00 · ROVI, VISION EDGE DEVICE.
FLOYD
보는 것에서끝나지 않는다.
2D·2.5D·3D Vision이 하나의 플랫폼 위에서 돌아갑니다.
FLOYD — without Vision, your Robot is essentially blind.
자세히 보기
FLOYD
Advanced Smart Vision Solution with AI
최적화된 AI 모델로 다양한 영상인식 애플리케이션을 손쉽게 적용합니다. 고성능 EDGE DEVICE로 고가의 인공지능 시스템 도입·유지 비용을 크게 낮추고, 효율적인 AI 비전 시스템 운용을 가능하게 합니다.
핵심 지표 · 회사소개서 2026 기준
- 2D 카메라 기반 3D BIN PICKING — 세계 최초 · 상용화
- BOP 6DOF POSE — TOP 10 · 2023 글로벌 벤치마크
- 도입비용 · 생산율 — 1/10 · 120% · 기존 3D 시스템 대비
- 의약품 검수기 비전 — 14 대 · 2025년 기준 누적 납품
핵심 기술
- Image Processing, Deep Learning (AI)
- NPU기반 AI 모델 경령화 및 양자화 - PTQ/QAT, FP32->INT4
- Edge Device — Samsung LSI Exynos · Qualcomm Snapdragon · NVIDIA Jetson · RENESAS RZ/T
기술 영역
- Object Detection · Tracking · Inspection
- 6DOF Pose Estimation
- Grasping · Gesture
- 3D Tracker · SLAM
사업 영역
- Robot Vision System — ROVIX
- 2D / 3D Vision System
- 2차 전지 검사 AI 솔루션
자세히 보기
ROVI2D / 2.5D
Industrial / Collaborative Robot과 연동하는 Vision System
산업용·협동로봇에 붙어 2D 카메라로 부품의 위치와 3D 자세를 추정하고, 로봇 좌표로 넘긴다.
문제
- 적체된 부품을 로봇이 집을 때 탈거력 때문에 부품의 위치와 기울기가 바뀌어 생산 자동화가 어려움
- 기존 3D 비전 시스템은 도입비용이 높음
방식 · 2D 카메라를 이용한 3D 물체 인식
- 검출 대상 부품 선택
- 2D 자세 검출 (Template Matching)
- 2D-3D 매칭 기반 3D 자세 추정
- 3D 자세 최적화
- 결과값 로봇 전달
방식 · Application
- Vision Guided Robot (VGR)
- Object Location / Searching
- Color Detection · Histogram Inspection
- Presence / Absence Inspection
- Geometric Measurement
구성 · ROVI-2D
| 카메라 | Sony 13MP RGB (Rolling Shutter) · 3A (AF/AE/AWB) |
|---|---|
| 해상도 | 13MP 4160×3120 ~ 1.2MP 1280×960 · YUV2/NV12 |
| 화각 / AF | H50° × V39° · 100 mm ~ ∞ |
| 디바이스 | Qualcomm · Embedded Linux · 90 × 60 × 34 mm · 220 g |
| UX | ROVIX 1.0 · Hand-eye / Camera Calibration · Ubuntu 18.04 이상 / Windows |
| 인터페이스 / 전원 | TCP/IP, UDP · 24 VDC ± 20% |
| 방진·방수 / 동작 온도 | IP66 · 0 ~ +60 ℃ (Device) |
성능 · 근거
- 2D 카메라 기반 산업용 3D 물체 Bin Picking 상용화 — 세계 최초 사례로 잠정 평가
- 명신 군산 프레스라인 — 기존 3D 시스템 대비 도입비용 1/10, 전체 생산율 120%
- 특허 PCT/KR2021/006466 영상인식 처리장치 · PCT/KR2021/006467 회전영상 인식 처리 방법
사례 · 성숙도
- 상용 — 제품 출시 2022, 양산 중
- 두산로보틱스㈜ — 협동로봇 OEM(Smart Vision Module), ROVI 플랫폼 적용으로 시스템 UPGRADE
- ㈜명신산업 — e-CAR 차체 생산라인 자동화(M-module) Vision 공급사 선정
- 적용 공정 — 협력 조립, 조립 이상유무 검사, 유성기어 조립, 엔진 블럭 검사/조립, 기판 조립 검사, Pick & Place, 자동차 출하검사
사례 · M-module 적용 순서
- 군산 (프레스/조립/차체)
- 예산 / 천북
- 기타 국내
- 해외 (미국, 인도 등)
자세히 보기
ROVI3D
정확한 3차원 자세 추정이 가능한 Vision System
중첩·교차된 3차원 물체의 6DOF 자세를 추정하고, 집는 순서를 로봇 스스로 정한다.
