회사 자료를 불러오는 중…
회사 자료를 불러오는 중…
검증 단계 — 어디까지 확인했나
L0 · 국민연금 인력 · 공시 재무 · 특허 — 공공자료
서울특별시에 있는 2019년 설립 회사입니다. 소프트웨어 개발 및 공급업을 합니다. 2025년 그룹 연결 매출은 277억입니다. 자회사까지 합친 숫자이며 이 법인 하나의 매출이 아닙니다. 2026년 8월 기준 국민연금 가입자는 773명입니다. 외부감사를 받는 회사이고, 가장 최근 감사의견은 「적정」입니다.
읽어오는 중입니다…
최근 출원 2026-09-10 · 최신 출원순
본 개시는 자율 주행 차량 데이터를 동기화하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따른 자율 주행 차량 데이터를 동기화하는 방법은, 차량에 장착된 복수의 장치를 통해 수집되는 데이터 중 하나 이상의 관심 데이터를 선별하고, 하나 이상의 관심 데이터를 디렉토리형 데이터 구조로 구조화하며, 구조화된 데이터 및 이전에 수집된 데이터에 기초하여, 신규 데이터가 존재하는지 여부를 결정하고, 신규 데이터가 존재하는 것으로 결정하는 것에 응답하여, 신규 데이터를 전송하는 것을 포함할 수 있다.
본 개시는 가상 정지선을 생성하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예는, 주행경로 상의 하나 이상의 횡단보도 중 타겟 횡단보도를 결정하는 단계; 상기 타겟 횡단보도에 대한 관심영역을 설정하는 단계; 및 상기 관심영역 내의 보행자 위치에 기초하여 가상 정지선 생성 여부를 결정하는 단계;를 포함하는 가상 정지선을 생성하는 방법을 제공할 수 있다.
본 개시의 일 실시 예에 따른 자율 주행 차량의 시뮬레이션 방법은, 가상 지도에 포함되는 가상 도로를 따라 주행하는 차량으로써, 자율 주행 알고리즘이 적용된 제1 자율 주행 차량 및 주변 차량을 생성하는 단계; 상기 제1 자율 주행 차량 및 상기 주변 차량 각각에 대해 주행과 관련된 파라미터를 부여함으로써 시나리오를 설정하는 단계; 및 상기 시나리오에 기초하여 상기 제1 자율 주행 차량 및 상기 주변 차량의 주행을 개시함으로써, 상기 자율 주행 알고리즘에 대한 시뮬레이션을 수행하는 단계; 를 포함한다.
본 개시는 볼류메트릭 피처를 이용하여 깊이 맵을 생성하는 장치 및 방법에 관한 것이다. 본 개시의 일 실시 예에 따른 방법은, 서라운드 뷰 이미지에 포함된 기본 이미지를 인코딩 및 후처리하여 기본 이미지에 대한 단일 피처맵을 생성하고, 단일 피처맵을 깊이 정보와 함께 인코딩한 후, 인코딩 결과를 3차원 공간으로 투영함으로써 볼류메트릭 피처를 생성할 수 있다. 본 방법에서는 깊이 디코더를 이용하여 볼류메트릭 피처를 디코딩함으로써, 서라운드 뷰 이미지의 깊이 맵을 생성할 수 있다.
본 개시는 볼류메트릭 피처를 이용하여 깊이 맵을 생성하는 장치 및 방법에 관한 것이다. 본 개시의 일 실시 예에 따른 방법은, 서라운드 뷰 이미지에 포함된 기본 이미지를 인코딩 및 후처리하여 기본 이미지에 대한 단일 피처맵을 생성하고, 단일 피처맵을 깊이 정보와 함께 인코딩한 후, 인코딩 결과를 3차원 공간으로 투영함으로써 볼류메트릭 피처를 생성할 수 있다. 본 방법에서는 깊이 디코더를 이용하여 볼류메트릭 피처를 디코딩함으로써, 서라운드 뷰 이미지의 깊이 맵을 생성할 수 있다.
본 개시의 일 실시 예에 따른 방법은, 본선 합류를 위해 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 방법을 개시한다. 구체적으로는, 본선에 포함된 차선 중에서 상기 자율 주행 차량의 주행 경로와 중첩될 수 있는 충돌 차선을 획득하는 단계; 상기 충돌 차선으로 주행 중인 차량 중에서 상기 자율 주행 차량과 충돌 가능성이 있는 하나 이상의 후보 차량을 분류하는 단계; 상기 후보 차량에 대해 경로를 예측함으로써, 소정의 시간 내에 상기 후보 차량이 기설정된 충돌 영역을 점유하는지 예측하는 단계; 및 상기 점유에 대한 예측 결과 및 상기 자율 주행 차량의 현재 주행 상태에 기초하여, 상기 우회전하는 것을 계획 중인 자율 주행 차량의 행동을 결정하는 단계; 를 포함하는, 방법을 개시한다.
