SK-AI경연-Advanced-리그-개요

요약

• 대회 성격: SK 현안 기반 Physical AI 문제 해결 경연 (Advanced + Vibe 리그)
• 나의 참여 조건: SK 비구성원이지만 Advanced 리그 외부 참여 가능, 팀 내 SK 구성원 1인 필수
• 두 주제: ① 자율주행 경로 최적화 (공기청정기 로봇), ② On-device LLM 경량화 (음성명령→API)
• 핵심 일정: 신청 8/22, 문제공개 8/25, 예선마감 9/19, 본선 9/2526
• 환경: ROS2 Humble + Gazebo, 센서융합 기반 / ASR+LLM 파이프라인

대회 개요

SK그룹 AI경연은 SK의 현안 문제를 최신 AI 기술로 해결하는 내외부 협업 경연대회이다. Advanced 리그(전문가용 Physical AI)와 Vibe 코딩 리그(비전공자용)로 구성된다.

출처: SK그룹 AI경연 공식 사이트

나의 참여 조건

SK 구성원이 아니므로 Advanced 리그에 외부 구성원으로만 참여가 가능하다. 팀에는 SK 구성원 1명이 필수로 포함되어야 하며, 본 문서는 Advanced 리그의 두 과제에만 집중한다.

Advanced 리그 구성

• 주제 ①: 자율주행 경로 최적화
• 주제 ②: On-device AI 구현을 위한 언어모델 경량화
• 대상: 데이터/AI 업무 경력 1년 이상 또는 관련 학위/자격 보유자 권장
• 팀 구성: 2-3인, SK 구성원 1명 필수 포함 (외부 참여 가능)

참가 요건 및 신청

참가 신청 절차

1. 팀 구성: 최소 2인~최대 3인 (팀장은 SK 구성원)
2. 주제 선택: 팀 내 상의를 통해 ① 또는 ② 중 결정
3. 신청서 제출: 팀장이 팀원 정보와 참여 주제를 기입하여 제출
4. 마감: 8/22 23:59

핵심 일정

단계	일정	비고
참가 신청	8/06 09:00 ~ 8/22 23:59	팀장(SK 구성원)이 신청
경연 문제 오픈	8/25 09:00	상세 문제 및 데이터 공개
Advanced Q&A/강연	9/01	기술 세션
예선 결과 제출 마감	9/19 23:59	코드/모델/데이터 제출
본선 진출 발표	9/22	주제별 상위 5팀 선정
본선 (1박 2일)	9/25 ~ 9/26	오프라인, 팀 최소 1인 필참
시상식	9/26 16:00	최종 순위 발표

평가 및 진행 규칙

예선 → 본선 진행

• 본선 진출: 각 주제별 리더보드 상위 5팀 (Code Inspection 후 확정)
• 본선 필수 참석: 팀당 최소 1인 (SK 구성원 포함)
• 최종 평가: 제출 산출물 점검 + 발표/Q&A 평가
• 제출 요건: 재현 가능한 코드/데이터/모델, 합성·증강 데이터 포함

평가 원칙

• 정량 평가: 예선 리더보드 점수
• 정성 평가: 본선 발표 및 코드 인스펙션
• 부정행위 적발 시 실격 (모사, 수조작, 담합 등)

---

① 자율주행 경로 최적화 상세

이 프로젝트는 무엇인가?

실내용 공기청정기 로봇(SK인텔릭스 NAMUH X A1)이 집이나 사무실에서 공기 오염을 감지하고, 오염된 곳으로 스스로 이동해서 공기를 깨끗하게 만든 후 다시 충전기로 돌아오는 똑똑한 이동 경로를 만드는 프로젝트이다. 마치 로봇청소기가 청소할 곳을 찾아다니듯이, 이 로봇은 공기가 더러워진 곳을 찾아다니며 정화한다.