문제
- 중첩·교차된 3차원 부품은 탐지, 자세 추정, 집는 순서 결정이 어려움
- 현장 촬영으로 학습 데이터를 모으는 데 시간과 비용이 듦
방식 · AI 모델 흐름
- ROVI.net 학습 이미지 (PBR)
- FFB6D-PBR Pose Estimation
- Grasp 학습 (Deep RL)
- 3D Bin Picking
방식 · 데이터 학습
- 물리 기반 렌더링(PBR) 가상 데이터를 자동 생성해 다양한 공간의 위치를 학습
- 수천 장에서 수십만 장까지 환경에 맞게 자동 생성
- 중첩(Occlusion) 상황을 예상해 자동 학습, 강인한 AI 모델 생성
구성
| 카메라 | TOF 또는 RGB-D Camera |
|---|---|
| 디바이스 | High performance barebone PC |
| UX | ROVIX 2.0 · Hand-eye / Camera Calibration · Isaac(NVIDIA) / ROS / Unity |
| OS | Ubuntu 18.04 이상 / Windows |
성능 · 근거
- BOP Challenge 6DOF Pose Estimation — 글로벌 상용화 기술 TOP 10 진입 (2023)
사례 · 성숙도
- POC — 개발 완료 (2023)
- POC 진행 — 명신(군산), LG이노텍(Startup TechBlaze)
자세히 보기
ROVIPolar
ToF · 스테레오가 놓치는 투명 플라스틱 부품까지 — 편광으로 보고 집는다
편광 카메라 한 대로 RGB와 편광(DoLP · AoLP)을 픽셀 단위로 함께 얻어, 투명 · 반사 부품의 깊이와 6D 자세를 복원한다.
문제
- ToF · 액티브 스테레오 · 구조광은 투명(PET · 아크릴 · PC) · 광택 표면에서 깊이가 비거나 왜곡된다
- 6D 자세 엔진(FoundationPose)도 투명 · 유리 물체에서는 동작하지 않는다고 명시되어 있어, 깊이가 깨지는 부품은 기존 파이프라인으로 집을 수 없다
방식 · 처리 단계
- 편광 원시 영상 (12-bit)
- 4각도 분리 · Stokes
- RGB · DoLP · AoLP
- 편광 물리 기반 법선 · 깊이 복원
- 6D 자세 (FoundationPose + ICP)
방식 · 특징
- 편광을 단순한 이미지 채널이 아니라 물리량(굴절률 · 천정각 · 방위각)으로 해석 — PolarDepth(ICML 2026) 방식 재구현
- 복원한 깊이를 AI ToolBox의 기존 6D 자세 파이프라인에 그대로 공급 — 데이터 규약 · 엔진 재사용
- 반사 억제 영상(I_min) — 광택 반사를 걸러낸 밝기 영상을 함께 제공
구성
| 카메라 | LUCID Triton TRI050S1-QC (Sony IMX264MYR 편광 컬러 · 5 MP · 글로벌 셔터) |
|---|---|
| 편광 필터 | 0° · 45° · 90° · 135° — 픽셀 단위, RGB와 정합 |
| 렌즈 · 거리 | 16 mm C-mount · 작업 거리 1 m (시야 528 × 442 mm) |
| 처리 | NVIDIA GPU PC (RTX 4080급) |
성능 · 근거 · 목표는 개발 KPI, 논문값은 PolarDepth(ICML 2026) 공개 결과
| 6D 자세 오차 | ≤ 5 mm / ≤ 3° @ 1 m | 목표 |
|---|---|---|
| 투명 영역 깊이 δ1 | ≥ 0.75 | 목표 |
| 처리 속도 | ≥ 5 fps (깊이 단독 ≥ 20 fps) | 목표 |
| 투명 영역 깊이 δ1 (논문) | 0.859 — RGB 단독 깊이 모델 0.547 | 참고 |
사례 · 성숙도
- 로드맵 — 편광 카메라 수집 · 처리 도구 완료, 실카메라 녹화 시작. 편광 깊이 복원 · 자세 통합 개발 중 (2026)
- 대상 — 사출 성형 투명 플라스틱 부품(PC · PMMA · PET) 피킹, 이후 투명 · 반사체 검사로 확장
자세히 보기
ROVIInspection
제품 결함 검사 (Defect Inspection)
이상 영역을 먼저 찾고 결함의 종류와 위치를 분류해 OK/NG를 판정한다.