본 개시는 IMU 좌표계를 차량 좌표계와 정렬하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예는, 차량의 IMU(inertial measurement unit)로부터 상기 차량의 가속도 및 각속도를 포함하는 IMU 데이터를 획득하고, GPS(global positioning system)로부터 상기 차량의 속도를 포함하는 GPS 데이터를 획득하는 단계; 상기 IMU 데이터 및 상기 GPS 데이터에 기초하여 상기 차량이 등속운동 하는 것으로 추정되는 하나 이상의 등속운동 구간을 추출하는 단계; 상기 하나 이상의 등속운동 구간에 기초하여 경사각 보정 행렬 및 중력방향 정렬 행렬을 도출하는 단계; 상기 IMU 데이터 및 상기 중력방향 정렬 행렬에 기초하여 전진방향 정렬 행렬을 도출하는 단계; 상기 중력방향 정렬 행렬, 상기 전진방향 정렬 행렬, 및 상기 경사각 보정 행렬로부터 최종 정렬 행렬을 도출하는 단계; 및 상기 최종 정렬 행렬에 기초하여, IMU 좌표계를 상기 차량 좌표계에 대응되도록 보정하는 단계;를 포함하는 방법을 제공할 수 있다.
본 개시는 차량용 온디맨드 서비스에 대한 인증을 수행하기 위한 방법 및 장치에 관한 것이다. 본 개시의 일 측면은, DM 서버와 암호화 보안 통신(mTLS)을 연결하는 단계; 상기 암호화 보안 통신을 이용하여 상기 DM 서버로부터 수신한 차량용 서비 스에 관한 제2 옵션 값을 획득하는 단계; 상기 제2 옵션 값, 서명(Signature), 서버 인증서(Server certificate) 중 하나 이상을 이용하여 서명을 검증하는 단계; 상기 제2 옵션 값 및 클라이언트 개인 키(client private key) 중 하나 이상을 이용하여 상기 제2 옵션 값을 복호화하는 단계; 상기 서명 및 상기 제2 옵션 값에 기초하여 서비스 토큰을 생성하는 단계; 및 상기 생성된 서비스 토큰을 서비스 수행 제어기 별로 전송하는 단계;를 포함하는, 통합 통신 제어기(Communication Control Unit)에 의해 수행되는 차량용 온디맨드 서비스에 대한 인증을 수행하기 위한 방법을 제공할 수 있다.
본 발명은 자율주행 모드를 구현하는 인공지능 모델을 재학습시키는 서버 에 관한 것이다. 서버는 적어도 하나의 프로그램이 저장된 메모리 및 상기 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서를 포함할 수 있다. 프로세서는, 비자율주행 모드로 주행 중인 차량에 탑재된 장치로부터 소정의 기간 동안 차량에서 획득한 오탐지 데이터를 수신하고, 제2 인공지능 모델을 이용하여 오탐지 데이터에 대한 어노테이션을 수행함으로써, 오탐지 데이터에 대한 어노테이션 결과를 생성할 수 있다. 또한, 프로세서는, 차량의 자율주행 모드를 구현하는 제1 인공지능 모델이 재학습되도록 어노테이션 결과를 차량에 탑재된 장치로 전송할 수 있다.
일 실시예에 따른 방법은, 사용자의 주행의 종료에 응답하여, 상기 사용자의 주행의 종료 지점에 대한 정보 및 상기 사용자의 주행에 대한 정보를 획득하는 동작과, 상기 사용자의 주행의 종료 지점에 대한 정보 및 상기 사용자의 주행에 대한 정보에 기초하여 트립 컨텍스트를 생성하는 동작을 포함하고, 상기 획득하는 동작은, 상기 사용자의 주행의 종료 지점 및 상기 사용자의 주행의 종료 지점을 방문한 시점에 기초하여 웹 크롤링을 수행하여 상기 사용자의 주행의 종료 지점에 대한 정보를 획득하는 동작과, 상기 사용자가 주행하는 동안, 상기 사용자의 차량에 설치된 복수의 센서들로부터 상기 사용자의 주행에 대한 정보를 획득하는 동작을 포함할 수 있다.
일 실시예에 따른 방법은, 사용자로부터 획득한 사용자 발화로부터 적어도 하나의 키워드를 추출하는 동작(extracting)과, 상기 적어도 하나의 키워드에 대응하는 상기 사용자의 트립 컨텍스트(trip context)를 획득하는 동작과, 상기 적어도 하나의 키워드 및 획득된 상기 사용자의 트립 컨텍스트에 기초하여 응답을 생성하는 동작과, 상기 응답을 상기 사용자에게 제공하는 동작을 포함할 수 있다. 상기 트립 컨텍스트는, 상기 사용자의 주행의 종료 지점에 대한 정보 및 상기 사용자의 주행에 대한 정보에 기초하여 생성된 것이고, 상기 사용자의 주행의 종료 지점에 대한 정보는, 상기 사용자의 주행의 종료 지점 및 상기 사용자의 주행의 종료 지점을 방문한 시점(point in time)에 기초하여 웹 크롤링(web crawling)을 수행하여 획득된 것이고, 상기 사용자의 주행에 대한 정보는, 상기 사용자가 주행하는 동안, 상기 사용자의 차량에 설치된 복수의 센서들로부터 획득된 것일 수 있다.
