ROAD ENVIRONMENT0.0s
● 자율주행 차량● 이동 차량● 보행자◎ 목적지점선: 기준 경로 / 부채꼴: 거리 센서
속도0m/s
충돌 / 이탈0 / 0
안전장치 개입0
학습 에피소드0
워크스페이스 / 피지컬 팩토리
서버 연결 중
OBSERVE. LEARN. COLLABORATE.
로봇의 경험을,
검증된 학습으로.
ASLA · 경험 수집 → 맥락 판단 → 선택·검증 → 대상 로봇 적용 → 결과 추적
SIMULATED ENVIRONMENT제어 계층 참조 구현 · 실기체/GPU 미연결
AUTONOMOUS DRIVING · CLOSED ROAD EXPERIMENT
목적지까지, 경험하며 배우는 주행.
교차로·차량·보행자·비·공사 조건에서 관측, 행동, 학습, 선택, 복구를 실행합니다.
WebGL·CPU 3D 가상 도로 · 평면 운동학 기반 훈련 · 실차/실도로 연결 없음 · ASLA 2.0·3.0 연구 구현 · 검증된 정본/범용 자율주행 완성 아님
SEOUL · GANGNAM ROAD COURSES
강남 실제 지도에서 학습하기
테헤란로 도로망 · 978개 도로 구간 · 5,845개 건물 외곽선
기존 학습은 코스별로 보관합니다. 강남 구현·검증 기록 ↗ · 코스별 30회 학습 원본 ↗
LIVE REINFORCEMENT LEARNING
움직이는 동안, 실제 파라미터를 갱신합니다.
선택한 노면의 로컬 후보가 탐색·시연·Q 행동으로 주행합니다. 각 관측에서 학습하며 운영 모델은 검증 전까지 유지됩니다. 3D는 같은 차량 상태를 표시하며 영상 인식 학습은 아닙니다.
실제 관측 → 은닉 활성 → 행동 Q
색과 크기는 현재 수치입니다. 선은 연결 구조를 표시하며 attention이나 인과 중요도가 아닙니다.
에피소드별 보상·TD 손실
훈련하면 실제 파라미터 식별값과 갱신량이 표시됩니다.
동일 시드로 미학습 모델과 현재 로컬 후보를 비교합니다. 충돌·개입·시간 초과도 표시합니다.
서버 또는 명시적 기기 모드를 선택하세요.
로컬 주행 모델
17 입력 · 24 은닉 · 7 행동기준 경로 제어 위에 신경망이 잔차 조향·가감속을 선택합니다. 훈련 초기에는 규칙 시연 보조와 탐색을 사용합니다.
2.0 선택 정책 학습
3.0 맥락 전이 모델
실행·학습 기록
대상 도로에서 업데이트 검증
분리된 시험 시드의 주행 결과
구현 구조·검수 기록 ↗ · 6대조군 × 3회 반복 원시 결과 ↗ · 실시간 알고리즘 90회 학습 원본 ↗
도달률뿐 아니라 충돌·이탈·안전장치 개입을 함께 봅니다. 동일 동결 모델의 1.0/2.0 주행 결과 차이를 선택 정책 학습 효과라고 주장하지 않습니다.
FACTORY FLOOR
공정 간 AMR 운반 · 공동학습
0000SIM STEP
실제 AMR 상태 · 두 손가락 이동 · 핀치 확대
공장 상태를 불러오고 있습니다.
R1R2R3미끄럼 구역진동 구역
운반 완료0건
직접 관측0회
위험 정지0회
모델 공유0라운드
PROCESS DIGITAL TWIN · MATERIAL FLOW · MES
작업을 선택하고, 실제 흐름을 확인하세요.
UR 2대 협동 인계 → AMR 공정 간 배송 → CNC → 팔레타이징 → 출고
자동화 공장 · UR 협동 셀 · 공정 간 AMR 이송 · 공식 UR5e·UR10e 형상 / 관절값 기반 · 공칭 UR 운동학 + 중력·박스 접촉 계산 · 실기체/MES 상태는 아래 연결 패널에서 확인
작업셀 준비 중접촉 계산 준비
MES 작업을 생성하세요.
MES 작업지시 · 공정 상태
고정 롤러라인 ↔ AMR 도킹 ↔ UR 집기·치구 인계. 첫 UR이 적치 후 퇴피하면 치구 예약을 해제하고 다음 UR이 집습니다. 팔 간섭·AMR 회전·차체 간격을 검사합니다. 검사·가공은 체류시간 기반 모의 작업입니다.