문제
- Scratch, Black Spot, Burr, Gate Burn 같은 외관 결함을 라인 속도로 판정하고 기록해야 함
- 투명 플라스틱 · 투명 용기 · 플라스틱 재질처럼 판정이 까다로운 불량
방식
- ROVI-SEG 이상 영역 탐지
- ROVI-DET 결함 종류·위치 분류
- OK/NG 판정
- MES 로그
방식 · 화면 (Headless Device + Companion App)
- ROI
- Anomaly Heatmap
- Defect Class
- OK/NG 판정 결과
구성 · 권장
| 카메라 | TRI050S-MC 고해상도 + Lens |
|---|---|
| 조명 | 동축 / 편광 조명 |
| Edge Device | GPU RTX3060 이상 |
| OS | Windows / Ubuntu 22.04 |
사례 · 성숙도
- 상용화 진행 — UX 패키징 및 상용화 (2026)
- 투명 플라스틱 · 투명 용기 · 플라스틱 재질 불량 검사 — 제조업체 도입 검토 중
사례 · 2차 전지 외관 검사 (X-ray)
- ㈜이노메트리 — e-CAR 2차 전지 생산라인 검사 자동화 S/W 개발계약 (2022)
- X-ray 이미지 약 3만 건 학습 · Super Resolution으로 화질 개선
- CPM / OpenPose 기반 Anode · Cathode 경계와 끝점 검출
자세히 보기
ROVICount
제품을 식별하고 3D 비전으로 동일 제품의 수량을 자동으로 카운팅하는 비전 솔루션
제품을 식별하고 3D 비전으로 같은 제품의 수량을 사람 손 없이 센다.
문제
- 동일 바코드 때문에 일반 의약품 계수 오류가 잦음
- 바코드 인식에 시간이 걸림
방식 · 의약품 검수 흐름
- 주문 List 확인 · 제품 Feeding
- AI 비전 수량 확인
- 주문 List 일치 확인
- 포장 · 배송
방식 · Application
- 3D Depth 기반 물체 계수
- 바코드 / QR 인식으로 제품명 등록
- 제품별 수량 관리 · 실시간 검수
구성
| 카메라 | TOF Camera (LUCID) |
|---|---|
| Edge Device | non-AI |
| UX | Headless Device + Companion App |
| OS | Windows / Ubuntu 22.04 |
성능 · 근거
- 의약품 검출 솔루션 — 2025년 기준 총 14대 납품
- 국내 10대 의약품 유통사 중 4곳 · 제이씨헬스케어
사례 · 성숙도
- 상용 — 의약품 검출 솔루션, 이터니티솔루션 자동 검수기 ESR-P100 탑재 (2024)
- 상용화 진행 — ROVI-Count UX 패키징 및 상용화 (2026)
자세히 보기
ROVISWIR
투명 비닐 포장 결함 검사
눈에 잘 보이지 않는 투명 비닐 포장의 유무를 단파장 IR로 판정한다.