본 개시는 차량의 데이터 통신을 관리하는 방법, 장치 및 시스템에 관한 것이다. 본 개시의 일 측면에서, 공유 문서에 포함된 데이터 수집 정책에 관한 정보에 기초하여, 상기 차량의 데이터가 저장되는 DB에 입력될 쿼리(query)를 생성하는 단계; 상기 쿼리에 기초하여, 상기 DB에 저장된 차량의 데이터 중 상기 데이터 수집 정책에 부합하는 상기 차량의 데이터를 선별하는 단계; 및 상기 선별된 데이터를 관리 서버에 전송하는 단계;를 포함하고, 상기 공유 문서는 관리 장치 및 상기 관리 서버에 각각 저장되어 상호 간에 동기화되는 문서인, 차량의 데이터 통신을 관리하는 방법이 제공될 수 있다. 또한, 본 개시의 다른 측면에서, 데이터 수집 정책에 관한 정보를 수신하여 공유 문서를 생성하는 단계; 상기 데이터 수집 정책에 부합하는 상기 차량의 데이터를 수신하는 단계; 및 상기 수신된 데이터를 상기 데이터의 종류 별로 기 설정된 전송 타겟 컴포넌트(component)에 전송하는 단계;를 포함하고, 상기 공유 문서는, 상기 관리 장치 및 상기 관리 서버에 각각 저장되어 상호 간에 동기화되는 문서인, 차량의 데이터 통신을 관리하는 방법이 제공될 수 있다.
분산 시스템 기반 데이터 저장 방법이 개시된다. 일 실시예에 따른 방법은 키, 값, 및 타임스탬프를 포함하는 데이터를 수신하는 동작과 상기 키에 기초하여, 상기 스토리지 서버에 저장된 데이터를 검색하는 동작과 검색된 데이터에 대응하는 타임스탬프 및 상기 타임스탬프에 기초하여, 상기 데이터의 상기 스토리지 서버에의 저장 여부를 결정하는 동작을 포함할 수 있다.
가시성 맵 생성 방법 및 장치가 개시된다. 일 실시예에 따른 방법은 차량에 탑재된 레이다 센서에 의해 센싱된 데이터에 기초하여, 제1 그리드 맵을 생성하는 동작과 상기 차량의 주변에 위치한 동적 객체의 움직임을 검출한 추적 데이터에 기초하여, 제2 그리드 맵을 생성하는 동작과 상기 제1 그리드 맵 및 상기 제2 그리드 맵에 기초하여, 상기 가시성 맵을 생성하는 동작을 포함할 수 있다.
본 개시는 트랙 데이터를 갱신하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 제1 시점에 대응되는 센서 데이터에 기초하여 검출 데이터를 생성하는 단계; 상기 검출 데이터에 기초하여 공간 관계 데이터를 생성하고, 상기 제1 시점의 이전 시점인 제2 시점에 대응되는 트랙(track) 데이터 및 상기 제1 시점에 대응되는 상기 검출 데이터에 기초하여 시공간 관계 데이터를 생성하는 단계; 관계 인식 인코더를 이용하여, 상기 공간 관계 데이터 및 상기 시공간 관계 데이터를 기초로 시공간 관계 특징을 생성하는 단계; 및 상기 제2 시점에 대응되는 트랙 데이터 및 상기 시공간 관계 특징에 기초하여 상기 제1 시점에 대응되는 트랙 데이터를 생성하는 단계를 포함하는, 트랙 데이터를 갱신하는 방법을 제공할 수 있다.
본 개시는 의미론적 3차원 공간 정보를 생성하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 복수의 2차원 이미지로 구성된 이미지 시퀀스 중 제1 이미지에 기초하여 3차원 복셀 공간에 대한 초기 복셀 특징을 생성하는 단계; 상기 이미지 시퀀스에서 상기 제1 이미지에 선행하는 적어도 하나의 제2 이미지에 기초하여 상기 3차원 복셀 공간에 대한 이력 복셀 특징을 생성하는 단계; 상기 초기 복셀 특징 및 상기 이력 복셀 특징에 기초하여 최종 복셀 특징을 생성하는 단계; 및 상기 최종 복셀 특징에 기초하여 의미론적(semantic) 3차원 공간 정보를 생성하는 단계를 포함하는, 의미론적 3차원 공간 정보를 생성하는 방법을 제공할 수 있다.
이미지 처리 방법 및 장치가 개시된다. 일 실시예에 따른 방법은, 이미지의 픽셀들 각각의 깊이가 복수의 이산화된 깊이 구간들 중 적어도 하나의 깊이 구간에 대응하는 깊이 값을 가질 확률에 대한 정보를 포함하는 깊이 분포를 획득하는 동작과 상기 깊이 분포에서, 상기 복수의 이산화된 깊이 구간들 중 상기 확률이 미리 결정된 임계 확률을 초과하는 깊이 구간에 포함된 픽셀을 추출하는 동작과 추출된 픽셀의 특징을 역양자화하는 동작과 역양자화된 특징에 복셀 풀링을 수행하여, 3차원 공간 상의 3차원 특징을 생성하는 동작을 포함할 수 있다.
