재해 발생 직후의 초동 조사 및 재해 복구에는 신속한 대응이 요구된다. 이것을 확실하게 하기 위해 UAV를 활용한 초동 조사가 최근 실시되고 있으며, 토털 스테이션 등을 주로 이용하고 있던 지상 측량의 업무 효율이 대폭으로 개선되고 있다. 초동 조사의 효율 개선에는 인공위성, 유인항공기(고정날개·회전날개), UAV(고정날개·회전날개), 차량, 삼각, 백팩 등의 계측 플랫폼을 검토할 수 있다. 재해 부위의 추출 누락 등을 방지할 수 있는 점이나 증수나 붕괴가 있는 장소에서 안전하게 조사할 수 있다는 점에서, 상공에서 계측하는 공중 사진 측량이나 항공 LiDAR의 접근이 유용하다. 그리고 재해 부위가 국소적이고 재해 부위 근처까지 UAV 운반로가 확보되어 있으면, UAV(회전날개)가 신속성과 운용성의 점에서 최적의 계측 플랫폼이 된다. UAV 이용에 의한 측량 업무 효율화 1. 카메라와 비교한 LiDAR의 우위성 측량용 UAV에 탑재되는 센서는 카메라나 LiDAR이며, 각각 장점과 단점이 있다(그림 1). LiDAR은 화상 매칭 등 시간이 걸리는 데이터 처리 없이 점군을 직접 취득할 수 있다는 점에서 화상 계측(SfM/MVS)과 비교해서 우위이다. 또한, SfM
나카가와 마사후미, 시바우라공업대학 재해 발생 직후의 초동 조사 및 재해 복구에는 신속한 대응이 요구된다. 이것을 확실하게 하기 위해 UAV를 활용한 초동 조사가 최근 실시되고 있으며, 토털 스테이션 등을 주로 이용하고 있던 지상 측량의 업무 효율이 대폭으로 개선되고 있다. 초동 조사의 효율 개선에는 인공위성, 유인항공기(고정날개·회전날개), UAV(고정날개·회전날개), 차량, 삼각, 백팩 등의 계측 플랫폼을 검토할 수 있다. 재해 부위의 추출 누락 등을 방지할 수 있는 점이나 증수나 붕괴가 있는 장소에서 안전하게 조사할 수 있다는 점에서, 상공에서 계측하는 공중 사진 측량이나 항공 LiDAR의 접근이 유용하다. 그리고 재해 부위가 국소적이고 재해 부위 근처까지 UAV 운반로가 확보되어 있으면, UAV(회전날개)가 신속성과 운용성의 점에서 최적의 계측 플랫폼이 된다. UAV 이용에 의한 측량 업무 효율화 1. 카메라와 비교한 LiDAR의 우위성 측량용 UAV에 탑재되는 센서는 카메라나 LiDAR이며, 각각 장점과 단점이 있다(그림 1). LiDAR은 화상 매칭 등 시간이 걸리는 데이터 처리 없이 점군을 직접 취득할 수 있다는 점에서 화상 계측(SfM/MVS)
헬로티 함수미 기자 | 한국전자통신연구원(ETRI)은 ETRI가 개발한 기계학습을 기반으로 주파수 사용량을 분석하고 예측하는 방법이 국제 표준으로 자리매김할 전망이라고 밝혔다. 지난달 열린 '국제전기통신연합 전파통신 부문 스펙트럼 관리 연구반(ITU-R SG1)회의'에서 ETRI가 개발한 '기계학습 기반 스펙트럼 가용성 예측 방법'이 신규보고서 초안 작업문서로 채택됐다고 전했다. 이로써 우리나라가 미래 주파수 이용에 대비한 연구 기술을 선점할 기반을 마련했다는 평가를 받고 있다고 덧붙였다. '스펙트럼 가용성'이란 특정 주파수 대역에서 전파통신 서비스를 이용할 수 있는 정도를 나타내는 지표다. 스펙트럼 가용성을 정확하게 분석해야 주파수 사용량 및 포화 상태를 파악할 수 있다. 이를 통해 쓰지 않는 주파수는 회수해서 재할당하는 등 전파 자원을 효율적으로 관리하는 것이 가능하다. 그간 스펙트럼 가용성은 단순화된 수학 모델을 통해서 분석되어 복잡한 전파 환경을 분석하기 어려웠다. 또한, 다양한 주파수 종류와 사용 형태에 따른 분석 방법을 정리한 표준 문서가 없어 참고할 가이드라인이 없는 상황이었다. ETRI는 주파수 종류별, 사용행태별 스펙트럼 가용성 분석 방법을