문제
- 투명 비닐 포장은 일반 카메라로 유무를 판별하기 어려움
방식
- 검사 영역 지정
- 투명 비닐(Wrap) 검출
- 유무 판정 결과
구성
| 카메라 | LUCID SWIR Camera (단파장 IR) |
|---|---|
| Edge Device | non-AI · 학습 필요 없음 |
| UX | Headless Device + Companion App |
| OS | Windows / Ubuntu 22.04 |
사례 · 성숙도
- 상용화 진행 — UX 패키징 및 상용화 (2026)
- 사발면 등 투명 비닐 포장 제품 · SI 기업 또는 최종 고객 직접 납품
자세히 보기
ROVISports
프리미어급 정확도를 합리적인 가격으로 제시하는 스마트 골프 런치 모니터
볼과 클럽을 검출하고 키포인트를 추적해 샷 데이터를 계산한다.
문제
- 프로용 런치 모니터(Trackman 4, Foresight GCQuad)는 $20,000 이상
- $2,000대 제품은 Face Angle · Dynamic Loft를 측정하지 않거나 추정에 그침 (Mevo+ 미제공, SkyTrak+ D-plane 추정)
방식 · AI 모델
- Ball / Club Detection
- Ball Tracking
- Club Keypoint Tracking (Driver / Iron)
- 샷 데이터 계산
방식 · 기능
- 실시간 볼 · 클럽 데이터 측정 · 스핀 · 발사각 분석
- 클럽별 자동 검출 · 강인한 볼 궤적 트래킹
- GSPro 연동 API · OEM 커스터마이징
구성
| 카메라 | Dual High-Speed Mono Camera |
|---|---|
| 조명 | 850 nm IR |
| Edge Device | NVIDIA Jetson · Ubuntu 22.04 |
| UX | Headless Device + Companion App |
성능 · 근거 · SkyTrak+ / Mevo+ 대비
| Ball Speed | 1.8% | Mevo+ 동등 |
|---|---|---|
| LA / LD | 0.6° / 0.5° | 동등 |
| Total Spin | 5~6% | Mevo+ 동등 |
| Spin Axis | 3~4° | 동등 이상 |
| Back / Side Spin | 450~550 / 350~450 | 약간 열세 |
| Face Angle | < 2° | 강력한 우위 |
| Attack / Path | < 2° / < 3° | 동등 |
| Dynamic Loft | 독립 측정 | 강력한 우위 |
| 처리 속도 | < 0.5 s | 최고 속도 |
사례 · 성숙도
- 상용화 진행 — 기술 개발 완료, 제품 기구 디자인 및 설계 (2026)
- 대상 — 골프 런치 모니터 유통 업체 · OEM 제조 기업
자세히 보기
ROVIEVS
움직임만 보는 카메라 — 빠르고 어두운 장면에서도 흐림 없이 이동 객체를 추적
바뀐 픽셀만 출력하는 이벤트 카메라로 움직이는 사람·차량을 찾아 ID · 박스 · 속도를 실시간으로 낸다.