본 개시는 이미지로부터 객체를 탐지하기 위한 장치 및 방법에 관한 것이다. 일 실시예에 따른 이미지로부터 객체를 검출하기 위한 방법은 상기 객체에 대응되는 복수의 바운딩 박스들을 생성하는 동작을 포함할 수 있다. 상기 방법은 상기 이미지를 캡쳐하기 위해 사용된 카메라의 카메라 좌표계 상에서, 원점과 상기 복수의 바운딩 박스들 중 제1 바운딩 박스를 연결하는 광선을 생성하는 동작을 포함할 수 있다. 상기 방법은 상기 광선을 기초로, 상기 제1 바운딩 박스를 내부에 포함하는 프러스텀을 생성하는 동작을 포함할 수 있다. 상기 방법은 상기 프러스텀을 기초로, 상기 바운딩 박스들 가운데 상기 제1 바운딩 박스를 제외한 적어도 하나의 제2 바운딩 박스를 제거하는 동작을 포함할 수 있다.
본 개시의 일 실시예에 따르면, 차량의 현재 위치로부터 회전 지점까지의 거리인 잔여 거리 및 적어도 하나의 제1 기준 거리에 기초하여, 상기 회전 지점과 관련된 안내 정보를 결정하는 단계; 상기 잔여 거리 및 적어도 하나의 제2 기준 거리 에 기초하여, 상기 회전 지점과 연관된 구조물 중 적어도 하나의 구조물을 관심 구조물로 결정 하는 단계; 및 상기 안내 정보가 표시되는 안내 영역 및 상기 관심 구조물이 표시되는 강조 영역을 포함하는 회전 지점 인터페이스를 제공하는 단계;를 포함하는, 회전 지점에 대한 주행 정보를 포함하는 인터페이스를 제공하는 방법을 제공할 수 있다.
3차원 정보 추정 방법이 개시된다. 일 실시예에 따른 방법은 자차량(ego-vehicle)의 주변에 위치한 타차량(other vehicle)의 면에 대응하는 박스를 검출하는 동작과 상기 타차량의 바퀴(wheel)와 지면(ground)의 접촉 지점(contact point) 및 상기 박스에 기초하여, 상기 타차량의 요 각도(yaw angle)를 획득하는 동작과 상기 타차량의 종류(type), 상기 박스, 및 상기 요 각도에 기초하여, 상기 타차량의 3차원 정보를 계산하는 동작을 포함할 수 있다.
전자 장치 및 AI 어시스턴트 서비스 제공 방법이 개시된다. 일 실시예에 따른 방법은, 복수의 사용자 질의들(user inquiries)에 기초하여, 목표 노드(goal node) 및 하위 노드(sub node) 중 적어도 하나를 포함하는 컨텍스트 맵(context map)을 생성하는 동작을 포함할 수 있다. 상기 방법은, 신규 사용자 질의가 추가된 경우, 상기 컨텍스트 맵에 포함된 하나 이상의 하위 노드를 참조하여, 상기 신규 사용자 질의에 대응하는 응답을 출력하는 동작을 포함할 수 있다.
데이터 분류 방법 및 장치가 개시된다. 일 실시예에 따른 자율 주행의 테스트를 위한 데이터를 분류하는 방법은, 차량으로부터 주행 로그를 수집하는 동작과 상기 주행 로그로부터 주행 정보를 추출하는 동작과 상기 주행 정보 및 상기 테스트에 연관된 주행 속성 간의 매칭 상태에 기초하여, 상기 주행 로그를 분류하는 동작을 포함할 수 있다.
응답을 제공하는 방법이 개시된다. 일 실시예에 따른 응답을 제공하는 방법은 복수의 에이전트들 각각에 의해 생성된 복수의 응답들을 획득하는 동작과 상기 복수의 응답들에 기초하여, 최종 응답을 생성하는 동작과, 상기 최종 응답에서 상기 복수의 에이전트들 각각에 대응하는 응답 부분의 응답 스타일을 다르게 출력하는 동작을 포함할 수 있다.
학습 데이터 생성 방법이 개시된다. 일 실시예에 따른 방법은 내비게이션 사용 기록(navigation history)을 수집하는 동작과 차량의 주행 기록에 기초하여, 내비게이션 정보를 생성하는 동작과 상기 내비게이션 사용 기록 및 상기 내비게이션 정보에 기초하여, 상기 데이터셋을 생성하는 동작을 포함할 수 있다.
