Loading the company…
Loading the company…
㈜베이리스
English name as filed with DART, Korea’s corporate disclosure system · Correct the English name ›
Last updated 2026-10-11 · Korean page ›
Verification level — how far we have checked
L0 · Public records — NPS workforce · filed financials · patents — public data
A company based in Gyeonggi, founded in 2012. Industry: Software & IT Services. Revenue for 2025 was ₩20.0bn. It has 129 employees enrolled in the National Pension Service (as of Aug 2026). It is externally audited; the latest audit opinion is “Unqualified”. 1 funding round is confirmed by press reports.
Loading…
Latest filing 2026-04-03 · latest registration 2026-09-28 · newest first
일 실시예에 따른 군집 셔틀의 운행 시스템은, 군집을 형성하여 도로를 주행하는 복수의 자율주행 차량을 포함하고, 상기 복수의 자율주행 차량 각각은, 상기 군집을 형성한 도로 주행 시 영향을 미치는 주행 환경 데이터에 기반하여 상태 벡터를 생성하고, 상기 상태 벡터를 입력받아 주행 시의 제어 정책을 생성하는 제어 정책 생성부;를 포함하고, 상기 제어 정책 생성부는, 직선 구간 주행을 위한 제1 모드, 교차로 진입 또는 통과를 위한 제2 모드, 및 군집 이탈을 위한 제3 모드 중 어느 하나의 간격 모드를 선택하고, 선택된 간격 모드에 대응하는 목표 간격을 출력한다.
일 실시예에 따른 셔틀 편성 시스템은, 복수의 교통 거점 각각에 대한 거점 유동량 정보를 수집하는 거점 유동량 수집 모듈; 상기 거점 유동량 정보를 포함하는 데이터를 이용하여, 상기 복수의 교통 거점 사이의 각 방향에 대하여 미래 시점의 셔틀 전환율 예측값을 산출하는 전환율 예측 모듈; 및 상기 셔틀 전환율 예측값과 해당 방향의 거점 유동량에 기반하여 상기 복수의 교통 거점 사이의 각 방향에 대한 셔틀 수요를 산출하고, 산출된 상기 셔틀 수요에 기반하여 상기 복수의 교통 거점 사이의 각 방향에 대한 셔틀 편성 대수를 결정하는 편성 결정 모듈;을 포함한다.
일 실시예에 따른 군집 셔틀의 다중 거점 동적 배차 시스템은, 복수의 교통 거점 각각에 대응하고, 해당 교통 거점의 차량 배차와 관련된 로컬 관측 정보를 기반으로, 해당 교통 거점에서 타 교통 거점으로 배차할 차량 대수를 산출하는 복수의 거점 에이전트를 포함하는 에이전트부;를 포함하고, 상기 복수의 거점 에이전트는 각각 추론 시에, 해당 교통 거점의 로컬 관측 정보에 기반하여 독립적으로 배차할 차량 대수를 산출한다.
출발 지점으로부터 다수의 경유 지점을 경유하여 순회하는 차량의 경로를 계획하는 방법은, (a) 상기 출발 지점 및 상기 다수의 경유 지점의 위치 정보 및 고도 정보를 획득하는 단계; 및 (b) 상기 출발 지점으로부터 경유할 상기 다수의 경유 지점의 경유 순서를 설정하는 단계;를 포함하되, (b) 단계에서는, 상기 출발 지점으로부터 상기 출발 지점으로 복귀하는 전체 구간에 대한 상기 차량의 에너지 소비량인 전체 에너지 소비량을 이용하여, 상기 다수의 경유 지점의 경유 순서를 설정한다.
일실시예에 따른 지도 오차 보정 방법은, 제1 컴퓨팅 장치가 서버로부터 머신러닝 모델을 다운로드하는 단계; 상기 제1 컴퓨팅 장치가 센서 데이터를 이용하여 대상 객체의 위치를 측정하는 단계; 상기 제1 컴퓨팅 장치가 상기 센서 데이터를 이용하여 측정된 상기 대상 객체의 위치와 지도 상의 상기 대상 객체의 위치의 차이인 제1 잔차를 산출하는 단계; 및 상기 제1 컴퓨팅 장치가 상기 제1 잔차를 참값(Ground Truth)으로 하여, 상기 머신러닝 모델을 학습하는 단계;를 포함한다.