환경 배치
m 단위사람 접근 시 해당 로봇 보호 정지. AMR은 사람·차량·랙·다른 로봇을 반영해 경로를 재탐색합니다. 환경 개체는 수동 배치이며 인증된 안전 제어가 아닙니다.
실기체 · 외부 MES 연결 연결 설정 없음
MES REST 어댑터
외부 MES 미연결
실제 HTTP 응답과 accepted_seq를 확인한 뒤 전송 완료로 기록합니다.MES 계약 시험 서버 ↓UR 실기체 게이트웨이
실기체 미연결 · 시뮬레이션과 별개
RTDE 실측 상태를 수신해야 조그가 활성화됩니다. 현장 게이트웨이의 동작 허용·보호정지·목표 범위도 검사합니다. 가상 공정을 실기체로 자동 재생하지 않습니다.현장 UR RTDE 게이트웨이 ↓재료 추적 · MES 이벤트 / API 계약
로봇 모델 근거 · MES API · 구현 범위 ↗EXPERIENCE → MODEL → ACTION
경험이 공유되는 순간
행동·학습 타임라인
SERVER EVENTSASLA 1.0 · LEARNING CONTROL
Learning Inbox
누구의 경험을 어느 로봇이 받아야 하는지 판단합니다. 행을 선택하면 근거와 모델 계보가 이어집니다.
PAIRED BRANCH EVALUATION
대상 맥락의 주행 Sandbox
Inbox에서 후보와 대상 로봇을 선택하세요. 현재 상태를 두 분기로 복제해 이전 모델과 후보 모델을 같은 난수·작업 조건에서 주행시킵니다.
Canary는 이후 실제 모의 관측 20개로 이전 모델과 손실을 비교하며, 회귀 한도 초과 시 복구합니다. 수치는 모의 실험 정책이며 현장 검수 기준이 아닙니다.
MODEL LINEAGE & RECOVERY
로봇별 모델 적용·복구
정책과 활용 범위
HARD GATE자동 적용은 위험 예측 검증만 사용합니다. 주행 Sandbox와 수동 승인 흐름은 자동 적용을 끈 상태에서 실행하세요. 실제 현장 데이터 이용 동의로 간주하지 않습니다.
감사·실행 추적
로봇→센서→운반 작업→학습 후보→검증→모델→결과
D1 소유자별 저장·변경 이력 hash chain을 사용합니다. 블록체인 연결은 구현되어 있지 않습니다.
1.0 선택·검증 제어 참조 구현
2.0 정본은 설계 단계 · 도로 모듈은 LinUCB 실험 구현
3.0 정본은 연구 가설 · 도로 모듈은 전이 회귀 실험 구현
2.0 정본은 설계 단계 · 도로 모듈은 LinUCB 실험 구현
3.0 정본은 연구 가설 · 도로 모듈은 전이 회귀 실험 구현
REPRODUCIBLE EXPERIMENT
학습 전후를 숫자로 확인하세요.
4개 대조군 × 3개 시드 · 학습 240스텝 + 모델 고정 평가 240스텝
아직 실행한 비교시험이 없습니다. 실행하면 실제 시뮬레이션 결과를 계산합니다.
정상 센서 / R3 오류 조건은 현재 설정을 따릅니다.
OFFICIAL SOURCES · 2026.10.31
플랫폼 설계 근거
공개 공식 자료에서 확인한 흐름을 참고했습니다. 경쟁사의 내부 알고리즘·성능을 재현했다는 의미가 아니며, 외부 SDK는 아직 연결되지 않았습니다.
Intrinsic Flowstate ↗작업 셀 → 스킬/행동 트리 → 시뮬레이션 검증적용: 같은 작업 맥락에서 로봇·검증·모델 연결Foxglove ↗센서·상태·기록 → 재생·비교·원인 분석적용: 실행 trace와 오퍼/모델 계보 추적InOrbit RobOps ↗관측 → 진단 → 개입 → 운영 최적화적용: 작업·장애·복구를 하나의 운영 흐름으로NVIDIA Isaac / OSMO ↗학습·시뮬레이션·엣지 컴퓨팅 조율범위: Cloudflare 제어 계층, GPU/Isaac 미연결LeRobot ↗Teleoperate → Record → Train → Deploy적용: 수집·학습·검증·운영 모델을 명시적으로 분리ASLA 기준 문서 ↗Learn · Sandbox · Reject · Defer · Memorize · Federate중심: 현재 맥락에 도움이 되는 경험의 선택과 검증