카메라 센서 및 라이다 센서를 캘리브레이션 하기 위한 장치 및 방법이 개시된다. 카메라 센서 및 라이다 센서를 캘리브레이션 하기 위한 방법은 턴 테이블(turn table) 상에 위치한 차량이 상기 턴 테이블에 의해 회전되는 동안, 상기 차량에 탑재된 상기 카메라 센서를 통해, 상기 차량의 주변에 위치한 로봇 암(robot arm)에 거치된 캘리브레이션 보드(calibration board)의 마커 패턴 이미지를 포함하는 이미지 데이터를 획득하는 동작을 포함할 수 있다. 상기 로봇 암은 데이터가 획득되는 동안 설정된 궤적상의 지점(waypoint)으로 이동하는 동작을 포함할 수 있다. 상기 방법은 상기 차량이 상기 턴 테이블에 의해 회전되는 동안, 상기 차량에 탑재된 상기 라이다 센서를 통해, 상기 캘리브레이션 보드에 대응하는 포인트들을 포함하는 포인트 클라우드 데이터를 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 이미지 데이터 및 상기 포인트 클라우드 데이터를 기초로, 상기 카메라 센서 및 상기 라이다 센서를 캘리브레이션 하는 동작을 포함할 수 있다.
전자 장치 및 학습 데이터를 증강하는 방법가 개시된다. 일 실시예에 따른 방법은, 연속된 시간에 따라 차량이 주행한 경로 및 상기 차량의 주행 환경 정보를 나타내는 제1 주행 데이터를 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 연속된 시간 중 특정 시점의 상기 차량의 위치 및 상기 차량의 헤딩(heading)을 무작위(random)로 변경하는 동작을 포함할 수 있다. 상기 방법은, 변경된 위치 및 변경된 헤딩에 따라 상기 차량의 변화된 주행 환경 정보를 반영하여, 상기 차량이 차로의 중심에서 이탈한 경우 상기 차로의 중심으로 복귀하도록 상기 뉴럴 네트워크를 학습시키기 위한 제2 주행 데이터를 생성하는 동작을 포함할 수 있다.
데이터 검증 방법이 개시된다. 일 실시예에 따른 방법은 상기 주행 기록 및 상기 내비게이션 정보를 포함하는 복수의 프레임들을 획득하는 동작과 상기 복수의 프레임들로부터 대표 프레임(representative frame)을 추출하는 동작과 상기 대표 프레임에 포함된 상기 주행 기록 및 상기 내비게이션 정보 간의 차이(difference)에 기초하여, 상기 내비게이션 정보를 검증하는 동작(verifying)을 포함할 수 있다.
데이터 처리 방법이 개시된다. 일 실시예에 따른 주행 기록에 기초하여 생성된 경로 데이터를 처리하는 방법은 상기 경로 데이터로부터, 방향 전환 데이터를 검출하는 동작과 상기 방향 전환 데이터를 업샘플링하는 동작과 업샘플링된 방향 전환 데이터를 하위 데이터셋으로 구축하여 상기 경로 데이터를 처리하는 동작과 처리된 경로 데이터에 기초하여, 차량의 주행 경로를 생성하는 동작을 포함할 수 있다.
본 개시는 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 차량 탑승자의 입력 텍스트에 기초하여 텍스트 임베딩(text embedding)을 생성하는 단계; 기 생성된 대화 예제 데이터베이스(dialogue example database)의 적어도 일부에 대하여 상기 텍스트 임베딩에 기초한 검색을 수행함으로써 검색 결과를 획득하는 단계; 상기 검색 결과에 기초하여, 기 생성된 복수의 응답 지침 중에서 적어도 하나의 응답 지침을 선택하는 단계; 및 상기 적어도 하나의 응답 지침에 기초하여 상기 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 단계를 포함하는, 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 방법을 제공할 수 있다.
본 개시는 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 차량 탑승자의 입력 텍스트에 기초하여 상기 입력 텍스트의 도메인(domain)을 결정하는 단계; 상기 도메인을 포함하는 필터링 조건에 기초하여, 복수의 대화 규칙(dialogue rule)을 항목으로 하여 그룹화된 대화 예제 데이터로 구성된 대화 예제 데이터베이스(dialogue example database)에 대한 필터링을 수행함으로써, 적어도 하나의 대화 규칙을 선택하는 단계; 및 상기 적어도 하나의 대화 규칙에 기초하여 상기 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 단계를 포함하는, 입력 텍스트에 대응되는 프롬프트 템플릿을 생성하는 방법을 제공할 수 있다.
데이터 증강 방법이 개시된다. 일 실시예에 따른 방법은 차량에 탑재된 센서로부터 상기 차량의 주변(surroundings)에 대한 이미지 및 포인트 클라우드(point cloud)를 포함하는 제1 데이터(a first data)를 획득하는 동작과 상기 제1 데이터에 포함된 복수의 객체들 중 복사할 타겟 객체(target object to copy)에 대응하는 카피 데이터(data to copy)를 생성하는 동작과 상기 제1 데이터에서의 상기 타겟 객체의 위치(location) 및 크기(size)에 기초하여, 상기 카피 데이터를 상기 차량의 주변(surroundings)을 센싱하여 획득된 제2 데이터에 합성하는 동작(synthesizing)을 포함할 수 있다.