일실시예에 따른 센서 캘리브레이션 시스템은, 다수의 행과 다수의 열의 단위 격자로 구성되는 격자 패턴을 포함하는 패턴부;를 포함하여 구성되되, 상기 단위 격자 각각의 내부에는, 상기 격자 패턴 내에서의 해당 단위 격자의 위치 정보에 대응하는 발광 패턴에 의해 발광하는 적어도 하나의 발광 소자가 구비된다.
차량용 인포테인먼트 시스템은, 카메라에 의해 획득된 이미지를 이용하여 탑승자를 식별하는 이미지 분석부; 상기 탑승자의 청력 특성을 분석하는 청력 분석부; 상기 탑승자의 청력 특성을 이용하여 주파수 특성을 조정하기 위한 주파수 조정 정보를 산출하는 주파수 조정 정보 산출부; 및 상기 주파수 조정 정보에 기반하여, 입력된 오디오 신호의 주파수 특성을 조정하여 오디오 출력 신호를 생성하는 오디오 신호 조정부;를 포함한다.
차량의 자율 주행을 지원하는 컴퓨팅 플랫폼을 제어하는 방법 및 장치가 개시된다. 일 실시예에 따른 방법은, 자율 주행의 수준(level)에 따라 분류된 복수의 자율 주행 성능 모드들에 기초하여, 상기 복수의 자율 주행 성능 모드들 각각에 대응하는 상기 컴퓨팅 플랫폼의 전력 소비 프로파일을 결정하는 동작과, 상기 전력 소비 프로파일에 기초하여, 상기 컴퓨팅 플랫폼에 포함된 복수의 구성 요소들 중 상기 복수의 자율 주행 성능 모드들에 따라 상기 차량의 자율 주행을 지원하는데 필요한 구성 요소들 및 상기 구성 요소들의 사용률을 결정하는 동작을 포함할 수 있다.
일실시예에 따른 드론 착륙 시스템은, 드론; 및 상기 드론의 착륙장인 스테이션;을 포함하되, 상기 드론은 상기 스테이션에 접근하여 1차적으로 호버링 자세를 유지하고, 상기 스테이션은 상기 호버링 자세를 유지 중인 상기 드론의 위치를 판단할 수 있다.
드론의 위치 추정 시스템은, 드론; 상기 드론이 착륙 가능한 착륙장을 구비한 제1 스테이션; 및 서버;를 포함하되, 상기 드론은, N개의 위성 각각으로부터 수신된 신호에 기반하여 상기 드론과 N개의 위성 각각과의 사이의 거리인 N개의 제1 추정 거리를 산출하고, 상기 N개의 제1 추정 거리를 상기 서버로 전송한다.
드론의 이륙 안정성 판단이 가능한 드론 관제 방법은, 상기 드론의 이륙 장소에서 측정된 IMU 센서 데이터 및 상기 드론의 이륙 장소에서의 풍속을 이용하여 상기 드론의 이륙 안정성을 판단하는 단계;를 포함하되, 상기 드론의 이륙 안정성을 판단하는 단계는, 상기 IMU 센서 데이터에 대해 설정된 임계 범위와 상기 IMU 센서 데이터를 비교하여, 상기 이륙 장소에서의 전파 교란의 발생 여부를 판단하는 단계; 및 상기 드론의 쓰로틀(Throttle) 및 상기 풍속에 기반하여, 상기 드론의 이륙 장소에서의 공기 저항의 적절성 여부를 판단하는 단계;를 포함한다.
일실시예에 따른 자동차 내부 네트워크 시스템은, 클라이언트용 소프트웨어의 패키지를 다운로드하여 설치하는 컴퓨팅 장치; 자동차 내의 적어도 하나의 전자 장치를 각각 제어하는 다수의 존 제어기; 및 상기 컴퓨팅 장치와 상기 다수의 존 제어기 사이의 통신을 중개하는 중앙 제어 유닛;을 포함하여 구성될 수 있다.
일실시예에 따른 햅틱 피드백 기능을 구비한 차량용 인포테인먼트 시스템은, 운전자의 생체 신호를 측정하고, 상기 운전자의 얼굴 영상을 획득하는 제1 센서부; 다수의 센서를 포함하여 구성되고, 주행 중 도로의 상태를 획득하는 제2 센서부; 디스플레이에 내장되고, 다수의 제1 햅틱 액추에이터를 포함하는 제1 햅틱 피드백부; 운전 핸들에 탑재되고, 다수의 제2 햅틱 액추에이터를 포함하는 제2 햅틱 피드백부; 및 상기 제1 센서부 및 상기 제2 센서부의 출력에 기반하여, 상기 제1 햅틱 피드백부 및 상기 제2 햅틱 피드백부의 동작을 제어하기 위한 제어 신호를 생성하는 제어부;를 포함하여 구성된다.
