티스토리 뷰

주간 HOT 7

12월 2주 Technology & Industry HOT 7

luvimperfection 2018.12.18 16:35

2018년 12월 둘째 주, 세계 미디어를 뜨겁게 달궜던 기술 및 창업 소식 7개를 에티가 전해드립니다.

1. NVIDIA의 초현실적 얼굴 생성 AI

2. 취리히대와 로잔공대 연구진, 폴더블 드론 개발

3. 일론 머스크의 Hyperloop가 가져올 도시의 변화

4. Capture, 아이폰 전면 카메라만으로 3D 스캐닝을 가능하게 하다

5. 구글 어시스턴트 , 항공편 지연 경고 기능 탑재

6. PlanetScale, Youtube의 DB 엔지니어들이 뭉치다

7. Grasping Robot(파지 로봇) 개발 스타트업 RightHand Robotics의 투자 유치 소식


1. NVIDIA의 초현실적 얼굴 생성 AI

아래의 두 사진 중 AI가 만든 얼굴은 무엇일까요?


출처 : MIT Technology Review


정답은 바로, 둘 다입니다! 두 그림 모두 GPU를 생산하는 NVIDIA의 GAN(Generative Adversarial Networks)아키텍처의 AI가 만들어낸 가짜 얼굴입니다. 얼굴 생성에서 최고 성능을 달성한 이번 연구는 스타일 기반 생성기(Style-Based Generator)아키텍처 GAN이라는 제목의 논문으로 발표되었습니다. 


에티에서도 GAN의 활용 사례와 관련해서 꾸준히 소식을 전해드리고 있는데요. Google 연구원 Ian Goodfellow가 2014년에 고안한 이래로, GAN은 이미지 생성 및 전송 분야에서 많이 활용되고 있습니다. 내부적으로 어떻게 실행되는지 몰라 연구원들은 시행착오를 거쳐 목적에 맞게 사용했고, 합성된 이미지를 생성하는 등의 제한적인 사용만 해왔는데요. 이번에 NVIDIA가 발표한 논문은 style transfer 기술에서 영감을 얻어, 이러한 GAN의 문제을 해결할 수 있음을 보여주고 있습니다. 

 

출처 : MIT Technology Review


NVIDIA의 스타일 기반 생성기 아키텍처 GAN은, 사람의 지시 없이도 스스로 여러 패턴들을 찾아내고 직관적인 이미지 합성을 가능케 만들어냅니다. 입력된 얼굴 이미지가 주어지면 스타일 기반 생성기는 그 분포를 학습하고 그 특성을 새로운 합성 이미지에 적용할 수 있게 되는 것입니다. 또한 학습하는 과정에서 다른 특징들을 변하지 않게 하고 특정 스타일 (예 : 포즈, 눈, 머리 스타일, 얼굴 모양과 같은 특징들)의 효과를 제어 할 수 있습니다.


논문을 더 자세히 설명하자면 다음과 같습니다.

1) 스타일 혼합 기술 사용

스타일을 더 자연스럽게 만들기 위해 혼합 정규화 방법을 사용하는 것인데요. 훈련중 1개 대신 일정 비율의 이미지는 2개 임의의 잠재 코드를 사용하여 생성시키는 것입니다. 그러면 이미지를 합성할 때 무작위로 코드를 선택하는 지점에서 하나의 잠재 코드를 다른 코드로 전환할 수 있습니다.

2) 각 합성곱 층 다음에 픽셀 당 노이즈를 추가

각 합성곱 층 다음에 픽셀 당 노이즈를 추가할 것을 제안합니다. 추가된 노이즈는 전체 구성이나 세심한 부분에 영향을 미치지 않으며 서로 다른 층의 노이즈 변화는 일치하는 확률적 변이 결과를 만들어냅니다. 확률적 변이는 얼굴 머리카락, 수염, 주근깨, 모공 등의 배치와 같은 상세한 얼굴 특징의 랜덤화를 GAN이 실현할 수 있게 합니다. 

3) 지각 경로 길이와 선형 분리 가능성

모든 생성기의 보간 품질과 잠재변수간 분리정도의 정량화를 위해 지각 경로 길이(perceptual path length)와 선형 분리 가능성이라는 두 가지 방법을 제안합니다.



또한, NVIDIA는 LSUN (Large Scale Understanding) 데이터 셋을 사용하여 사람이외에도 침실, 자동차 및 고양이의 이미지 생성기를 만들어 인상적인 결과를 보였습니다.