전자 장치 및 차로 결정 방법이 개시된다. 일 실시예에 따른 방법은, 차량이 주행 중인 도로에 포함된 복수의 차로(lane)들 각각의 비용 함수(cost function)를 계산하는 동작과, 상기 비용 함수에 기초하여, 상기 복수의 차로들 중 최소 비용을 갖는 차로를 타겟 차로(target lane)로 결정하는 동작을 포함할 수 있다. 상기 비용 함수는, 상기 차량이 상기 비용 함수에 대응되는 차로를 주행 시 발생하는 주행 요인들을 수치화하여 나타낸 것일 수 있다.
차량 주행 궤적을 생성하기 위한 장치 및 방법이 개시된다. 일 실시예에 따른 차량의 주행 궤적(driving trajectory)을 생성하기 위한 방법은 뉴럴 네트워크(neural network)를 사용하여, 상기 차량의 제1 목표 위치(target position)에서의 제1 주행 데이터 및 상기 제1 목표 위치와 다른 제2 목표 위치에서의 제2 주행 데이터를 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 차량의 현재 위치에서의 제3 주행 데이터 및 상기 제1 주행 데이터를 기초로, 상기 차량의 제1 후보 주행 궤적을 생성하는 동작을 포함할 수 있다. 상기 방법은 상기 제3 주행 데이터 및 상기 제2 주행 데이터를 기초로, 상기 차량의 제2 후보 주행 궤적을 생성하는 동작을 포함할 수 있다.
객체의 헤딩을 추정하는 방법이 개시된다. 일 실시예에 따른 차량의 주변에 위치한 객체의 헤딩을 추정하는 방법은 상기 객체의 위치, 상기 객체의 헤딩에 대한 예측 값 및 정답 데이터에 기초하여, 손실을 계산하는 동작과 상기 손실에 기초하여 학습된 모델을 이용하여, 상기 헤딩을 추정하는 동작을 포함할 수 있다. 상기 손실은, 상기 차량과 상기 객체와의 거리에 관한 제1 가중치 및 상기 객체의 길이에 관한 제2 가중치에 기초하여 계산되는 것일 수 있다.
차량의 초기 위치를 추정하기 위한 장치 및 방법이 개시된다. 일 실시예에 따른 차량의 초기 위치를 결정하기 위한 방법은 미리 결정된 지역 내의 차선들에 대한 정보를 포함하는 제1 지도를 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 차량이 상기 미리 결정된 지역 내의 일 영역을 주행한 시간 구간 동안 상기 차량에 탑재된 카메라 센서를 통해 획득된 이미지 데이터를 기초로, 상기 시간 구간 동안 상기 차량이 주행한 도로의 형상에 대한 정보를 포함하는 제2 지도를 획득하는 동작을 포함할 수 있다. 상기 방법은 상기 제1 지도와 상기 제2 지도 간의 대응관계를 기초로, 상기 미리 결정된 지역 내에서, 상기 차량의 초기 위치를 추정하는 동작을 포함할 수 있다.
전자 장치 및 차로 결정 방법이 개시된다. 일 실시예에 따른 차로를 결정하는 방법은, 제1 차량의 미래 주행 궤적과, 상기 제1 차량의 후방에서 상기 제1 차량과 다른 차로를 주행 중인 제2 차량의 미래 주행 궤적 간의 유사도를 측정하는 동작을 포함할 수 있다. 상기 방법은, 상기 유사도, 상기 제1 차량과 상기 제2 차량 간의 거리, 및 상기 제1 차량과 상기 제2 차량 간의 상대 속도에 기초하여, 상기 제1 차량이 상기 제2 차량이 주행 중인 차로로 이동 시 충돌의 위험도(risk)를 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 위험도(risk)에 기초하여, 상기 제1 차량이 상기 제2 차량이 주행 중인 차로로 이동할 지 여부를 판단하는 동작을 포함할 수 있다. 상기 미래 주행 궤적은, 차량의 현재 위치에서 미래 시점까지의 주행 궤적일 수 있다.
전자 장치 및 뉴럴 네트워크 학습 방법이 개시된다. 일 실시예에 따른 뉴럴 네트워크를 학습시키는 방법은, 상기 뉴럴 네트워크에 포함된 제1 레이어 및 제2 레이어 각각의 출력을 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 제1 레이어의 출력의 범위와 상기 제2 레이어의 출력의 범위가 실질적으로 동일해지도록 상기 뉴럴 네트워크를 학습시키는 동작을 포함할 수 있다. 상기 제1 레이어의 출력과 상기 제2 레이어의 출력은, 상기 뉴럴 네트워크에 포함된 제3 레이어에 입력될 수 있다.
본 개시는 사용자 로그 데이터를 이용하여 관제 인터페이스를 제공하는 방법 및 장치에 관한 것이다. 일 측면에 따른 사용자 로그 데이터를 이용하여 관제 인터페이스를 제공하는 방법은, 이전에 발생한 관제 이벤트에 대응하여 생성된 제1 관제 인터페이스에 관한 사용자 로그 데이터를 획득하는 단계; 상기 사용자 로그 데이터에 기초하여, 상기 이전에 발생한 관제 이벤트와 유사한 새로운 관제 이벤트의 발생에 대응하여 생성될 제2 관제 인터페이스의 생성 규칙을 설정하는 단계; 및 상기 이전에 발생한 관제 이벤트와 유사한 새로운 관제 이벤트가 발생한 것에 응답하여, 상기 생성 규칙에 기초하여 생성된 제2 관제 인터페이스를 제공하는 단계;를 포함할 수 있다.
