RF 신호 기반 실내 측위 기술의 분류

실내 측위 기술은 크게 RF(무선 통신) 신호, 모션 센서, 영상을 활용하는 방식으로 나눌 수 있습니다. 그중 RF 신호 기반의 측위 방식은 넓은 범위에 적용 가능하고, 저전력으로도 활용할 수 있다는 장점이 있어 많은 수의 자산 추적에 주로 사용됩니다. (실내 측위 기술의 상세한 종류는 [이전 글]을 참고해 주세요.)

RF 신호를 활용하는 방식은 다시 고정된 참조점(앵커) 활용 여부에 따라 앵커 기반과 앵커 프리 방식으로 나눌 수 있습니다. 앵커 기반 방식(BLE, UWB 등)은 비교적 높은 정확도를 제공하지만 인프라 구축에 비용과 시간이 많이 소요되고 유지보수의 복잡성이 크다는 단점이 있습니다. 반면 앵커 프리 방식은 인프라 구축 비용을 절감할 수 있지만 정확도가 낮은 편이며 복잡한 초기 설정이 필요합니다. POI*를 설정하여 수집한 기존의 신호 패턴과 현재 데이터를 비교하는 핑거프린팅 기술이 대표적입니다.

*POI : Point of Interest, 관심 지점

아이핀랩스의 실내 측위 기술 - 코어 AI

이렇듯 각 실내 측위 기술은 뚜렷한 장단점을 가지고 있습니다. 따라서 단일 기술에만 의존하기보다는 각 기술의 강점을 결합해 다양한 환경에서 더 안정적이고 효율적인 결과를 제공하려는 접근이 필요하며, 이러한 새로운 접근 방식을 하이브리드 방식이라고 합니다. 아이핀랩스는 인프라 구축 비용이 낮은 앵커 프리 방식의 장점에 관성측정센서(IMU) 데이터 분석을 결합하여 정확도를 향상시킨 하이브리드 방식의 실내 측위 기술로 기존 기술의 한계점을 극복하였습니다.

효율성은 극대화 하고 정확도 손실은 막는 AI 알고리즘

앵커 기반(BLE, UWB)과 핑거프린팅 방식으로 대표되는 기존 실내 측위 기술의 가장 큰 한계는 도입 및 유지보수 효율성이 매우 떨어진다는 점으로, 앵커 설치 및 관리 또는 POI 설정 및 데이터 수집 과정에서 소요되는 비용 및 시간을 줄이는 것이 핵심 과제입니다. 이 문제를 해결하기 위해 아이핀랩스 AI 기반 실내 측위 기술은 두 가지의 코어를 융합하는 방식으로 접근하였습니다.

1. 특정 앵커 없이 다양한 RF 신호를 포괄적으로 활용하는 딥러닝 알고리즘으로 인프라 구축 비용 및 관리 업무 절감

2. POI 설정에 맞추어 수동으로 진행하던 사전 데이터 수집을 단순 보행으로 간소화하여 배포 시간을 단축할 수 있는 AI-IMU

자기지도학습 AI 기법으로 만드는 RF SLAM

SLAM(Simultaneous Localization And Mapping)이란 인공지능이 주변 데이터를 기반으로 위치를 파악하고(Localization) 동시에 지도를 구축하는(Mapping) 기술입니다. 이는 위치 측정과 지도 작성이 상호 보완적으로 작용하며 정확도를 높이는 과정으로, 사람이 새로운 공간에서 주변을 관찰하며 위치를 이해하는 방식과 유사합니다.

아이핀랩스의 자기지도학습 AI 알고리즘은 주변의 다양한 RF 신호(Wi-Fi, BLE)와 IMU 데이터를 학습하여 정밀한 위치 측정과 이동 경로 추적이 가능한 RF SLAM을 생성하며, 이를 통해 다양한 환경 조건에서도 높은 적용 효율과 정확도를 제공합니다.

기존 측위 기술과 아이핀랩스 측위 기술의 비교

성공적인 실내 측위 시스템 구축의 핵심은 적합한 기술 선택과 솔루션 운영의 최적화입니다. 아이핀랩스는 정확도와 효율성을 동시에 만족하는 측위 기술로 기업들이 위치 추적을 통해 더 높은 생산성을 실현할 수 있도록 지원합니다.

기존 기술의 한계를 뛰어넘는 솔루션

아이핀랩스의 AI 기반 실내 측위 기술은 비용 효율성, 정확성, 다양한 환경에 적용할 수 있는 확장성을 모두 갖추어 실내 측위 기술의 상용화를 이끄는 데 가장 적합한 솔루션입니다. AI로 그려낸 RF SLAM은 기존 기술의 주요 장애물이었던 높은 인프라 구축 비용과 복잡한 초기 설정 문제를 해결하여 기업들이 더욱 효율적으로 실내 측위 솔루션을 도입하고 운영할 수 있는 새로운 길을 제시하고 있습니다.