일실시예에 따른 차량 속도의 추정 방법은, (a) 차량에 장착된 적어도 하나의 바퀴에 대해 측정된 바퀴 속도 데이터를 임베딩하여 임베디드 휠 피처를 산출하는 단계; (b) 다수의 센서로부터 획득된 다수의 센서 데이터의 피처를 결합하여 융합 피처를 산출하는 단계; (c) 상기 임베디드 휠 피처 및 상기 융합 피처를 이용하여 상기 바퀴 속도 데이터에 기반하여 산출되는 차량 속도의 오차를 보정하기 위한 보정 계수를 산출하는 단계; 및 (d) 상기 보정 계수와 상기 임베디드 휠 피처를 곱한 값에 기반하여 보정된 차량 속도를 추정하는 단계;를 포함한다.
일실시예에 따른 배송 로봇을 위한 내비게이션 방법은, 카메라 센서로부터 획득된 영상과 가상 마커를 포함하는 가상 마커 지도를 비교하여 가상 마커를 식별하는 단계; 상기 영상 상에 상기 가상 마커를 표시하는 단계; 및 상기 영상 상의 상기 가상 마커에 기반하여 상기 배송 로봇의 길 안내를 실시하는 단계;를 포함한다.
차량 내 인포테인먼트 시스템에서 사용자 인터페이스를 제공하는 방법은, (a) 심박수 센서로부터 획득된 운전자의 심박수 데이터를 분석하는 단계; 및 (b) 상기 (a) 단계의 분석 결과에 기반하여, 차량 내 사용자 인터페이스를 조정하여 표시하는 단계;를 포함한다.
차량의 위치 측정 방법은, (a) 카메라 데이터, 라이다 데이터 및 IMU 데이터를 입력받아, 적어도 하나의 지주의 위치값인 제1 위치값을 산출하는 단계; (b) 위치 센서로부터 획득된 차량의 위치값에 기반하여 맵 데이터로부터 맵 패치를 추출하고, 추출된 상기 맵 패치로부터 상기 적어도 하나의 지주의 위치값인 제2 위치값을 추출하는 단계; 및 (c) 상기 제1 위치값 및 상기 제2 위치값을 입력받아, 상기 차량의 실제 위치를 산출하는 단계;를 포함한다.
일실시예에 따른 객체 검출 방법은, (a) 제1 기준 시점에서 획득된 라이다 센서 데이터를 입력받아 1차적으로 객체를 검출하는 단계; (b) 제2 기준 시점을 포함한 다수의 시점에서 획득된 레이더 센서 데이터를 입력받아 2차적으로 객체를 검출하는 단계; 및 (c) 상기 1차적으로 검출된 객체의 정보 및 상기 2차적으로 검출된 객체의 정보를 이용하여, 최종적으로 객체를 검출하는 단계;를 포함한다.
일실시예에 따른 차선 검출 방법은, 맵 패치와 차량의 계획된 주행 경로를 통합하여 인코딩하는 것에 의해 제1 피처를 생성하는 단계; 카메라 데이터와 라이다 데이터를 통합하여 인코딩하는 것에 의해 제2 피처를 생성하는 단계; 상기 제1 피처와 상기 제2 피처를 통합하여 인코딩하는 것에 의해 제3 피처를 생성하는 단계; 상기 제3 피처를 다수의 콘벌루션 헤드를 통과시키는 것에 의해 다수의 앵커를 추출하는 단계; 및 상기 제3 피처로부터, 상기 다수의 앵커에 기반하여 차선을 검출하는 단계;를 포함한다.
센서 데이터를 처리하는 방법은, (a) 제1 센서 데이터에 대해 프레임별로 예비적으로 객체를 검출하는 단계; (b) 상기 (a) 단계의 예비적인 객체 검출 결과를 이용하여, 연속된 N개의 프레임에 대한 추적을 통해 최종적으로 객체를 검출하는 단계; 및 (c) 상기 (b) 단계에서 최종적으로 검출된 객체 정보를 이용하여, 제2 센서 데이터의 자동 라벨링을 실시하는 단계;를 포함한다.
