자동차 업계가 Kognic를 선택하는 이유

범용 레이블링, LLM 전환, 프리미엄 ADAS/AV에서 단순 툴은 솔루션을 제공하지 못합니다. 멀티모달기반의 "인지" 기술은 전문 도구와 워크플로우가 필요합니다.

범용 데이터 자율주행 집중

고가 가격 경쟁력

Kognic

Deepen AI

AIMMO

Scale AI

Superb AI

Appen

CrowdWorks

Datumo

Testworks

Nexdata

Stardust

시장 구도

범용 공급업체

품질보다 물량

CrowdWorks · Testworks · Datumo. Nexdata · Stardust.

인력 규모 기반의 이미지 레이블링에 특화. 제한적인 센서 퓨전, VLA 도구 없음.

LLM 데이터로 전환

AV는 부업

Scale AI · Superb AI · Appen.

글로벌 크라우드 인력으로 LLM 경제를 추구. 자율주행 로드맵 유지만 할 뿐, 투자하지 않음.

자율주행 집중, 프리미엄

방향은 맞지만 비용이 문제

Deepen AI · AIMMO.

자율주행 데이터를 위해 구축되었으나, 멀티 프로그램 OEM에서 단가가 확장되지 않음.

네 번째 길

자동차 산업을 위해 전용 설계, ADAS/AD 훈련 & 검증 데이터에만 집중. VLA/VLM 스택을 위한 2D/3D 센서 퓨전 및 인간 피드백. 글로벌 규모에서 검증된 비용 리더십.

유연성과 고객 중심 접근

Kognic는 저희의 모든 요구를 지원하는 매우 유연하고 생산적인 도구를 보유하고 있습니다. 또한 진화하는 요구사항에 맞추어 매우 협력적이고 유연하게 대응해 주었습니다.

Senthil Yogamani

엔지니어링 디렉터 · Qualcomm

플랫폼이 제공하는 기능은 경쟁사 중 최고 수준이었으며, 특히 탁월했던 것은 솔루션의 유연성과 가치였습니다.*

Gergely Barot Kovacs

제품 관리자 · Continental (현 Aumovio)

*전체 고객 사례: kognic.com/customers-stories/continental-3d-ground-truth-case-study

양산 수준의 데이터 플라이휠 구현

Kognic의 플랫폼은 시계열 데이터를 처리하는 독보적인 역량을 갖추고 있어 멀티 센서 데이터의 신뢰성 있는 레이블링 능력이 향상되었습니다. Kodiak의 고급 사전 레이블링 기능과 Kognic의 플랫폼을 통합함으로써 AI 어노테이션 파이프라인을 자동화하고 AI 플라이휠을 구축하여 AI 모델 성능을 더욱 개선할 수 있었습니다.

Andreas Wendel

CTO · Kodiak Robotics

Kognic와의 협력은 DL 2.0에서 고품질 어노테이션을 확장하는 동시에 사전 레이블, 검토 자동화, 보다 효율적인 작업 방식으로 워크플로우를 발전시키는 데 도움이 되었습니다. 협업은 유연하고 빠르게 진행되었으며, 이는 안전 등급 인식에서 매우 중요합니다.*

Mathias Broxvall

DL 데이터 준비 유닛 리더 · Zenseact

*전체 고객 사례: kognic.com/customers-stories/zenseact-adas-annotation-case-study

멀티 LiDAR, 카메라, 레이더 센서 퓨전

전체 목록: kognic.com/solutions

글로벌 완성차 요구 수준의 센서 퓨전

멀티모달 2D/3D 데이터 처리

스피닝 및 로우 스캐닝 LiDAR 전반의 효율적인 어노테이션, 피쉬아이, 핀홀, 렉틸리니어 또는 커스텀 등 모든 카메라 모델에 대한 정확한 3D→3D/3D→2D 투영. 자아 모션 및 센서 타임스탬프 보정을 적용하여 어노테이션 투영.

차량 로그에서 4D 환경까지

자아 포즈, 포인트별/셔터별 타임스탬프, 내부/외부 캘리브레이션 데이터 가져오기가 Kognic 플랫폼에서 완전히 지원됩니다. 순차적 센서 데이터 전반에 걸친 적절한 활용으로 모달리티 간 정확한 추적과 높은 수준의 레이블링 자동화가 가능합니다.

모든 자율주행 레벨을 아우르는 하나의 플랫폼.

L1 운전 보조부터 L4 로보택시까지. 각 프로그램은 고유한 센서 스택과 SAE 목표를 정의합니다. Kognic는 모든 레벨에 맞는 어노테이션 툴체인을 제공합니다.