문제
- 프레임 카메라는 빠른 움직임에서 노출 시간만큼 흐려지고, 역광 · 저조도에서 대상을 놓친다
- 정지한 배경까지 매 프레임 전부 처리해 데이터 · 연산이 크고, 이동 객체를 찾으려면 배경 모델이나 학습된 검출기가 필요하다
방식 · 처리 단계
- 이벤트 수신
- 노이즈 필터
- 이동 객체 클러스터
- 추적 (ID · 박스)
- 속도 벡터 (Optical Flow)
방식 · 특징
- 움직인 곳에서만 이벤트가 나와 배경 제거가 따로 필요 없음
- 픽셀별 µs 타임스탬프 — 노출 개념이 없어 모션 블러 없음
- 학습 데이터 없이 이동 객체 · ID · 속도 검출, 사람 · 차량 구분은 AI 검출로 보강
- Prophesee 상용 SDK 없이 자체 알고리즘으로 구현 — 배포 시 SW 로열티 없음
구성
| 카메라 | LUCID Triton2 EVS (Sony IMX636 · 1280×720 · 2.5GigE) |
|---|---|
| 렌즈 | 6.5 mm C-mount |
| 처리 | x86-64 PC · CPU 실시간 처리 (AI 검출 사용 시 NVIDIA GPU) |
| OS | Ubuntu 22.04 |
성능 · 근거 · 실측은 데모 기준, 사양은 센서 공개 사양
| 가상 프레임 속도 | 10,000 fps (0.1 ms 간격) | 실측 |
|---|---|---|
| 추적 갱신 주기 | 100 Hz (10 ms) | 실측 |
| 추적 처리 시간 | p95 3 ms | 실측 |
| 라이브 처리 상한 | 9.8 Mev/s · 손실 0 | 실측 |
| 다이내믹 레인지 | > 120 dB | 사양 |
| 픽셀 지연 | ≤ 100 µs @ 1000 lx | 사양 |
사례 · 성숙도
- POC — Triton2 실카메라로 보행자 · 차량 실시간 추적 데모 (2026)
- 검토 중인 적용 — 고속 낙하물 계수(의약품), 역광 · 저조도 환경의 이동체 추적
자세히 보기
AIToolBox
ROVI-2D / 2.5D / 3D를 하나로 묶는 통합 비전 플랫폼
클라우드에서 학습하고 엣지에서 판단하는 3계층 구성입니다. 용도별로 나뉘어 있던 비전 솔루션을 하나의 플랫폼으로 통합해 협동 로봇과 연동합니다.
문제
- 로봇사의 78%가 비전 AI를 외주에 의존
- 2D · 2.5D · 3D 용도별로 솔루션이 파편화되어 있음
방식 · 3계층
| CLOUD · ROVI.net | 3D 모델만 있으면 PBR 렌더링으로 학습 데이터를 만듭니다. |
|---|---|
| AI CORE · SEG / DET / POSE | 2D · 2.5D · 3D가 같은 파이프라인을 씁니다. |
| EDGE · ROVI Device · ROVIX | 현장에서 추론하고 MES에 로그를 남깁니다. |
방식 · ROVIX 현장 소프트웨어
| CALIBRATION | 작업대 위 로봇과 비전의 좌표계를 자동 정합 · 영상 왜곡 보정 · Robot-Eye(고정 카메라) / Hand-Eye(로봇 장착 카메라) |
|---|---|
| TEACHING | 단일/다중 대상 티칭 · 윤곽 정보 생성과 고유 ID 부여 · 측정 · 히스토그램 마스킹 · 색 검출용 픽셀 카운팅 |
| DETECTING | 스케일·회전·이동 변환으로 대상을 정합해 검출하고 위치를 결정 |
| HISTORY | 비전 처리 데이터를 수집해 성능과 진행 상황을 보여주고, 문제 발생 시 빠르게 추적 |
방식 · 지원
- Hand-eye / Camera Calibration
- Isaac(NVIDIA) / ROS / Unity
- Vision Simulation (Digital Twin · Isaac Sim)
구성
| 카메라 | TOF 또는 RGB-D Camera |
|---|---|
| 디바이스 | High performance barebone PC (NVIDIA Jetson) |
| 로봇 | UR, Doosan / Hanwha / Rainbow Robotics 등 |
| OS | Ubuntu 22.04 이상 · ROS |
구성 · 센서 매트릭스 — 센서는 작업에 맞춰, 소프트웨어는 하나
| 2D RGB | ROVI-2D / 2.5D · 의약품 검출 — 2D 카메라로 위치와 3D 자세 추정 |
|---|---|
| TOF / RGB-D | ROVI-3D · ROVI-Count · AI ToolBox — 깊이 기반 자세 추정과 계수 |