본 개시는 태그(tag) 정보를 포함하는 관제 인터페이스를 제공하는 방법 및 장치에 관한 것이다. 일 측면에 따른 태그 정보를 포함하는 관제 인터페이스를 제공하는 방법은, 관제 정보에 대한 태그 정보를 생성하는 단계; 관제 인터페이스 내의 소정의 영역에 상기 태그 정보를 표시하는 단계; 및 상기 관제 정보 및 상기 태그 정보를 포함하는 관제 인터페이스를 제공하는 단계;를 포함할 수 있다.
본 개시는 차량의 사고 관제를 위한 인터페이스를 제공하는 방법 및 장치에 관한 것이다. 일 측면에 따른 차량의 사고 관제를 위한 인터페이스를 제공하는 방법은, 차량의 상태 정보에 기초하여 사고 발생 시점을 탐지하는 단계; 상기 사고의 발생 시점을 포함하는 시구간에서의 상기 차량의 블랙박스 영상을 제1 영역에 표시하는 단계; 상기 시구간에서의 상기 차량의 상기 상태 정보를 제2 영역에 표시하는 단계; 및 상기 시구간에서의 상기 차량의 주변 상황에 관한 시뮬레이션 영상을 제3 영역에 표시하는 단계;를 포함할 수 있다.
일 측면에 따른 장치는, 적어도 하나의 메모리; 및 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 교통 정체 정보에 기초하여 정차 밀집 장소 및 정차 밀집 시간대를 결정하고, 상기 정차 밀집 장소 및 상기 정차 밀집 시간대를 이용하여 관제 영역을 결정하며, 상기 관제 영역에 진입하는 차량의 정보에 기초하여 상기 진입하는 차량을 일반 차량 및 후보 차량으로 구분하여 관제한다.
본 개시는 외부지식을 이용한 자연어 처리 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 자연어 표현을 포함하는 입력 텍스트를 획득하는 단계; 기생성된 외부지식(external knowledge) 데이터베이스를 참조하여 상기 입력 텍스트에 대한 외부지식 참조 정보를 생성하는 단계; 상기 입력 텍스트 및 상기 외부지식 참조 정보를 기학습된 자연어 처리 모델에 입력하는 단계; 및 상기 입력 텍스트에 대응되는 의도 분류(intent classification) 정보 및 상기 입력 텍스트에 대응되는 슬롯 태깅(slot tagging) 정보를 포함하는 상기 자연어 처리 모델의 출력을 획득하는 단계를 포함하는, 외부지식을 이용한 자연어 처리 방법을 제공할 수 있다.
본 개시는 안내 정보를 제공하는 방법 및 장치에 관한 것이다. 일 측면에 따른 안내 정보를 제공하는 방법은, 트리거 이벤트의 발생 여부를 인식하는 단계; 데이터베이스에 저장된 단위 데이터들 중 상기 트리거 이벤트에 대응되는 단위 데이터를 식별하는 단계; 및 상기 식별된 단위 데이터에 기초하여, 상기 트리거 이벤트에 대응되는 안내 정보를 출력하는 단계;를 포함할 수 있다.
본 개시는 인터페이스가 구비된 조향 장치 및 그 제어 방법에 관한 것이다. 본 개시의 일 실시예에 따르면, 인터페이스가 구비된 조향 장치에 있어서, 차량의 조향을 위한 스티어링 휠; 상기 스티어링 휠에 구비된 제어 인터페이스; 및 상기 차량의 주행 정보에 기초하여 상기 제어 인터페이스에 대한 제어 상태를 결정하는 프로세서를 포함하되, 상기 제어 인터페이스는, 적어도 하나의 터치스크린을 포함하는, 장치를 제공할 수 있다.
본 개시는 키 데이터를 관리하는 방법 및 장치에 관한 것이다. 보다 구체적으로, 본 개시는 키 데이터를 생성하는 방법 및 장치, 그리고 키 데이터를 복원하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 키 데이터(key data)에 대한 생성 요청을 획득하는 단계; 상기 생성 요청에 기초하여 계층 구조를 가지는 복수의 계층 데이터를 생성하는 단계; 상기 복수의 계층 데이터 중 최하위 계층 데이터에 기초하여 상기 키 데이터를 생성하는 단계; 및 상기 키 데이터의 복원을 위한 메타데이터(metadata)를 블록체인 네트워크 상에 기록하는 단계를 포함하는, 키 데이터를 생성하는 방법을 제공할 수 있다.