차량의 탑승자 정보에 기반한 콘텐츠 제공 시스템은, 상기 차량의 탑승자를 식별하는 탑승자 식별부; 상기 차량의 탑승자 중 운전자의 졸음 정도를 판단하는 졸음 정도 판단부; 상기 탑승자 식별부에서 식별된 탑승자 정보에 기반하여, 탑승자 그룹의 성향 정보를 산출하는 탑승자 그룹 성향 정보 산출부; 및 상기 졸음 정도 및 상기 탑승자 그룹의 성향 정보를 입력받아, 콘텐츠를 추천하는 콘텐츠 추천부;를 포함한다.
특수 차량의 관성을 이용한 제동 장치를 제어하기 위한 시스템은, 상기 특수 차량의 적재함에 적재된 화물의 중량과 상기 특수 차량의 중량을 합산한 전체 중량을 산출하는 전체 중량 산출부; 상기 전체 중량의 중심 위치를 산출하는 중심 위치 산출부; 및 상기 특수 차량의 특성 정보를 획득하는 특성 정보 획득부;를 포함한다.
특수 차량을 위한 자율 주행 계획 시스템은, 적어도 하나의 제1 카메라를 이용하여, 상기 특수 차량의 적재함의 이미지를 획득하는 적재함 이미지 획득부; 상기 적재함 이미지 획득부에서 획득된 다수의 이미지를 이용하여, 상기 적재함에 적재된 화물의 부피를 산출하는 화물 부피 산출부; 상기 적재함의 바닥에 설치된 다수의 하중 센서에 의해 무게를 측정하는 무게 측정부; 및 미리 설정된 상기 화물의 종류, 상기 화물의 부피 및 다수의 하중 센서에 의해 측정된 무게 정보를 이용하여, 상기 화물의 중량을 산출하는 화물 중량 산출부;를 포함한다.
측위 방법은, (a) 위치 센서의 위치 정보에 기반하여 고정밀 지도를 획득하는 단계; (b) 상기 (a) 단계에서 획득한 상기 고정밀 지도를 전처리하는 단계; (c) 라이다 센서로부터 획득한 포인트 클라우드 데이터를 전처리하는 단계; (d) 상기 (b) 단계에서 전처리된 상기 고정밀 지도를 제1 백본 모델에 입력하여 N개의 제1 특징점을 추출하는 단계; 및 (e) 상기 (c) 단계에서 전처리된 상기 포인트 클라우드 데이터를 제2 백본 모델에 입력하여 상기 N개의 제2 특징점을 추출하는 단계;를 포함한다.
차량의 주행 계획 방법은, 학습 단계;를 포함하되, 상기 학습 단계는, (a1) 센서 데이터를 입력받는 제2 인공지능 모델을 이용하여 객체를 인지하는 단계; (b1) 상기 (a1) 단계에서 인지된 객체 정보를 입력받는 제3 인공지능 모델을 이용하여 인지된 객체의 경로를 예측하는 단계; (c1) 출발지로부터 목적지까지 경로인 전역 경로(Global Path), 지도 정보, 상기 차량의 현재 위치 정보 및 상기 (b1) 단계에서 예측된 객체의 경로를 입력받는 제4 인공지능 모델을 이용하여 상기 차량의 지역 경로(Local Path)를 계획하는 단계; 및 (d1) 상기 전역 경로에 대해 제1 최대값을 갖는 분포 함수를 적용한 제1 분포 함수; 상기 (b1) 단계에서 계획된 상기 차량의 지역 경로에 대해 제2 최대값을 갖는 분포 함수를 적용한 제2 분포 함수; 및 상기 (b1) 단계에서 예측된 상기 객체의 경로에 대해 분포 함수를 적용한 제3 분포 함수;를 이용하여, 상기 제2 인공지능 모델의 손실 함수의 값을 산출하는 단계;를 포함한다.
배송 로봇을 위한 충전 시스템은, 무선으로 전력을 수신하여 배터리에 충전할 수 있는 무선 충전용 수신 모듈을 구비한 다수의 제1 배송 로봇; 무선으로 전력을 송신할 수 있는 무선 충전용 송신 모듈을 구비한 다수의 고정형 무선 충전 스테이션; 유선 충전이 가능한 충전 포트를 구비한 다수의 고정형 유선 충전 스테이션; 무선으로 전력을 수신하여 배터리에 충전할 수 있는 무선 충전용 수신 모듈 및 충전 포트로부터의 전력을 입력받아 무선으로 송신할 수 있는 휴대용 충전 스테이션을 구비한 다수의 제2 배송 로봇; 및 무선으로 전력을 송신할 수 있는 무선 충전용 송신 모듈 및 무선으로 전력을 수신하여 배터리에 충전할 수 있는 무선 충전용 수신 모듈을 구비한 다수의 제3 배송 로봇;을 포함한다.
