'JD+'는 기존 Job Description에서는 볼 수 없는, 조금 더 솔직하고 생생한 이야기를 전합니다. 이번 편은 자율주행의 눈 역할을 담당하는 <컴퓨터 비전과 딥러닝 엔지니어>들의 이야기입니다. 현재 적극 채용 중입니다. 채용 지원을 고려하거나 네이버랩스 자율주행 연구에 관심을 갖고 있는 분들이라면 궁금해할 만한 질문들을 모아, 자율주행 인식팀 멤버들에게 직접 물었습니다.
Q. 전문분야는 무엇이고, 어떤 연구를 하고 있나요?
(김남일 | Perception) 자율주행 인식(Perception)팀에서는 한 마디로, 자율주행의 눈 역할을 담당하고 있어요. 도로의 고정밀 데이터를 구축하고 로봇의 위치와 주변환경을 인지하는 핵심 기술들을 고도화하죠.
(유찬미 | Perception) 저는 컴퓨터 비전을 공부했고, 이를 바탕으로 현재 인식팀에서 자율주행 차량이 주변환경을 더 똑똑하게 인식할 수 있도록 라이다와 이미지 등의 다양한 데이터를 기반으로 주변 객체 검출에 관한 연구를 하고 있어요.
(이시영 | Perception) 이전에 영상 화질 개선 관련한 연구를 하면서 딥러닝 기반의 연구들을 많이 다루었고, 다양한 문제 해결 알고리즘들에 대해서 관심을 가지게 되었습니다. 지금은 자율주행 인식팀에서 라이다 포인트로부터 객체를 찾는 알고리즘을 개발하고 있습니다.
Q. 네이버랩스를 선택한 이유?
(김남일) 연구자의 입장에서, 네이버랩스가 가지는 가장 큰 가치는 자율주행에 필요한 일부 기능이 아닌 HD맵 데이터 제작부터 소프트웨어, 하드웨어까지 전반적인 기술을 모두 개발하고 있는 회사라는 점입니다. 단편적인 연구가 아니라 전체 시스템 상에서 내가 담당하는 기술이 어떤 역할이며, 어떤 연결 관계에 위치하고, 다양한 상황에 얼마나 중요한지 등에 대한 이해를 가지는 것이 연구자에게는 엄청난 매력이에요.
(유찬미) 네이버랩스는 자율주행의 풀스텍을 다룬다는 점에서 정말 다양한 문제가 발생하고, 해결 방법도 다양하기 때문에 이를 고민하다 보면 전방위의 문제 해결 능력을 기를 수 있습니다. 또한 원하는 데이터들을 취득할 수 있는 환경이 잘 갖춰져 있어, 문제를 스스로 설계하고 보다 더 챌린징한 문제에 도전하는 것도 가능하고요.
(이시영) 입사 전 학회에서 네이버랩스 연구원들을 만날 기회가 있었는데 자율주행을 다양한 시각으로 보고 있는 것과 더불어 팀원들 간의 자유로운 분위기, 자발적인 협업 분위기가 매력적으로 느껴졌습니다. 기술에 대한 자부심이 넘치고 개성 있는 연구원들이 모여있는 곳, 이런 사람들과 함께 일하고 싶다는 마음이 컸어요.
Q. 현재 네이버랩스에서는 어떤 연구가 진행 중인가요?
(유찬미) 네이버랩스는 2017년 IT업계 최초의 자율주행차 임시운행 허가 이후 HD맵 데이터, 복잡한 도심 환경, 통합 소프트웨어라는 3가지 관점에서 자율주행 기술을 차별해 왔습니다. 변화하는 도심환경에서도 강건하게 동작하는 알고리즘을 목표하면서 최근 네이버랩스의 자율주행 소프트웨어 ALTRIV의 최신 데모를 공개하기도 했어요.
(김남일) 네이버랩스에서는 한 마디로 컴퓨터 비전 및 머신 러닝 분야에서 많은 관심 받는 최신 분야들의 연구가 가장 활발하게 진행되고 있다고 할 수 있을 것 같아요. 주변 환경 인지를 위한 객체 검출/추적/예측 기술들, 인지 결과를 이용한 안전한 제어 기술을 기반으로, 다양한 환경변화에 강한 도메인 적응/변환 기술과 영상 처리 기법, 모델 학습 자동화를 위한 비-지도/자기-지도 학습 방식 등 다양한 알고리즘에 대한 연구와 협업이 이루어지고 있습니다.