| 고해상도 산업용 | ROVI-Inspection — 미세 외관 결함 |
| SWIR | ROVI-SWIR — 투명 비닐 포장 유무 |
| 편광 컬러 (Polarsens) | ROVI-Polar — 투명 · 반사 부품 깊이 · 자세 (개발 중) |
| 고속 Mono × 2 + 850 nm IR | ROVI-Sports — 볼 · 클럽 고속 추적 |
| 이벤트 카메라 (EVS) | ROVI-EVS — 고속 · 저조도 이동체 추적 |
| X-ray (고객 장비) | 2차 전지 외관 검사 — Anode · Cathode 경계와 끝점 |
| LiDAR / TOF 3D | K9-K10 자동 도킹 — 1 m 거리 6D 자세 |
성능 · 근거 · K9-K10 자동 도킹
- 사각 접속구 기하 기반 6D Pose 추정 — ±5 mm / ±1° @ 1 m · 15 FPS 이상
- 도킹 센서 LiDAR 또는 TOF 3D Sensor · 물리엔진 기반 도킹 시뮬레이션
사례 · 선행 POC 흐름
- K9 인식 · 탐지
- 3D 자세 추정
- 좌표 변환
- 3축 자동 정렬
사례 · 성숙도
- 상용화 진행 — 상용화 개발 (2026)
- POC — K9-K10 자동 도킹, 2026년 8월 개발 완료 예정
- 로드맵 — UR+ URCap 인증 진행, 2027년 상반기 등록 목표
자세히 보기
AI ToolboxVLA
"파란 사각 물체를 A 지점으로 옮겨줘" — 한 문장으로 Pick & Place
고객이 텍스트로 지시하면 로봇이 대상 물체를 찾아 집고 옮긴다 — AI Toolbox의 최종 목표인 "텍스트로 쓰는 로봇"의 첫 단계.
문제
- 채팅형 VLM은 물체 좌표(bbox) 출력이 부정확 · 불안정해, 그대로 로봇에 넘기면 엉뚱한 물체를 집을 수 있다
- end-to-end VLA는 의미 이해는 강하지만 "장면이 어떻게 변할지"에 대한 물리 일반화가 약하다 (NVIDIA 기술 블로그)
방식 · 처리 단계
- 텍스트 명령
- ① 명령 해석 (LLM → ACTION JSON)
- 스키마 게이트
- ② 물체 찾기 (Grounding DINO + SAM)
- ③ 3D 위치 · 6-DoF 자세
- ④ 로봇 실행
- ⑤ 결과 보고
방식 · 특징
- 모듈형 VLM — VLM은 명령 이해 · 물체 찾기만 맡고, 동작은 검증된 기존 제어 스택(Isaac Sim · ROS · UR RTDE)이 수행
- 스키마 게이트 — 한/영 · 동의어를 닫힌 토큰으로 정규화하고, 스키마 밖 명령은 실행하지 않고 되묻는다
- VLM 결과를 색 · 형상 · 크기 CV 검증으로 교차 확인 — 불확실하면 집지 않고 질문한다
- CAD가 있는 물체는 FoundationPose로 6-DoF 자세까지 — AutoDocking에서 검증한 자산 재사용
구성
| 명령 해석 | LLM (Claude API 또는 로컬 Qwen2.5-7B) + pydantic 스키마 검증 |
|---|---|
| 물체 찾기 | Grounding DINO (open-vocabulary) + MobileSAM |
| 자세 | 3D 위치 + 주축 / FoundationPose 6-DoF (CAD 물체) |
| 실행 | NVIDIA Isaac Sim · ROS · UR RTDE |
| 카메라 | 캘리브레이션된 RGB-D (Helios + RGB) |
성능 · 근거 · 실측은 합성 장면 검증(2026-08), 목표는 1차 데모 KPI
| 응답 시간 (상주 서버) | 0.2~0.5 s | 실측 |
|---|---|---|
| 대상 물체 위치 | GT 대비 ±4 px (zero-shot) | 실측 |
| 색 함정 (파란 원) | 형상 검증으로 차단 | 실측 |
| 잘못된 물체 pick | 0 건 | 목표 |
| Pick 성공률 | sim ≥ 95% / 실기 ≥ 90% | 목표 |
| 명령 → place 완료 | ≤ 30 s (인식 ≤ 3 s) | 목표 |
사례 · 성숙도
- POC — VLM 서버 · 물체 선택 게이트 체인 구현 · 검증, Isaac Sim end-to-end → 실기 UR 순으로 진행 (2026)
- 다음 — 실행부를 WAM(World Action Model, NVIDIA Cosmos) 정책으로 교체 평가, 다중 물체 · 연속 명령
- 01설립과 초기 검증
- 02고객 라인 진입
- 03제품 라인 완성
- 04플랫폼 전환
자세히 보기
FLOYDRecord
제품 회사에서 플랫폼 회사로.