객체 검출 시스템은, 전체 프레임 영상 중 아이-프레임(I-Frame) 및 피-프레임(P-Frame)을 추출하여 출력하는 전처리부; 상기 아이-프레임 또는 상기 피-프레임을 입력하여 객체를 검출하는 객체 검출부; 및 상기 아이-프레임 또는 상기 피-프레임 중 하나를 선택하여, 상기 객체 검출부로 입력하는 선택부;를 포함한다.
긴급 차량을 위한 양보 운전이 가능한 차량은, 긴급 상황 여부를 판단하고, 상기 긴급 상황으로 판단된 경우 상기 긴급 차량을 식별하고, 상기 긴급 차량을 추적하여 상기 긴급 차량의 예측 주행 경로를 생성하고, 생성된 상기 긴급 차량의 예측 주행 경로에 기반하여 제1 시간 이내에 상기 차량과 동일 차선으로 상기 긴급 차량이 접근하는 것으로 판단되고, 사이렌 소리가 점점 커진 것으로 판단되는 경우, 상기 차량의 양보 운행 시 안전이 확보되는 구역인 안전 구역을 설정하고, 설정된 상기 안전 구역에 도달하기 위한 주행 경로를 설정하고, 상기 주행 경로에 따라 양보 운행을 실시한다.
주행 중인 차량의 운행 제안 시스템은, 전자 장치;를 포함하되, 상기 전자 장치는, 적어도 하나의 재난안전포털로부터 상기 차량의 주행 경로와 관련된 재난 문자를 획득하고, 상기 차량의 주행 경로와 관련된 SNS(Social Network Service) 정보를 획득하고, 상기 차량의 주행 경로와 관련된 기상 정보를 획득하고, 상기 차량에 설치된 다수의 센서로부터 측정된 센서 데이터를 획득하고, 상기 재난 문자, 상기 SNS 정보, 상기 기상 정보 및 상기 센서 데이터를 각각 분석하여 상기 차량의 주행 경로와 관련된 위험도를 산출한다.
과적 차량 단속 방법은, 다수의 프레임의 이미지 데이터 각각에 대해 제1 인공지능 모델을 이용하여, 3차원 객체 영역을 검출하고 검출된 상기 3차원 객체 영역에 해당하는 차량의 과적 여부의 판단에 대한 신뢰도(Confidence) 값을 산출하는 단계; 및 고정밀 지도(HDMap) 상에서의 공간 정보와 라이더 센서(Lidar Sensor)에 의해 획득된 포인트 클라우드 데이터를 비교하여, 상기 포인트 클라우드 데이터 중 동적 객체를 판단하는 단계;를 포함한다.
객체 검출 시스템은,다수의 종류의 데이터를 입력받는 인공지능 모델을 이용하여 객체를 검출하는 객체 검출 장치;를 포함하되, 상기 다수의 종류의 데이터는, 카메라 센서 데이터, 라이다(LiDAR) 센서 데이터, 상기 라이다 센서의 진동 정보 데이터 및 해당 차량의 현재 위치로부터 설정된 목표 위치까지의 도로의 높이 정보 데이터를 포함한다.
군집 운행 시스템은, 제1 차량;을 포함하되, 상기 제1 차량은, 적어도 하나의 제1 라이다 센서; 적어도 하나의 제1 카메라; 및 적어도 하나의 제1 프로세서를 포함하는 제1 컴퓨팅 장치;를 포함하되, 상기 제1 컴퓨팅 장치는, 상기 적어도 하나의 제1 라이다 센서에 의해 획득된 제1 라이다 센서 데이터 및 상기 적어도 하나의 제1 카메라에 의해 획득된 제1 카메라 데이터 중 적어도 하나의 데이터로부터 적어도 하나의 객체를 검출하고, 검출된 상기 적어도 하나의 객체를 제1 디스플레이에 표시하여 제1 사용자로부터 상기 적어도 하나의 객체 중 군집 운행을 실시할 제2 차량을 선택하는 정보를 입력받는다.