NVIDIA는 이번 논문을 발표하는 동시에, 얼굴 사진 데이터셋도 함께 발표했습니다. Flickr-Faces-HQ (FFHQ)는 1024 해상도에서 70,000 개의 고화질 이미지를 포함합니다. 데이터 세트는 곧 공개될 것이라고 하는데요. NVIDIA의 논문을 직접 읽어보고 싶으신 분은 이곳을 클릭하시기 바랍니다.


▲목록으로


2. 취리히대와 로잔공대 연구진, 폴더블 드론 개발

출처 : UZH


지난 10월, 네덜란드의 Delft 대학 연구진이 3개의 프로펠러만으로도 중심을 잡는 드론을 개발한 소식을 에티에서 전해드린 바 있습니다. 이렇듯 특수한 상황에서 드론을 제어하는 기술에 대해 많은 연구가 이루어지고 있습니다.


이번에 소개해드리는 소식은 바로 취리히대와 로잔공대의 연구진이 개발한 스스로를 접고 틈 사이를 지나갈 수 있는 드론입니다. 카메라 하나만으로 스스로 공간을 파악하고, 몸체를 접어 작게 만들어 좁은 공간을 지나갈 수 있기 때문에 사람이 접근하기 어려운 곳에 진입하여 구조나 조사활동을 하는 데 적합할 것으로 보입니다.


박사과정생 Davide Falanga는 "좁은 틈 사이로 드론 비행을 시도했을 때 떠오른 아이디어입니다. 우리의 목표는 미래에 지진 등의 재해 직후 건물의 작은 크랙이나 구멍 사이로  들어가 피해자을 찾을 수 있는 드론을 만드는 것"이라고 밝혔습니다.



그는 이어서 "기존 방식은 공격적인 비행을 필요로 했기에 이를 극복할 수 있는 대안을 찾기 위해 노력했습니다. 그 결과 주어진 상황에 반응하여 스스로 모양을 바꿀 수 있는 폴더블 드론을 만들었습니다."라고 밝혔습니다. 폴더블 드론의 또 다른 특징이 바로 모든 프로세싱 과정을 드론이 내부적으로 처리한다는 것인데요. 따라서 스스로 감지하고 판단하여 반응하는 자동화 시스템으로의 발전 가능성도 있습니다. 


기존 드론과의 차이점은 드론의 '팔'입니다. 각 팔은 서보모터를 통해 몸체에 연결되어 있고, 몸체를 둘러싸고 T-자, L-자 등 다양한 형태로 팔을 접을 수 있게 해 줍니다. 반응형 컨트롤러는 이런 드론의 모양을 파악하고 어떤 형태든 상관없이 드론이 항상 안정적인 비행을 할 수 있게 해 줍니다. Robotics and Automation Letters에 출판된 연구진의 논문은 이곳에서 확인하실 수 있습니다. 


▲목록으로


3. 일론 머스크의 Hyperloop가 가져올 도시의 변화

지난 10월 2일, 스페인에서 처음으로 공개된 하이퍼루프 캡슐 (출처 : The Verge)


승객으로 가득한 캡슐을 최대 시속 1200km로 이동하는 미래형 교통 시스템, 하이퍼 루프는 미국의 엘론 머스크가 5년 전 적극적으로 추진을 시작하면서 사람들의 관심을 받게 되었습니다. 전문가들은 로스앤젤레스에서 샌프란시스코까지 30분으로 주파 가능하게 되면, 이제 도시 생활을 비롯한 전반적인 시민들의 생활 방식에서 변화가 있을 것이라고 예측합니다. 


브루킹스 연구소(Brookings Institution)의 연구에 따르면, 2012년 이후 미국의 도시 성장률이 절반으로 감소한 반면, 교외 지역은 4배 가까이 성장했다고 합니다. 여러 연구들에 따르면, 40세 이하의 시민들이 인구 밀도가 낮은 지역과 넓은 마당을 가진 집을 선호하는 것으로 나타났고, 자연스러운 결과로 교외 지역에 대한 수요도 증가하고 있습니다. 


출처 : Good News Network


하지만 교외 지역에서 거주하게 되면, 도시의 중심부로 통근하기 위해 많은 시간을 투자해야 합니다. 예를 들어 샌프란시스코 만 지역에 사는 10만명 이상의 사람들은 "슈퍼 통근자(supercommuter)"라고 불리는데, 이들은 평균적으로 출근에만 90분 이상의 시간을 투자하는 것으로 집계되었습니다. 이처럼 미국의 노후화된 고속도로와 통근 열차 노선, 주택 부족 사태로 인해 하이퍼루프 사업이 더욱 많은 관심을 받을 수 있었습니다. 또한 미국 뿐 아니라 아랍에미티프와 중국, 우크라이나에서도 건설 계약이 이루어졌거나 준비 중에 있습니다. 