[헬로티] 이번 글에서 다루는 라이프 데이터란 생리 정보뿐만 아니라 일상생활 속 인간의 행동 데이터도 포함하고 있다. 각 사람의 위치 자세 정보에서부터 캐시리스 사회의 결제 기록 등 모든 활동 기록이 행동 데이터이다. 더욱이 행동 데이터의 축적과 분석의 결과를 이용해 인간 행동을 변용시켜 건강 증진으로 연결하는 시도까지 포함하면, 행동 데이터는 확실히 라이프 데이터이다. 이 글에서는 이와 같은 라이프 데이터로서 인간 행동 데이터의 취득에서부터 축적․컴퓨팅에 관한 시스템에 대해 주목한다. 이후 이 글에서 라이프 데이터라는 부르는 것은 인간의 행동 데이터를 나타내고, 특히 보행이나 이동 등과 같은 인간 활동에 관한 데이터를 가리키는 것으로 한다. 라이프 데이터의 수집과 축적 그리고 분석에 이르는 시스템은, 각 인간에게 분산된 센서에 의한 계측과 네트워크를 통한 데이터의 축적과 기계학습에 의한 분석이라는 흐름으로 실현된다. 최종적으로는 분석 결과의 인간에 대한 피드백과 행동 변용의 유발까지 생각하면, 인간 사회를 루프에 포함한 시스템이기도 하다. 그런데 인류의 역사에서 지금까지 개발된 여러 가지 시스템의 대부분은 ‘집중’에서 &ls
[첨단 헬로티] 에이디테크놀로지가 시스템 반도체 RTL(Register Transfer Level) 설계 전문 업체 이글램의 지분 100%를 인수해 자회사로 편입했다고 4일 밝혔다. 회사는 이를 통해 개발 인력을 100여 명 수준까지 늘리며 강화된 기업 경쟁력을 갖추게 됐다. 회사 측은 “올해부터 국내 파운드리를 이용하는 대규모 시스템 반도체 개발을 진행하기 위한 전문 인력의 보강이 필요한 상황에서 RTL 개발 능력이 입증된 이글램의 지분을 100% 인수해 자회사로 편입시켰다”며 “앞으로도 대규모 개발을 위해 능력 있는 설계 업체를 추가로 인수하는 것을 고려하고 있다”고 설명했다. 최신 공정인 7nm/5nm 핀펫(FinFet)으로 개발 검토되고 있는 △인공지능(AI) △기계학습(ML) △가속기 등의 최신 시스템 반도체들은 고성능 병렬 컴퓨팅 아키텍처의 설계와 대규모 회로 집적 설계, 전력 및 성능의 효율적 관리 등이 필요하다. 설계 전 단계에서 고려해야 할 사항이 매우 복잡하기 때문에 빠르고 안정적인 칩 개발을 위해서 대규모의 전문 RTL 설계 인력이 요구되고 있다. 에이디테크놀로지는 최근 공시를 통해 TSMC와의
[첨단 헬로티] AI(인공지능) 도입의 경제적 파급효과는 7,000조 원에 이르며, 가장 빠른 파급효과를 가져올 수 있는 산업은 유통과 물류 분야가 될 것이다. 그리고 주행로봇 플랫폼이 AI 기술과 접목하며 물류산업을 뒤바꾸고 있다. AI가 자율주행 로봇에 어떻게 접목되고 있으며, 현재 유통·물류에 대한 시장 현황은 어떤지, 지난 7월 18일에 열린 ‘AI 융합 비즈니스 개발 컨퍼런스 2019’에서 테크플로어 강석준 대표가 강연한 내용을 정리했다. ▲ 테크플로어 강석중 대표는 “주행로봇 플랫폼은 목적지로 단순 이송만 해주는 형태, 컨베이어나 시스템에 붙어 있어서 제품이나 빈 박스 등을 라인으로 이송해주는 형태, 최종에는 팔이 달려서 각 단위의 제품을 집을 수 있는 형태로 적용되고 있다”고 말했다. 시장조사업체 멕킨지에 따르면, AI 도입의 경제적 파급효과는 7,000조 원에 이른다. 보고서에는 1위부터 3위가 유통·소매, 운송·물류, 자동차 산업의 순이었다. 글로벌 컨설팅업체인 PWC도 AI가 적용되는 부분에 있어 가장 빠른 파급효과를 가져올 수 있는 산업으로 헬스케어, 금융,