무인 항공기의 착륙 시스템은, 제1 컴퓨팅 장치;를 포함하되, 상기 제1 컴퓨팅 장치는, 적외선 카메라에 의해 획득된 제1 적외선 이미지를 입력받아, N개의 온도 구간별로 미리 설정된 N개의 색상에 의해 제1 슈도 컬러(Pseudo Color) 이미지를 생성하고, 상기 제1 슈도 컬러 이미지와 기준 슈도 컬러 이미지를 비교하여 상기 제1 슈도 컬러 이미지와 상기 기준 슈도 컬러 이미지의 적어도 일부의 매칭을 실시한다.
포트홀 검출 시스템은, 적어도 하나의 컴퓨팅 장치;를 포함하되, 상기 적어도 하나의 컴퓨팅 장치는, N개의 프레임 이미지 각각으로부터 객체를 검출하여 분류하고, 상기 N개의 프레임 이미지 각각에 대해 키포인트를 검출하고, 상기 분류된 객체 정보 중 적어도 일부를 이용하여 상기 키포인트로부터 도로와 관련된 키포인트를 추출하고, 추출된 상기 키포인트를 상기 N개의 프레임 이미지 중 다수에 대해 매칭하여 상기 N개의 프레임 이미지 중 다수를 이용하여 합성된 제1 합성 이미지를 생성한다.
도로 관리 방법은, 제1 서버가 제1 사용자 단말기로부터 지역 정보의 업데이트를 요청하는 신호를 수신하여, 데이터베이스에 저장된 해당 지역 정보를 업데이트하는 단계;를 포함하되, 상기 지역 정보는, 해당 지역의 범위, 해당 지역에 대한 적어도 하나의 사진 정보 및 해당 지역의 관리자 정보 중 다수를 포함한다.
항공기의 비행 경로 설정 시스템은, 상기 항공기의 출발지로부터 목적지까지의 순방향 비행 중 위치 정보 신호의 오류가 발생한 경우, 상기 순방향의 비행 경로의 역순서로 비행하는 역방향 비행 경로를 설정하는 제2 전자 장치;를 포함한다.
항공기의 비행 경로 설정 시스템은, 적어도 하나의 환경 데이터를 이용하여, 출발지로부터 목적지까지 도착하는 비행 경로를 설정하는 비행 경로 설정 장치를 포함하되, 상기 적어도 하나의 환경 데이터 각각은, 상기 항공기의 비행 경로 설정에 영향을 미치는 환경 요소에 관한 데이터이고, 다수의 셀 영역을 이용하여 상기 비행 경로를 설정하되, 상기 다수의 셀 영역은, 상기 출발지로부터 상기 목적지까지의 공간 영역 중 장애물 영역을 제외한 유효 공간 영역을 분할한 영역이다.
다수의 환경 데이터를 이용하여, 출발지로부터 N개의 임무 장소를 경유하여 목적지까지 도착하는 비행 경로를 설정하는 비행 경로 설정 장치를 포함하되, 상기 N은, 0 이상의 정수이고, 상기 다수의 환경 데이터는, 위치 정보 신호 강도, 이동 통신망에 의한 통신 신호의 품질 및 기상 정보 중 다수를 포함한다.
침수 예측 시스템은, 전자 장치;를 포함하되, 상기 전자 장치는, 카메라로부터 획득된 카메라 이미지를 입력받아 인공지능 모델에 의해 우천 상황의 정도를 예측하고, 예측된 상기 우천 상황의 정도가 일정 기준치 이상인 경우 해당 차량이 주행 중인 도로 영역의 침수 여부를 판단하고, 고정밀 3차원 지도를 이용하여 차량의 주행 중인 도로 영역에 위치한 랜드마크를, 제1 높이 이상의 제1 종 랜드마크를 포함하여 분류한다.
주행 판단 시스템은, 적어도 하나의 컴퓨팅 장치;를 포함하되, 상기 적어도 하나의 컴퓨팅 장치는, 지도 정보와 센서 퓨전 데이터를 이용하여 도로에 해당하는 관심 영역에 위치한 객체에 대해 장애물 여부를 판단하고, 해당 객체가 장애물로 판단된 경우 해당 객체의 부피 및 밀도를 예측하는 것에 의해, 해당 객체와 관련된 주행 판단 정보를 생성하되, 상기 센서 퓨전 데이터는, 적어도 하나의 라이더 센서로부터 획득된 포인트 클라우드 데이터와 적어도 하나의 카메라로부터 획득된 이미지를 포함하여 구성된다.