문자 메시지에 응답하여 차량 내 다양한 서비스를 제공하는 방법 및 전자 장치가 개시된다. 일 실시예에 따른 방법은, 차량(vehicle)과 연동된 사용자 단말(user equipment, UE)에 저장된 스케줄 정보(schedule information)를 획득하는 동작과, 상기 사용자 단말에 문자 메시지가 전송된 경우, 상기 문자 메시지와 상기 스케줄 정보의 연관성을 분석하는 동작과, 상기 문자 메시지에 관한 태스크를 상기 문자 메시지와 상기 스케줄 정보의 연관성에 따라 다르게 처리하는 동작을 포함할 수 있다.
본 개시는 링 네트워크를 운영하는 방법 및 장치에 관한 것이다. 본 개시의 일 실시예에 따르면, 차량에 구비된 링 네트워크(ring network)에 연결된 복수의 제어기 각각을 모니터링하는 단계; 상기 모니터링의 결과에 기초하여 상기 복수의 제어기 중 제1 제어기에 이상이 발생한 것을 결정하는 단계; 및 상기 제1 제어기에 설정된 기능 중 적어도 일부 기능을 상기 복수의 제어기 중 제2 제어기에 인계하는 단계를 포함하는, 링 네트워크를 운영하는 방법을 제공할 수 있다.
본 발명은 컨트롤러 영역 네트워크(Controller Area Network)의 보안을 강화하기 위한 시스템 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따른 시스템은, CAN 게이트웨이; 및 복수의 CAN 노드들;을 포함하고, 상기 CAN 게이트웨이 및 상기 복수의 CAN 노드들은 CAN 버스를 통해 복수의 영역으로 구분된 CAN 메시지를 송수신하며, 상기 CAN 메시지는 보안 CAN 메시지를 포함하며, 상기 보안 CAN 메시지의 데이터 영역은 암호화된 데이터 영역일 수 있다.
일 실시예에 따른 인포테인먼트 장치의 동작 방법은, 장소(place)에 관한 사용자의 발화(user's utterance)를 모델에 입력하여, 컨텍스트 정보(context information)를 추출하는 동작(extracting)을 포함할 수 있다. 상기 방법은, 상기 컨텍스트 정보에 기초하여, 상기 장소를 식별하기 위한 검색 조건(search condition)을 획득하는 동작(obtaining)을 포함할 수 있다. 상기 방법은, 상기 검색 조건 및 상기 사용자의 장소 방문 이력(place visit history)에 기초하여, 상기 사용자에게 응답(response)을 제공하는 동작(providing)을 포함할 수 있다.
모빌리티 서비스 제공 방법, 장치 및 시스템이 개시된다. 일 실시예에 따른 모빌리티 서비스를 제공하는 방법은, 사용자 단말로부터 전송된 호출 요청(call request)에 응답한 차량의 라이트의 점멸 패턴(flash pattern)과 상기 사용자 단말의 진동 패턴(vibration pattern)을 모두 제1 패턴으로 설정하는 동작과, 상기 제1 패턴에 기초하여, 상기 차량 및 상기 사용자 단말을 제어하는 동작을 포함할 수 있다.
특허청 KIPRIS · 2026-10-15 조회 · 최신 출원순 · 오른쪽은 등록일(등록 전은 출원일) · 전체 363건 중 50건 · 줄을 누르면 자세한 내용이 펼쳐집니다 ▾
지금은 공공자료(국민연금 · 전자공시 · 특허 · 명부 · 보도)만 있습니다. 회사가 IR Room에 자료를 내면 L1로 올라갑니다. 저희는 회사에 점수나 등급을 매기지 않습니다 — 어디까지 확인했는지만 적습니다.
| 단위 억원 | 2024 | 2025 |
|---|---|---|
| 영업수익(매출액) | 249.8 | 277.1 |
| 영업비용 | 2,010.3 | 3,775.0 |
| 영업이익(손실) | (1,760.5) | (3,497.9) |
| 영업외수익 | 155.3 | 134.8 |
| 기타이익 | 25.9 | 26.0 |
| 금융수익 | 129.5 | 108.8 |
| 영업외비용 | 148.3 | 275.2 |
| 기타손실 | 66.8 | 72.9 |
| 금융원가 | 81.4 | 202.3 |
| 법인세비용차감전순이익(손실) | (1,753.4) | (3,638.2) |
| 법인세비용 | 0.1 | 0.8 |
| 당기순이익(손실) | (1,753.6) | (3,639.0) |
매출은 277.1억으로 전년 대비 10.9% 증가한 것으로 나타났다.
영업이익률은 -1262.4%로 전년 -704.9%에서 하락했다.
당기순이익은 -3,639억으로 나타났다.
여기 실린 것보다 깊은 자료가 필요하십니까. 추가 정보 요청 — 종합 검토보고서 · 가치평가 · Executive Teaser · IM · 경쟁사 분석 · 실사 의뢰. 고르시면 산출비용과 걸리는 기간을 메일로 안내드립니다.
공개 기사의 제목 · 링크만 싣습니다 · 저희가 확인한 내용이 아닙니다(원문 ↗) · 「증권사 전망」은 확정 실적 아님 · 2026-11-06 확인