[첨단 헬로티] 한국정보통신기술협회(이하 TTA)는 AI(인공지능) 활용기술‧제품에 대한 품질 평가방법을 개발하여, 총 33개 중소기업의 기술 및 제품에 대한 시험 평가를 수행했다고 밝혔다. AI 활용기술은 정보시스템이 인지, 학습, 추론 등 고차원적인 지적 능력을 갖추도록 개발된 정보처리기술을 말한다. AI에 대한 사회적, 기술적 관심 및 수요가 증가함에 따라, TTA는 AI 활용기술 및 제품에 대한 품질 평가방법을 고도화하고 이를 적용하여 2018년 품질평가 수행이 전년 대비 250% 이상 급증했다. 평가한 제품의 유형을 분류해보면, 제한된 정보를 학습하여 스스로 새로운 정보에 대한 판단을 수행하는 '기계학습 및 지식추론 분야(67%)'가 가장 많은 비중을 차지했으며, 그 다음으로 자연어 처리나 텍스트, 음성 인식을 수행하는 '언어지능 분야(24%)'와 영상 또는 객체 인식을 목표로 하는 '시각지능 분야(9%)'로 확인됐다. AI 활용기술이 다양한 분야에 적용되면서 AI의 오작동이나 낮은 품질이 전체 제품 또는 서비스의 품질에 치명적인 영향을 미칠 수 있기 때문에 AI 활용기술 확산을 위해서는 정확도 및 신뢰성 검증이 반드시 필요하다. TTA의
현재 인공지능 기술, 특히 기계 학습(machine lear-ning) 기술이 많은 분야에 적용되고 있다. 역시 로봇 분야도 예외가 아니다. 로봇 분야에 다양한 형태로 기계 학습 기술을 포함한 인공 지능 기술이 적용되고 있다. 실제로 국내에서도 로봇 분야에 기계 학습 관련 기술 적용에 대해 많은 연구를 하고 있다. 본 연재에서는 로봇에 적용되는 기계 학습 관련 기술과 기계 학습 기술을 효율적으로 적용할 수 있는 SW 플랫폼 기술에 대해 논의해보고자 한다. 이를 위해 국내외에서 진행하는 딥 러닝 기술과 SW 플랫폼에 대한 문제점을 분석하고 이에 대한 해결방법도 모색해보고자 한다. 이에 따라 각 연재에서는 다음과 같은 주제를 가진다. • 기계 학습, 데이터 및 SW 플랫폼 • SW 플랫폼 • 기계 학습과 학습 구조 • 기계 학습과 SW 플랫폼 ▲ SW 플랫폼의 등장으로 로봇 기술이 전문가들만 참여하는 분야에서 다양한 사업 참여자들이 더욱 쉽게 참여할 수 있는 길이 열리게 되었다. 로봇을 위한 SW 플랫폼 로봇을 위한 SW 플랫폼을 먼저 설명을 한다. 로봇 SW 플랫폼이란 사용자 혹은 개발자들이 로봇 또는 로봇 응용을 쉽게 개발
[첨단 헬로티] 로봇에 인공지능을 활용할 수 있는 방법은 다양하게 존재한다. 해당 로봇의 응용 특성에 맞는 방법을 활용하고, 기존 로봇 방식을 활용하기 위해서는 로우 레벨의 소프트웨어부터 모듈화를 하는 것이 인공지능 기술을 접목시키는 데 효율적이다. 또한, 딥러닝 기반 로봇 제어를 위해서는 많은 데이터가 필요하고 기계학습 모듈을 같이 운영할 수 있는 소프트웨어 플랫폼 기술이 필요하다. 산업용 로봇과 소프트웨어 플랫폼 동향에 대해 지난 3월28일 열린 ‘로보틱스 컨퍼런스 2018’에서 강원대학교 박홍성 교수가 발표한 강연 내용을 정리했다. [편집자 주] ▲ 일반 플랫폼과 로봇 플랫폼 비교 산업용 로봇과 소프트웨어 플랫폼의 동향을 살펴봄으로써 산업용 로봇 소프트웨어 플랫폼의 요구사항을 알아본다. 또한, 기계학습 기술을 소개함으로 산업용 로봇에 기계학습 기술이 어떻게 활용되는지와 그 제약사항을 알아본다. 특히, 기계학습 기술에서 왜 데이터가 중요한지와 이 데이터들이 주는 한계도 소개한다. 그리고 이를 통하여 모듈 기반의 소프트웨어 플랫폼과 기계학습 기술이 왜 공존해야 하는지에 대해서도 살펴보겠다. 산업용 로봇과 소프트웨어 플랫폼 동향 최근 4