라이더 센서 시스템은, 라이더 센서에 의해 감지된 신호를 처리하는 컴퓨팅 장치;를 포함하되, 상기 컴퓨팅 장치는, 상기 라이더 센서의 센싱 영역 중 제1 센싱 영역에서 감지된 신호에 대해, 거울에 반사된 타겟 객체의 실제 위치인 제1 위치 정보를 산출하되, 상기 제1 센싱 영역은, 상기 거울에 의해 반사된 신호를 감지하는 영역이다.
물품 추적 시스템은, 적어도 하나의 컴퓨팅 장치를 포함하되, 상기 적어도 하나의 컴퓨팅 장치 중 적어도 일부는, 영상 정보를 입력받아 물품의 종류 및 상기 물품의 위치 정보를 포함하는 물품 정보를 탐지하고 상기 물품 정보가 탐지된 경우 상기 물품 정보를 이용하여 상기 물품을 추적하고, 상기 영상 정보가 상기 물품 정보가 탐지되지 않은 1번째 프레임의 영상에 해당하는 경우 상기 영상 정보로부터 검출된 손 영역 정보를 이용하여 인식된 상기 물품의 1차 위치 후보에 의해 상기 물품을 추적한다.
상황 전파 서비스 시스템은, 서버를 포함하되, 상기 서버는, 도로 환경 및 시설물과 관련된 이미지를 입력받아 이슈를 검출하여 저장하고, 저장된 이슈 정보에 대해 해당 이슈의 심각도를 나타내는 코드 레벨을 부여하고, 상기 코드 레벨이 부여된 이슈 정보를, 미리 설정된 적어도 하나의 관련 컴퓨팅 장치로 전송한다.
출발지로부터 목적지까지의 차량의 주행 경로를 제안하는 시스템은, 상기 출발지로부터 상기 목적지까지의 적어도 하나의 1차 후보 경로를 제안하는 경로 제안부; 상기 적어도 하나의 1차 후보 경로에 포함된 다수의 1차 예상 통과 지역 각각에 대한 기상 정보를 취득하는 기상 정보 취득부; 및 상기 다수의 1차 예상 통과 지역 각각에 대한 SNS(Social Network Service) 정보를 취득하는 SNS 정보 취득부;를 포함한다.
자율 주행의 학습 장치는, 적어도 하나의 프로세서를 포함하되, 상기 적어도 하나의 프로세서는, 주행 데이터를 이용한 모방 학습에 의해 기초 모델의 학습을 실시하고, 학습된 상기 기초 모델을 기반으로 구성된 강화 학습 모델을 이용하여 구현된 에이전트의 학습을 실시하되, 상기 강화 학습 모델은, 상기 기초 모델을 제 1 백본 네트워크로 사용한 액터 네트워크 및 상기 기초 모델을 제 2 백본 네트워크로 사용한 크리틱 네트워크를 포함하여 구성된다.
타이어 소리를 이용한 차량의 추천 주행 정보 제공 방법은, (a) 타이어 소리를 처리하여, 주파수 도메인의 이미지 데이터를 생성하는 단계; 및 (b) 상기 이미지 데이터를 입력받아, 인공지능을 이용하여 미리 설정된 M개의 카테고리의 도로 상태 각각에 대한 스코어를 출력하는 단계;를 포함한다.
차량 제동 거리를 이용한 자율 주행 제어 방법은, (a) 다수의 차량의 주행 데이터인 다수의 제 1 데이터 및 현재 주행 중인 차량에서 수집된 현재의 주행 데이터인 제 2 데이터를 이용하여, 현재 주행 중인 차량의 제동 거리를 산출하는 단계;를 포함하되, 상기 (a) 단계는, (a-1) 상기 제 2 데이터와 상기 다수의 제 1 데이터 사이의 유사도를 각각 산출하는 단계; (a-2) 상기 (a-1) 단계에서 산출된 유사도 중, 가장 높은 유사도가 산출된 제 1 데이터인 제 1 유사 데이터와 상기 제 2 데이터 사이의 유사도가 일정값 이상인 지를 판단하는 단계; 및 (a-3) 상기 (a-2) 단계의 판단 결과, 상기 제 1 유사 데이터와 상기 제 2 데이터 사이의 유사도가 일정값인 경우, 상기 제 2 데이터를 이용하여 인공지능에 의해 예비적 제동 거리를 산출하는 단계;를 포함한다.