지금까지 인류 문화의 발달 과정에서, 교통 수단의 발달은 사람들을 한 곳으로 모으는 역할을 했습니다. 도시가 발달하고 인구의 수와 밀도가 높아졌습니다. 하지만 이제, 하이퍼루프는 사람들의 욕구, 즉 한적한 교외 지역에 거주하면서 도시 중심부로 통근하고자 하는 욕구에 따라 인구를 다시 분산시킬 것으로 보입니다. 다시금 우리가 도시를 구성하고 활용하는 방법을 변화시키고 있는 것입니다. 


또한 하이퍼루프의 경쟁자는 기존의 낙후된 철도 서비스 등이 아니라 개인 시간이 보장되는 자율 주행 자동차의 이동, 원격 소통을 가능하게 하는 AR 홀로그램 기술 등이 될 것으로 예상됩니다. "교통수단=이동수단"이라는 현재의 공식을 넘어서, 우리가 정의하는 "교통수단의 목적" 자체도 변화하는 날이 머지 않았는지도 모릅니다


▲목록으로


4. Capture, 아이폰 전면 카메라만으로 3D 스캐닝을 가능하게 하다

Xbox Kinect (출처 : Windows Central)


3d 모델링은 언제나 어려운 이슈였습니다. 높은 품질의 3d 스캔 결과물을 얻으려면 Xbox Kinect 만큼 커다란 하드웨어가 필요했었고, 고성능 레이저 센서 시스템이 갖춰져있어야 했죠.


이제 당신이 고품질의 3D 모델을 얻기 위해 필요한 것은 단 두 가지, 스마트폰과 Capture뿐입니다. Capture는 Jeff Huber와 Garrett Spiegel이 이끄는 Standard Cyborg라는 회사의 PoC(기술검증 절차)입니다. 이들은 Scott Banister과 같은 개인 투자자들로부터 240만 달러의 시드머니를 투자 받았습니다. 


출처 : TechCrunch


Capture 앱은 12월 3일에 출시되었으며 이미 3D 열풍을 이끌고 있습니다. Capture는 아이폰X의 전면 카메라와 레이저 스캐닝 시스템을 사용하여 라이브 컬러 점군 데이터(Point Cloud)를 만들어 줍니다. 여러 형식으로 변환하여 다른 곳에서 사용, 수정하기 위해 USDZ 파일로 내보낼 수도 있습니다. 이 앱과 앱에 쓰이는 3D 스캐닝 프레임 워크는 사실 회사의 다른 어플들에 대한 트로이 목마로 설계된 앱이라는 사실이 놀랍습니다. 


Huber는 "우리는 최첨단의 밀집된 3D 재구성 및 점군 데이터 딥러닝 시스템을 배포하고 있습니다. 우리는 이 핵심기술을 개발자들에게 제공하여 모든 알고리즘과 GPU 가속화를 몇 줄의 코드만으로 구현 가능하게 하는 초능력을 선사합니다."라고 밝혔습니다.


Huber는 또한 "Standard Cyborg는 물리적인 현실 세계를 위한 API를 구축하고 있습니다. Capture 앱을 이용하면 모든 개발자들이 너무나 쉽게 3D 스캐닝을 진행하고, 분석하고 디자인할 수 있습니다. Capture 앱은 FaceID(얼굴인식)가 가능한 모든 아이폰에서 구현 가능합니다."라고 밝혔습니다. 


스캐너 개발 키트는 내년 1월에 론칭할 예정이며 현재는 여러 기업들을 대상으로 베타서비스를 배포 중입니다. 3D 스캐닝 및 모델링이 일반화된 세상은 다른 기술적 진보들과 함께 우리에게 어떤 변화를 가져다 줄까요? 앞으로도 우린 가상현실과 실제 현실을 잘 구별해낼 수 있을까요?


▲목록으로


5. 구글 어시스턴트 , 항공편 지연 경고 기능 탑재

출처 : Getty Images


해외 여행을 자주 다니시나요? 그렇다면 대부분의 비행 지연은 항공편이 어딘가에 발이 묶여있거나, 공항의 날씨가 좋지 않거나 등의 이유라는 것을 아실 것입니다. 이런 심상치 않은 기운이 느껴질 때, 숙련된 여행자들은 항공사가 아무런 공지를 하지 않아도 방송에 귀를 귀울이거나, 연방 항공국의 공지사항 페이지를 확인합니다.