완성차 및 부품 고객들은 L1부터 L4까지의 시스템에 Kognic를 선택하며, 프로그램 전반에 걸쳐 완전한 제어와 맞춤화가 가능합니다.

Vision-Language-Action 모델이 새로운 훈련 데이터 레이어입니다.

공개된 VLA 프로그램(NVIDIA Alpamayo R1, Wayve LINGO-2, NVIDIA Cosmos)은 동일한 결론을 증명합니다: 검출 및 세그멘테이션 레이블만으로는 플래너가 왜 행동하는지를 가르칠 수 없습니다. 추론 기반 데이터가 차세대 AD 모델 훈련의 토대입니다.

공개 참조 자료: NVIDIA Alpamayo R1, NVIDIA Cosmos, Wayve LINGO-2. 데이터 레이어는 검출에서 추론으로, 다시 행동으로 이동하고 있습니다.

인과 체인: 작성, 편집, 순위

플랫폼 수준에서 사후 편향을 제거하는 2단계 워크플로우. 세 가지 어노테이션 모드로 인간 전문가와 LLM이 각자 강점을 발휘하는 곳에서 협력합니다.

작성

씬 설명 및 추론 흔적을 처음부터 생성. 모델이 학습할 수 있는 관찰-결정 체인.

편집

모델이 생성한 텍스트 제안 정제. LLM은 빠릅니다. 인간 편집자는 안전에 중요한 오류를 잡아냅니다.

순위

여러 모델 출력을 비교하고 품질별로 순위를 매깁니다. Physical AI를 위한 선호 학습, 주행의 RLHF에 해당합니다.

VLA 훈련 샘플 하나가 실제로 어떻게 생겼는가.

각 시퀀스에는 씬 설명, 결정 질문, 순위가 매겨진 답변, 반사실적 추론으로 구성된 구조화된 어노테이션/인간 피드백 세트가 할당됩니다. 모델은 무엇을 보는지뿐만 아니라 왜로부터 학습합니다.

결정 프레임

플래너 결정이 필요한 순간의 카메라 프레임. 과거 궤적은 잠김. 미래는 가려짐. 어노테이터는 이 프레임에서만 추론하며, 추론 시 모델이 보는 것을 그대로 반영합니다.

Q1안전에 가장 중요한 객체는?

→ 도로상의 공사 현장 및 인부, 자아 차선 차단됨

Q2자아 차량의 필요 행동은?

→ 감속, 콘 앞에서 정지, 인부에게 양보

Q3반사실: 도로가 비어 있다면?

→ 순항 속도 유지, 교차로 통과

순위궤적 선호도

1. 정지, 인부 통행 허가 및 반대 차선 확보 대기 · 선호

2. 신중한 좌측 추월, 반대 차량 확인 · 허용 가능

3. 콘을 통과하여 계속 진행 · 거부 (차선에 작업자 있음)

대규모 프로그램 전반의 실시간 가시성.

양산 프로그램은 프로젝트당 수백 건의 요청을 처리합니다. 프로젝트 책임자는 주간 보고서를 기다리지 않고 볼륨, 완료율, 클래스 균형 데이터가 필요합니다.

실시간 데이터

01

프로젝트 수준 집계

총 입력 수, 완료율, 요청별 워크플로우 단계 분포를 한눈에.

02

실시간 워크플로우 단계 추적

어노테이션, 품질 검토, 전문가 검증, 납품. 병목 즉시 확인.

03

클래스 균형 리포팅

클래스 및 요청별 객체 수. 훈련에서 불균형 문제가 발생하기 전에 과소 대표 클래스를 파악.

최적화된 워크플로우와 자동화로 추가 비용 절감 실현

인간-모델 협력 루프

Kognic의 AI 기반 검토 에이전트는 검토자가 가장 효과적인 수정 사항을 우선 처리하도록 안내합니다.

자동화 & 맞춤형 품질 검사기

강제 검증으로 오류가 제출되거나 QA에 진입하는 것을 사전에 방지합니다.

정적 객체 원샷 어노테이션

교통 표지판, 차선 마커 및 기타 정적 객체는 집계된 포인트 클라우드에서 한 번만 레이블링되고 FOV 관련 센서 프레임에 투영됩니다.

단계적 워크플로우

중복 작업을 방지합니다. 예: 동적 객체의 LiDAR 포인트는 3D 시맨틱 세그멘테이션 작업에서 잠금 처리됩니다.

글로벌 레이블링 서비스 제공업체와 협력

2018년부터 Kognic는 다수의 고객과 지역에 걸쳐 최고의 레이블링 파트너들과 신뢰 관계를 유지해 왔습니다.

글로벌 인력으로 대규모 프로그램에서 검증