(이시영) 자율주행하면 떠오르는 perception과 더불어, computer vision과 image processing 또한 네이버랩스의 자율주행 연구에서 다양하게 적용되고 있습니다. 하나의 예로 네이버랩스에서는 자율주행 차를 위한 HD맵 데이터를 자체 제작하고 있는데요, 이를 위해 취득한 항공사진과 MMS 차량의 데이터를 다루는 과정에서도 computer vision과 image processing이 함께 필요하죠. 결국 자율주행의 세부 모듈들에 다양한 분야의 기술들이 모두 연결되어 있어요.
Q. 실제 일하는 방식은 어떤가요?
(김남일) 먼저 최신성 있는 연구기술을 파악하고, 구현하는데 개인적인 고민을 많이 합니다. 이를 기반으로 다양한 시나리오에서 성능 안정성을 확인하는 정량/정성적 분석을 하고 실제 자율주행 시스템에 알고리즘을 적용해 보는 것까지를 오가고 있어요. 이 과정에서 일반적인 협업을 넘어, 공통의 관심사를 가지는 동료들과 자발적으로 이루어지는 협업이 굉장히 많습니다.
(이시영) 다양한 분야의 전문가들이 모여있고, 경계를 가로지르며 협업하는 게 익숙한 분위기가 이미 갖춰져 있다 보니 언제든지 부담 없이 질문하고 논의할 수 있다는 점을 가장 만족하고 있습니다. 그래서인지 저는 image processing을 전공했음에도 불구하고, 현재 lidar detection task도 재미있게 연구하고 있습니다.
Q. 성장했다고 느끼는 순간이 있다면?
(유찬미) 모듈을 실제 자동차에 올리는 과정과 다른 모듈들과의 상호작용을 하는 과정에서, 오피스에서 내 모듈만 가지고 실험할 때는 전혀 생각지도 못한 여러 가지 시스템적인 문제들을 발견하고 있습니다. 중요한 점은, 그것들을 해결해 나가는 과정에서 연구자로서의 성장이 굉장히 크다는 점이에요.
(김남일) 자율주행 팀 내 대부분 동료들은 각기 다른 전공 분야를 가지고 있습니다. 그리고 다들 엄청난 전문성을 가지고 있어요. 혼자 고민하던 문제를 다양한 시각으로 바라볼 수 있고, 이를 문제 해결에 적용해 보는 협업의 과정들은 개인의 성장에도 엄청난 영향을 주고 있다고 확신합니다.
(이시영) 다양한 센서에 대한 데이터로부터 딥러닝 방법들을 적용하는 과정에서 많은 코드를 작성해 봤다는 점, 사소한 아이디어부터 해보고 싶은 연구까지 실제 구현하고 테스트하는 과정이 물 흐르듯 이루어진다는 점, 이 과정에서 어떻게 문제를 정의해야 할지와 어떤 가정들이 숨겨져 있었는지를 볼 수 있는 노하우가 생긴 것 같습니다.
Q. 지원을 주저하는 외부의 동료들에게
(김남일) "제 전공 분야가 네이버랩스 자율주행에서 쓰일 수 있나요?”라는 질문을 자주 듣는데요, 대부분의 연구 주제들은 자율주행 또는 이를 위한 기반기술에서 사용될 수 있는 기술들이라고 생각합니다. 지금은 아니어도 언젠가는 해야 할지도 모르는 태스크들이거나 혹은 지금의 문제를 해결하는 데 필요한 요소 기술일 테니까요. 오히려 자기 주도적으로 (self-motivated) 할 수 일을 찾아야 하는 능력이 중요하고, 그런 분이라면 더더욱 지원을 주저하지 마세요!
(유찬미) 네이버랩스는 각자 맡은 업무 내에서 결과물을 내는 방법의 자유도가 높은 편입니다. 원하는 연구를 맘껏 할 수 있는 반면, 좋은 결과물을 내는 것은 결국 현재의 문제점을 정확히 파악하는 분석력과 끊임없이 도전하는 마음가짐이라고 생각합니다. 저와 팀원들 모두가 도전을 즐기고 함께 성장할 동료들을 기다리고 있어요.
(이시영) 네이버랩스는 다양한 문제 해결에 관심 있는 분들이 연구하기에 이미 준비된 환경이라고 생각합니다. 일반적으로 알려진 문제라도 획기적인 방식으로 해결하려고 시도하는 노력, 흥미로운 최신 기술들을 프로젝트에 어떻게 녹여낼지 고민하는 게 즐거운 분들과 함께하고 싶습니다. 적극적인 team player를 격하게 환영합니다!
<자율주행 딥러닝&비전 엔지니어> 적극 채용 중!
[Autonomous Driving] Mapping & Localization Engineer
[Autonomous Driving] Perception Engineer
[Autonomous Driving] Planning & Control Engineer