자율 작업차량의 제어 시스템 및 제어 방법이 개시된다. 본 발명의 일 실시예에 따른 자율 작업차량의 제어 시스템은, 상기 작업차량에 장착되어, 주변의 환경정보를 측정하는 감지부; 및 상기 환경정보를 기초로 상기 작업차량의 운행을 제어하는 자율작업 컨트롤러를 포함하고, 상기 자율작업 컨트롤러는, 상기 작업차량의 부하정보를 획득하는 부하정보 획득부; 및 미리 학습된 인공지능 엔진을 이용하여, 상기 환경정보 및 상기 부하정보 중 하나 이상을 기초로 상기 경작지의 토양경도를 추정하는 토양경도 추정부;를 포함하고, 상기 토양경도에 따라 상기 작업차량의 운행을 제어한다.
차량용 스마트 글라스 시스템은, 차량의 유리에 부착할 수 있고, 입력되는 구동 신호에 따라 투과도가 변화하는 필름; 상기 차량의 유리가 설치되는 프레임에 구비되고, 상기 필름과 전기적으로 연결되는, 상기 구동 신호가 흐르는 경로인 제 2 전기 경로; 상기 구동 신호가 입력되는 상기 필름의 입력 단자와 연결되고, 상기 구동 신호가 흐르는 경로인 제 1 전기 경로; 및 상기 제 1 전기 경로의 일단에 장착되고, 상기 제 2 전기 경로와 접촉하는 접촉부;를 포함한다.
드론 착륙장에의 드론 착륙 방법에 있어서, (a-1) 카메라에 의해 획득된 상기 드론 착륙장의 이미지 중 제 1 표식 그룹 내지 제 N 표식 그룹 중 적어도 하나의 그룹의 표식을 검출하되, 해당 표식 그룹 각각에 대해 M개 이상의 표식을 검출하는 단계; 및 (b-1) 상기 (a-1) 단계에서 적어도 하나의 표식 그룹 각각에 대해 검출된 M개 이상의 표식을 이용하여, 상기 드론 착륙장의 착륙 위치의 중심점을 산출하는 단계;를 포함하되, 상기 N 및 상기 M은, 2 이상의 자연수이고, 상기 제 1 표식 그룹 내지 상기 제 N 표식 그룹 각각은, 상기 드론 착륙장의 착륙 위치의 중심점을 기준으로 제 1 반경 내지 제 N 반경의 가상의 원 둘레에 배치된 다수개의 표식을 포함한다.
KIPO KIPRIS · checked 2026-10-15 · newest filings first · right: registration date (filing date if not yet registered) · 50 of 81 · titles and abstracts are in Korean as filed · click a row for details ▾
For now we hold public records only (National Pension Service · DART filings · patents · registers · press). When the company files material in our IR Room, it moves to L1. We do not score or rate companies — we only state how far we have checked.
Compiled from press reports — not confirmed by the company.
| KRW bn | 2024 | 2025 |
|---|---|---|
| Revenue | 17.6 | 20.0 |
| Cost of sales | 13.5 | 16.1 |
| Gross profit (loss) | 4.1 | 3.9 |
| Selling, general and administrative expenses | 5.6 | 6.9 |
| Operating income (loss) | 1.4 | 3.0 |
| Non-operating income | 0.2 | 0.3 |
| Other gains | 0.0 | 0.0 |
| Finance income | 0.1 | 0.1 |
| Other | 0.1 | 0.2 |
| Non-operating expenses | 1.6 | 0.7 |
| Other losses | 0.0 | 0.0 |
| Finance costs | 0.3 | 0.4 |
| Other | 1.3 | 0.3 |
| Profit (loss) before tax | 2.8 | 3.4 |
| Net income (loss) | 2.8 | 3.4 |
Revenue ₩20bn, up 13.4% YoY.
Operating margin 15.1% (prior 8.2%).
Net income ₩3.4bn.
Need more than is shown here? Ask for more information — full review report · valuation · executive teaser · IM · competitor analysis · due diligence. Tell us what you need and we will reply by email with scope, cost and timing.
Is this your company?
If anything here is wrong, tell us — we check it against the original and correct it. You do not need to join. If you would like your financials verified and this page completed, that is a separate process.
Headlines and links to public articles only · not checked by us (original ↗) · articles are in Korean — English headlines are our translation; where none is shown, “Read in English ›” opens a machine translation · “Broker view” is a forecast, not reported results · checked 2026-11-06