그런데, 해외 여행을 자주 다니지 않는 사람이라면 어떨까요? 그게 아니더라도, 위와같은 복잡한 절차를 거쳐서 항공편의 지연 여부를 확인하는 것은 매우 피곤한 일입니다. 이러한 피곤한 일을 줄이기 위해 구글 어시스턴트가 항공 지연 알람 기능을 탑재한다고 합니다. 구글 어시스턴트의 알고리즘이 항공 지연을 예견하게 되면, 아래와 같이 알람을 주는 것인데요. 


출처 : TechCrunch


사실 구글의 항공 지연 알림 기능은 새로운 것이 아닙니다. 지난 1월, 첫 번째로 공개를 했었는데요. 하지만 당시에는 직접적인 알람 기능이 아니라, 자신의 항공권을 검색해야만 확인 할 수 있었습니다. 


구글은 과거의 항공 데이터를 토대로 머신 러닝 과정을 거쳐 기능을 구현했다고 밝혔습니다. 뿐만 아니라, 실시간으로 수집되는 다양한 외부 요인, 입항 항공편 정보 등도 고려된다고 하는데요. 하지만 여전히 이 알람이 완벽하지는 않기에, 항공사의 대기 안내는 되도록이면 따르는 것이 좋다고 합니다. 급하게 대체되는 항공편이 생길수도 있고, 각종 다양한 상황에 대해 구글 어시스턴트가 실시간으로 대처할 수는 없을 테니까요. 


그렇다고 해도, 항공편을 잘못 찾거나 너무 일찍 도착해 시간을 버리게 되는 사람들에게 이 기능은 아주 유용할 것으로 보입니다. 어떻게 생각하면 아주 사소한 기능의 변화이지만, 이러한 변화가 모이고 모여서 결국 우리의 실생활을 바꿔놓는 것 아닐까요?


▲목록으로


6. PlanetScale, Youtube의 DB 엔지니어들이 뭉치다

PlanetScale 창업자 Jiten Vaidya과 Sugu Sougoumarane (출처 : TechCrunch)


유튜브가 성공적으로 성장한 뒷 배경에는 독자적으로 구축한 데이터베이스 시스템 Vitess가 있습니다. 최근 이 Vitess를 제작했던  Jiten Vaidya과 Sugu Sougoumarane 다시 뭉쳐 Vitess를 서비스하는 스타트업 PlanetScale를 창업했습니다.  데이터베이스의 전설들이 모인 스타트업이기 때문인지 시드 펀딩부터 YouTube, Facebook, Dropbox, Quora 등의 기업의 CTO들이 참여하여 300만 달러를 투자받았습니다.


서비스 초기 단계에는 큰 문제가 되지 않지만, 서비스가 커지게 되고 저장해야하는 데이터가 많아진다면 데이터베이스에서 병목이 발생하게 됩니다. 유튜브에서도 구글에 인수된 직후 사용자가 급격하게 증가하면서 기존에 사용되던 MySQL 데이터베이스에 동영상을 저장하고 읽어오는 과정에서 큰 병목이 생겼습니다. 또한 여러 개의 데이터베이스를 사용하면서 이들간에 데이터를 공유하는 과정에도 문제가 발생했습니다. 데이터베이스에 메모리와 CPU를 추가하는 것은 임시방편이 될 수도 있지만 궁극적으로 문제를 해결하지는 못했습니다. 


당시 유튜브에서 함께 근무했던 Vaidya와 Sougoumarane은 이를 해결하기 위해 데이터베이스를 분리하고 분리된 조각들을 관리하는 툴 Vitess를 개발하게 되었습니다. 또한 2010년 Vitess를 개발하는 순간부터 이를 오픈소스로 공개해 현재 Square, HubSpot, Slack과 같은 서비스들이 Vitess를 사용하고 있습니다. 


출처 : TechCrunch


PlanetScale은 이렇게 개발된 Vitess를 다른 기업들이 사용할 수 있도록 교육과 지원을 해주는 스타트업입니다. 또한 기존의 VItess를 더 확장시켜 아마존 AWS, 구글 클라우드와 같은 클라우드 서비스나 나아가 Kubernete과 호환이 되게 하여 좀더 사용하기 쉽게 만들려하고 있습니다. 이를 통해 많은 스타트업들이 아마존 AWS, 구글 Cloud와 같은 클라우드 서비스 제공자에 귀속되지 않고 좀더 자유롭게 서비스를 만들 수 있게 도와주려 합니다. 