인공지능에 대한 인식 조사 결과에 따르면, 전반적으로 인공지능에 대한 평가는 긍정적이고, 인공지능은 기업의 제조 및 연구개발 분야에서 생산성 향상이나 의사결정 지원에 활용될 것으로 기대했다. 우리나라에서 인공지능은 제조업에 활용될 가능성이 높으며, 산업 경쟁력 강화 대책으로 원천/선도 기술 개발이 중요할 것으로 전망됐다. 이번 호에서는 미래창조과학부 정보통신정보화 및 정책지원 사업(ICT통계조사 및 동향분석)으로 진행된 ‘인공지능 업계 동향 및 인식조사 결과’ 중 인공지능에 대한 인식 조사 결과에 대해 살펴본다. 이번 조사는 우리나라 인공지능 업계 종사자 및 비종사자를 대상으로 인공지능이 우리에게 가져다 줄 편익과 부작용을 진단하고, 앞으로 우리나라가 인공지능을 어떻게 개발하고 활용해야 하는지에 대한 시사점을 도출하는 것을 목적으로 수행됐다. 조사 대상은 ICT 통계포털 ITFIND 가입자 및 인공지능 업계 종사자이며, 2016년 4월 4일부터 6일까지 3일 간 웹 기반 설문을 실시했다. 설문 응답자 수는 총 219명으로 전체 응답자의 54%가 일반 기업에 종사하고 있으며, 그 다음으로 ‘대학/대학원(16%)’, &
상호명(명칭) : ㈜첨단 | 등록번호 : 서울,아54000 | 등록일자 : 2021년 11월 1일 | 제호 : 오토메이션월드 | 발행인 : 이종춘 | 편집인 : 임근난 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2021년 00월00일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 |
사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c)오토메이션월드 all right reserved
UPDATE: 2025년 11월 10일 09시 02분
/pdf.png)
/smartmap_2_01.png)
/smartmap_2_04.png)
/smartmap_2_big_04.jpg)
/smartmap_2_05.png)
/smartmap_2_big_05.jpg)
/smartmap_2_08.png)
/smartmap_2_big_09.jpg)
/smartmap_2_09_2.png)
/smartmap_2_big_10_2.jpg)
/smartmap_2_11_2.png)
/smartmap_2_big_12_2.jpg)
/smartmap_2_02.png)
/smartmap_2_03.png)
/smartmap_2_06.png)
/smartmap_2_big_07.jpg)
/smartmap_2_07.png)
/smartmap_2_big_08.jpg)
/smartmap_2_12.png)
/smartmap_2_big_13.jpg)
/smartmap_2_13.png)
/smartmap_2_big_14.jpg)
/smartmap_2_14.png)
/smartmap_2_big_15.jpg)
/smartmap_2_15.png)
/smartmap_2_big_16.jpg)
/smartmap_2_16.png)
/smartmap_2_big_17.jpg)
/smartmap_2_17_2.png)
/smartmap_2_big_18_2.jpg)
/smartmap_2_18_2.png)
/smartmap_2_big_19_2.jpg)
/smartmap_2_19._2.png)
/smartmap_2_big_20_2.jpg)
/smartmap_2_20.png)
/smartmap_2_big_21.jpg)
/smartmap_2_21.png)
/smartmap_2_22.png)
/smartmap_2_23.png)
/smartmap_2_24.png)
/smartmap_2_25.png)
/smartmap_2_26.png)
/smartmap_2_27.jpg)