서로 다른 종류의 신호를 하나로 엮어 의미를 읽어내고, 그 판단을 고성능 서버가 아닌 작은 디바이스에서 실시간으로 수행하는 것이 우리의 핵심 역량입니다. 차량의 페달 오조작을 즉시 감지하는 엣지 AI가 대표적인 예입니다.
이종 신호를 하나로 융합하는 멀티모달 AI
가속 페달 입력, 속도, 엔진 회전수, 관성센서(IMU)처럼 성질이 전혀 다른 신호들을 함께 해석합니다. 단일 신호만으로는 '얼마나 밟았는가'는 알 수 있어도 '왜 밟았는가'는 구분하기 어렵습니다. 여러 신호를 동시에 보는 채널 어텐션 구조로, 어떤 상황에서 어떤 신호가 중요한지를 모델이 스스로 가중치를 두어 판단합니다.
- 다채널 신호를 단일 모델에서 함께 학습·추론
- 상황별 신호 중요도를 스스로 가중하는 어텐션 설계
- 판단 근거를 시각화해 설명 가능한(XAI) 결과 제공
저사양 디바이스에서의 실시간 추론
GPU 없이도 동작하는 작은 마이크로컨트롤러에서 곧바로 추론이 가능하도록, 경량 시계열 신경망(TCN, Temporal Convolutional Network)과 모델 경량화 기법을 사용합니다. 순차 처리 대신 병렬 연산이 가능해 빠르고, 과거 시점을 효율적으로 참조해 짧은 순간의 변화를 놓치지 않습니다.
- 경량 시계열 신경망으로 빠른 실시간 추론
- 양자화 등 경량화로 메모리 작은 디바이스에 탑재
- 설치 직후 즉시 작동, 별도 적응 기간 불필요
개인 맞춤 기준선(Baseline) 학습
운전 성향은 사람마다 다르기 때문에 하나의 고정 임계값으로는 정확도가 떨어집니다. 집단 통계로 만든 기준에서 출발해 개인의 주행 데이터가 쌓일수록 그 사람만의 정상 기준선으로 수렴하도록 설계했습니다. 처음부터 작동하면서도 시간이 지날수록 개인에게 더 정밀해지는 방식입니다.
적용 분야: 페달 오조작 감지와 스포츠 스마트타겟
대표 사례는 차량 페달 오조작을 조기에 인지해 운전자에게 경고하고 위험 등급을 실시간으로 산출하는 엣지 AI입니다. 동일한 시계열·엣지 추론 역량은 스포츠 분야의 스마트타겟(레이저 사격 AI 코칭)에도 적용되어, 짧은 동작 신호를 실시간으로 분석하고 피드백합니다.
- 차량 페달 오조작 실시간 감지·경고
- 스포츠 스마트타겟: 사격 동작 시계열 분석 코칭