특히 Vitess를 사용하게 되면 구글 클라우드의 데이터와 아마존 AWS의 데이터 간의 백업, 동기화 등이 가능해집니다. 현재 인도네시아 이커머스 기업 Bukalapak, Booking.com, GitHub 등의 기업들의 데이터베이스를 Vitess로 이전하는 것을 도와주고 있습니다. 창업자 Vaidya는 많은 기업들이 구글 클라우드의 Spanner와 클라우드 SQL 혹은 아마존 AWS SQL와 AWS Aurora 등을 이용해 관계형 데이터베이스를 구축하지만, 이들의 서비스가 커짐에 따라 난관에 부딪힐 것이라 하였습니다. PlanetScale은 이 스타트업들의 데이터가 하나의 클라우드 서비스에 귀속되지 않고, 다양한 데이터베이스를 사용해 구현될 수 있도록 도와주려하고 있습니다.


▲목록으로


7. Grasping Robot(파지 로봇) 개발 스타트업 RightHand Robotics의 투자 유치 소식

출처 : Techcrunch


로봇은 많은 산업에 이미 진출해 있지만, 여전히 전자 상거래에서 보내는 물품들을 분류하고 선택하는 데에는 어쩔 수 없이 사람의 손이 들어가게 됩니다. Amazon이 대형 자동화 물류 시스템을 통해 이 부분에서 자동화를 이끌어 내었다고는 하지만, 아직 분류가 힘든 상품들은 여전히 사람이 직접 하고 있습니다. 물건을 집고, 올바른 곳에 분류하는 일은 사람이 하던 로봇이 하던간에 상관없이 매우 지겨운 일입니다. 보통 창고에서 한 물품이 포장되어 택배로 보내지기까지는 평균 10번 정도 분류 작업을 거친다고 합니다. 이러한 지겨운 일이야말로 로봇이 하기 딱 적합한 일이기에, RightHand Robotics는 집고 분류하는 작업을 매우 빠른 속도로 할 수 있는 로봇을 개발하게 되었습니다. 


RightHand Robotics이 로봇 개발을 위해 꼽은 핵심 키워드는 3R, Range, Rate, Reliability로, 넓은 범위(range)의 물품들을 빠른 속도로(rate) 정확하게(reliability) 옮기는 것이라고 합니다. 카메라를 이용해 물체를 인식하고, 물체를 집는데 최적화된 로봇팔을 만들 뿐 아니라, 물체를 집기에 최적의 경로를 계산하는 것까지 빠른 속도로 연산하여 pick and place(집고 분류하기) 작업을 완수합니다. 



Depth 카메라를 이용해 깊이를 분석하고, 뽑고자 하는 물체를 러닝으로 인식한 후, 그 물체를 잡기 위한 알고리즘으로 proprietary segmentation algorithm을 사용함으로써 최적의 경로를 계산하는 것입니다. 로봇팔의 생김새를 보면 단순히 3개의 손가락만이 아닌 중간에 빨판 형태의 팔까지 장착하여 물체가 어떻게 생겼든 간에 높은 확률로 잡을 수 있도록 만들었습니다. 또한, 이를 위한 최적의 경로까지 계산한 결과 빠른 속도로 분류가 가능한 로봇팔을 만들게 되었습니다. 


RightHand Robotics가 만든 로봇팔이 빠르고 정확하게 물체를 집어 분류하는 모습은 많은 VC들을 설레게 한 모양입니다. 최근 Series B에서 2300만불 규모의 투자유치를 이끌어 내기도 하였습니다. RightHand Robotics의 투자유치 소식은 단순히 빠른 로봇팔을 만들었다는 의의를 넘어 로봇팔의 신뢰성을 한껏 끌어올렸다는 데에 의미가 있을 것으로 보입니다. 


현재 robotics 분야가 각광받고 있기는 하지만, 여전히 산업용 로봇을 제외하면 실생활에 녹아들기까지는 많은 시간이 걸릴 것으로 예상됩니다. 그 와중에 나온 RightHand의 투자유치 소식은 로봇 기술의 현주소를 여실히 보여주는 예라고 볼 수 있겠습니다. 


▲목록으로


인기 포스팅 보기

댓글
댓글쓰기 폼