회사소개서 2026 r2 연혁 기준입니다.
01 · 설립과 초기 검증 · FOUNDING
- 2020 · ㈜플로이드 설립 · 기업부설연구소 설립
- 2020 · 두산로보틱스㈜ OEM 생산 납품
- 2020 · 신용보증기금 Start UP NEST 8기 선정 · TIPS 창업기업 선정 및 투자 유치
- 2021 · TIPS 창업사업화 과제 선정 · Seed 투자 유치 · 벤처기업 인증
- 2021 · G밸리 스타트업 선정 · ㈜넥스트아이 Machine Vision 사업협력 MOU
02 · 고객 라인 진입 · DEPLOYMENT
- 2021 · ㈜명신산업 e-CAR 차체 생산라인 자동화 POC 통과
- 2022 · ㈜명신산업 e-CAR 차체 생산라인 자동화(M-module) Vision 공급사 선정
- 2022 · ㈜이노메트리 e-CAR 2차 전지 생산라인 검사 자동화 S/W 개발계약
- 2023 · 현대모비스 AI-3D 카메라 기반 탑승객 자세 추정 시스템 개발계약
- 2023 · RENESAS e-AI 솔루션 IDH & Resale Partner 등록 · AI 바우처 공급기업 선정
03 · 제품 라인 완성 · PRODUCT
- 2020 · ROVI-2D 개발 완료 · 2021 · ROVI-2.5D 개발 완료 · 2023 · ROVI-3D 개발 완료
- 2024~ · ROVI-INS · AI 의약품 비전 검사 · AI 골프 런치 모니터 개발 완료
- 2023 · COMEUP Stars 2023 The Stars of Stars · LG이노텍 Startup TechBlaze 선정
- 2023 · STAGE 천안 우수상 · Booster IR 대회 동상 · EdgeUp:Cre8tors 선정 및 투자 유치
04 · 플랫폼 전환 · PLATFORM
- 2024~ · AI Agent 도입 · 모든 AI 비전 솔루션을 AI 기반으로 개발·양산하는 시스템 구축
- 2024~ · AI Vision Total Solution, AI ToolBox 개발 진행 중
- 2026 · K9 / K10 자동 도킹 POC — 8월 개발 완료 예정
- 2027 · UR+ URCap 인증 진행 — 상반기 등록 목표
- MAILFLOYD@FLOYD.KR
- TEL070-8676-7976
- ADDR서울시 금천구 디지털1로 75-15, 가산하우스디와이즈 타워 407호 (08592)
자세히 보기
문의
우리 라인에 적용되는지 먼저 확인해 보세요.
하려는 작업(집기 · 검사 · 수량 확인 · 측정)과 대상 제품 이미지, 택트타임을 보내주시면 적용 가능성과 권장 구성을 회신합니다. 비전 시스템 구축 컨설팅과 SI·카메라·로봇 견적까지 한 번에 안내합니다.
검토 요청
CONTACT
| FLOYD@FLOYD.KR | |
| TEL | 070-8676-7976 |
| ADDR | 서울시 금천구 디지털1로 75-15, 가산하우스디와이즈 타워 407호 (08592) |