dSPACE, 자율주행 및 AI 분야 전문화를 위해 Understand AI 인수

자율주행차량 개발 솔루션을 선도하는 중소기업 DSPACE는 최근 인공지능 분야 전문 스타트업 understand.ai을 인수했습니다. 앞으로 understand.ai는 인공지능(AI) 애플리케이션과 클라우드 기반 툴을 중점적으로 사업을 진행할 예정이며 기존 dSPACE 제품군을 더욱 발전시키고 글로벌 판매 네트워크를 활용해 제품 판매 역량을 강화할 계획이다. ​

>

dSPACE의 CEO Martin Goetzeler는 "understand.ai는 AI를 활용한 자동화된 데이터 분석, 데이터 주석화 및 시뮬레이션 시너프랙티스 추출에 주력하는 리더 메이커였다. 이러한 핵심기술을 통해 우리는 고객에게 자율주행 분야의 특별하고 통합된 개발 및 테스트 솔루션을 제공할 수 있도록 포트폴리오를 전략적으로 개선하고 있다고 밝혔다. Marc Mengler는 "우리는 회사의 성장을 위해 dSPACE를 가장 이상적인 파트 형태로 생각했습니다. 자율주행개발에 있어 테스트 분야가 가장 어려운 부분이지만 dSPACE는 자동차 산업의 선도적인 기업이기 때문에 뛰어난 전문성과 네트워크로 우리에게 강력한 추진력을 제공할 것"이라고 전했습니다.​

>

공동설립자 겸 CTO Philip Kessler는 "dSPACE와 협력해 현지 고객을 대상으로 한 서비스를 개선하고 국제적 성장을 가속화하며 학습 및 검증 데이터를 재공하기 위한 솔루션 분야에서 글로벌 리더로서의 입지를 더욱 넓힐 것으로 기대한다"고 덧붙였다.자율주행차의 개발과 도입을 위해서는 차량의 환경을 실질적으로 결함 없이 파악하는 것이 중요하다. 역시 다른 운전자와 보행자, 교통표지판, 차선, 정적도로변 구조물과 개방공간 등을 믿음으로 식별해야 할 것이다. 이 때문에 자율주행차에는 자기학습(머신러닝) 알고리즘, 특히 인공지능에 기초한 심층신경망(DNNs: Deep Neural Networks) 알고리즘이 사용된다. 이들 알고리즘은 효율적으로 훈련되고 검증되어야 하며 카메라, 라이더, 레이더 등의 센서에 기록된 데이터를 분석하고 주석을 달아 익명화하는 과정이 필요하다. 해당 학습 과정 및 검증 과정의 수량, 품질 및 다양성이 DNN 결과의 품질을 자결할 것이다. 머신러닝을 위한 참조로서 오브젝트를 분류하기 위해서는 라벨링이라고도 불리는 주석을 다는 프로세스가 필요하다. 해당 프로세스는 거의 수동적으로 실시되고 있지만, 많은 때때로 필요하며, 최고 수준의 품질을 보장하는 것은 아니다. understand.ai 는 해당 프로세스를 최대한 자동화할 수 있는 전문지식을 보유하고 있으며 고품질의 학습 및 데이터 검증을 위해 독자적인 학습 알고리즘을 사용할 것이다. 핵심기술도 인공지능을 기반으로 설계돼 정밀한 데이터 주석 및 효율적인 데이터 분석이 가능하며 AI 기반 주행 알고리즘에 대한 고품질 학습 결과를 보장한다. 또 그 분야를 적용하기 위한 AI나 웹 기반 도구를 개발하고 그 기반 비결은 센서 데이터에서 시뮬레이션 시과인리오를 추출하는 데도 사용된다.​ ​ ​ 문의:한컴 MDS SDS한개 팀 sdsteam하나@hancommds.com, 03개-627-3하나하나 한가지 출처:dSPACEhttps://understand.ai/

​​​