E2E 플랫폼(자율주행)

거대한 단일 신경망의 AI 기반 차세대 자율주행 플랫폼

분리된 규칙(Rule-base)을 넘어, 인지부터 주행 계획까지 단 하나의 신경망으로 흐르는 완벽한 자율주행을 완성합니다.

E2E 플랫폼(자율주행)이란?

차세대 자율주행의 종착지

기존의 자율주행 방식은 규칙을 손으로 모두 코딩해 넣은 '레고 블록'이었습니다.

E2E 플랫폼(자율주행)은
AI가 세상을 입체적으로 인식하고 스스로 판단해 차를 움직이는 유기체로서 동작합니다.

1

통합 공간 표현체

check 다중 카메라 및 센서 데이터를 3D 탑뷰(BEV) 공간으로 실시간 변환
check 실시간 센서 정보 기반 주행(Mapless)

2

특징 수준 데이터 흐름

check 정형화된 데이터 가공 없이 고차원 특징 벡터 상태로 데이터 흐름 유지

3

계획 중심 글로벌 최적화

check 최종 목표인 '안전한 주행 계획'을 기준으로 모델 전체 학습
check 타 차량과의 심리적 상호작용 학습

4

설명 가능한 보조 감독

check 주행 경로 생성과 동시에 3D 객체 검출, 점유 그리드 예측 등 보조 태스크 함께 수행

Prototype

E2E를 위한 통합 추론(엔진) 을 목표합니다.

Graph_3

4-in-1

인지 + 매핑 + 예측 + 계획 을 하나의 모델로 동시에 수행하는 플랫폼 (1 Encoder 와 P3 Decoder)

neurology

단 하나의 신경망

6-카메라 3D 인지 및 매핑, 차량 궤적을 예측하고 주행 계획을 하나의 신경망으로 추론

Timer

정교한 예측

주변 차량 궤적(최대 6초)과 자차 주행 계획(3초)을 동시에 예측

School

AI 학습 기반

실측 대비 예측 결과가 좌회전 상황까지 일치함 - 룰 베이스 아닌 학습 방식으로 구현

NFLUX (End-to-End)

통합 추론(엔진) Prototype

인지·매핑·예측·계획을 단 하나의 신경망으로 처리합니다. 학습 기반으로 복잡한 상황에 자동 적응하며 실시간 연산 자원을 절감합니다.

항목

NFLUX E2E 방식

업계 일반 방식

모델 수

check_circle 1개

3개

처리 방식

check_circle 동시

순차적

규칙 수동 조정

check_circle 불필요

필요

새 상황 적응

check_circle 자동학습

재코딩

※ 상기 영상은 초당 1frame 으로 편집되어있어, 실제 영상과 다소 차이가 있을 수 있습니다.

Roadmap

2026 ~ 2030 중장기 비즈니스 로드맵

Phase 1 : 차세대 자율주행 플랫폼의 시작
1. E2E 통합 추론 엔진 프로토 타입 (1인코더 + 3디코더)
2. 6카메라 3D 인지 & BEV 매핑
3. 규칙 기반, 학습 기반, 통합 공간 표현
Phase 2 : 실제도로 데이터 및 성능 확장
1. 실제도로 데이터 미세조정 (Fine-Tuning)
2. 충돌 위험 9배 감소
3. API 국제 표준화 연구
Phase 3: 상용 고도화 준비
1. 엣지 컴퓨터용 모델 최적화
2. 임시 운행 허가 취득
3. 시드 투자
4. 도메인 시나리오 학습
Phase 4 : 글로벌 도약
1. VFM 진화(Vision Foundation Model)
2. 글로벌 데이터 연결
3. 글로벌 OEM과의 계약