서에겐 자연어로 명령을 한다. 뿐만 아니라 유튜브나 포털에서 번역서비스는 이제 너무나 편리한 기능으로 자리잡았다. 그만큼 자연어 처리는 중요하다. 자연어처리(NLP: Natural Language Processing)는 인간이 사용하는 언어에 대한 이해 및 이를 바탕으로 한 다양한 자연어 활동을 인공지능이 이해하는 것을 말한다. 즉 사람이 직접 육성(肉聲)으로 지시를 하거나, 컴퓨터 언어로 이루어진 코드가 아닌 자연어 형태의 비정형적 명령을 이해하는 과정이다. RN.. 2022. 12. 31.
로봇 기술 탐구: 로봇의 뇌(인공지능) 어디까지 왔나? - 1 (Neural Network) 인공지능은 인지-판단-제어에 있어 가장 중요한 ‘로봇의 뇌’에 해당한다. 인공지능 (AI: Artificial Intelligence)은 인간이 가지고 있는 지적 능력을 컴퓨터에서 구현하는 다양한 기술이나 소프트웨어, 컴퓨터 시스템 등을 함께 일컫는 단어다. 1956 년 미국 다트머스 대학에서 열린 학회에서 존 매카시가 처음 ‘인간의 지능을 흉내낸 컴퓨터의 지능’이라고 인공지능을 정의한 이후 오랜기간 개념을 정립해왔다. 그러던 것이 2006 년들어 토론토 대학의 제프리 힌턴 교수가 인공신경망 논문을 쓰면서 학계는 센세이션하게 이를 받아들였고, 빠르게 딥러닝이 인공지능의 중심으로 자리잡게 된다. 지난 2020 년에는 OpenAI 가 GPT-3 라는 초거대규모 언어모델을 내놓으면서 인공 신경망을 통한 학습은.. 2022. 12. 31.

티스토리툴바