움직임을 더 빠르게 인지하는 DVS+SNN Safety Module
DVS(Event Camera)가 움직임 변화를 이벤트 단위로 감지하고, SNN(Spiking Neural Network)이 접근 방향과 동적 특징을 분석하여 AMR의 위험 판단을 지원합니다.
기존 AMR 제어기와 연동하여 정지·감속·우회 판단에 필요한 위험 정보를 제공하며, 물류·제조 현장의 사람·카트·적재물 등 동적 객체 대응을 목표로 합니다.
프레임 중심 영상처리가 아닌 이벤트 기반 입력과 스파이크 추론을 결합하여, 현장 가까운 엣지에서 동적 위험을 판단하는 구조입니다.
밝기 변화가 발생한 픽셀의 이벤트를 비동기적으로 받아 움직임 중심의 입력 데이터를 구성합니다. 사람·카트 등 동적 객체의 변화 정보를 빠르게 추출하는 입력단입니다.
이벤트를 스파이크 형태로 변환하고 시간적 변화 패턴을 이용하여 접근 여부, 접근 방향, 위험 접근 상황을 추론하는 AI 처리부입니다.
이벤트 처리, SNN 추론, 위험도 계산을 현장 엣지에서 수행하고 AMR Controller에 Stop / Slow / Detour 판단 정보를 전달하도록 구성합니다.
DVS 이벤트를 필터링하고 접근 특징을 추출한 뒤 SNN 추론과 위험도 계산을 거쳐 AMR 제어기로 전달합니다.
DVS 비동기 이벤트 입력
배경·노이즈 이벤트 제거
움직임 후보 영역 추출
접근 방향·변화량 분석
동적 위험 클래스 추론
TTC·속도·방향 통합
정지·감속·우회 연동
단순 객체 존재 여부가 아니라 움직임의 밀도, 접근 속도, 방향 변화와 정지거리를 함께 고려하여 위험도 정보를 구성합니다.
ROI 내부 이벤트 변화량을 이용하여 움직임 활성도를 판단합니다.
시간에 따른 위치·크기 변화를 이용해 접근 속도 특징을 계산합니다.
AMR 진행 방향과 객체 이동 방향의 상대 변화를 분석합니다.
AMR 속도와 정지거리 조건을 반영하여 위험도 판단 기준을 보정합니다.
위험 판단 결과를 AMR Controller가 사용할 수 있는 단순한 제어 단계로 연결합니다.
DVS+SNN Safety Module은 AMR의 기본 자율주행 시스템을 대체하기보다, 기존 센서·제어 시스템에 추가되는 보조 인지 레이어를 지향합니다.
AMR 속도, 운전모드, 정지거리 등 차량 상태정보를 함께 사용하여 현장 조건에 맞는 위험도 판단 로직으로 조정할 수 있습니다.
상단의 처리 파이프라인을 반복 설명하지 않고, 실제 AMR 환경에서 확인해야 할 데이터 품질·위험인지·응답성·연동성·시나리오 재현성을 중심으로 검증합니다.
현장 조도, 배경 움직임, 설치 각도와 거리 변화에 따라 Event Stream이 안정적으로 확보되는지 확인합니다.
작업자·카트·이동물체의 시간적 접근 패턴을 기준으로 위험상황 분류와 판단 안정성을 확인합니다.
Event Input에서 SNN 추론과 Risk Output까지의 처리 지연을 측정하여 AMR 운용에 필요한 응답성을 검토합니다.
Risk / State 정보가 기존 AMR Controller와 안정적으로 연계되고 제어 로직에서 활용 가능한지 확인합니다.
실제 운영에서 발생 가능한 동적 상황을 반복 가능한 시험조건으로 정의하여 결과의 재현성을 확인합니다.
아래 수치는 제품의 보증 성능이 아니라, 앞선 PoC 검증항목을 수치화하여 확인하기 위한 현재 연구개발 목표값입니다.
AMR 환경과 동적 장애물 시나리오를 기준으로 센서·Edge AI·SNN 추론·제어 인터페이스의 PoC 구성과 연동 방식을 검토합니다.