문제 정의

SK인텔릭스 NAMUH X A1 공기청정기 로봇이 실내 환경에서 공기 오염을 효과적으로 감지하고 제거하는 최적 경로 알고리즘을 개발하는 것이다

핵심 임무

1. 오염원 인지 및 예측

   • 비치된 에어 센서와 로봇의 공간별 실시간 오염도 측정·해석
   • 동적 오염 이벤트(요리, 반려동물 활동, 창문 개방 등) 발생 패턴 학습·예측
   • 청정 우선순위 자율적 조정 알고리즘 개발

2. 고차원 자율주행

   • 센서 융합: Multi-ToF, 카메라, LiDAR 기반 실시간 위치추정
   • 장애물 회피: 정적(가구) + 동적(사람, 다른 로봇) 동시 고려
   • 비충돌 경로 계획: 안전하고 효율적인 이동

3. 공기청정 임무 관리

   • 오염 구역 도달 → 이동 정지 → 청정 수행 (1초당 오염도 1 감소)
   • 청정 중 이동 금지 제약 하에서 다중 구역 스케줄링 최적화
   • 모든 청정 완료 후 도킹 스테이션 자율 복귀

기술 환경 및 센서 사양

• 개발 스택: ROS 2 Humble + Gazebo 11(Classic)
• 제공 맵: 투룸(22평) → 저택(54평) → 오피스(76평) - 난이도 순차 상승
• 센서 구성:
  • LiDAR: 0~8m, 360도, 400포인트/회전, 높이 11cm
  • 카메라: 수직 62.4°, 수평 116°, 바닥 장애물 감지
  • 1D ToF: 높이 0.62m, 39° 상향, 75cm+ 상단 장애물 감지
  • Multi ToF: 높이 8cm, 63° FOV, 2개 - 근거리 장애물
• 평가 지표 예상: 충돌률, 도착률, 경로 길이, 청정 효율, 처리 주기(ms)

제공 맵 및 데이터

맵 1: 투룸 (22평)

• 특징: 비교적 좁고 기본적인 구조의 공간
• 주요 과제: 단순한 경로 계획 및 정적 장애물 회피
• 난이도: 초급 - 기본적인 알고리즘 검증용

맵 2: 저택 (54평)

• 특징: 넓어진 공간, 사람 오브젝트 존재
• 주요 과제: 장거리 이동 및 동적 장애물 회피
• 난이도: 중급 - 확장된 탐색 및 동적 대응 필요

맵 3: 오피스 (76평)

• 특징: 매우 넓은 공간, 복잡한 구조
• 주요 과제: 복잡한 경로 계획, 동적 장애물 회피
• 난이도: 고급 - 최고 수준의 알고리즘 성능 요구

---

② On-device AI 언어모델 경량화 상세

이 프로젝트는 무엇인가?

공기청정기 로봇에게 “거실 공기 청정해줘”, “침실로 가서 청소해” 같은 한국어 음성 명령을 말하면, 로봇이 인터넷 없이도 바로 알아듣고 실행하는 시스템을 만드는 프로젝트이다. 스마트폰처럼 작은 기계 안에서도 빠르고 정확하게 음성을 이해하는 똑똑한 AI를 개발하는 것이 목표이다.

문제 정의

공기청정기 로봇에서 한국어 음성 명령을 실시간으로 정확하게 처리하여 로봇 제어 API로 변환하는 경량 LLM을 최적화하는 것이다

파이프라인 구조

음성 입력 → ASR(음성→텍스트) → NLU(의도/슬롯 추출) → API 매핑 → 로봇 제어

핵심 요구사항

1. 온디바이스 제약

   • 저지연: 실시간 음성 명령 처리
   • 저메모리: 제한된 하드웨어 리소스
   • 오프라인 동작: 네트워크 독립성

2. 정확도 요구

   • 한국어 음성 인식 정확도
   • 의도/슬롯 추출 F1 스코어
   • API 매핑 정확도

기술 스택 예상

• ASR: Whisper, faster-whisper + VAD
• LLM: 1-3B 소형 모델 + INT4/INT8 양자화
• 런타임: onnxruntime, llama.cpp
• 최적화: 프롬프트 엔지니어링, INT4/INT8 양자화, Knowledge Distillation, Pruning

---

두 주제 종합 비교 및 선택 가이드

상세 비교표

비교 항목	① 자율주행 경로 최적화	② On-device LLM 경량화
핵심 목표	안전·효율적 경로 + 안정 주행	저지연·저메모리 음성명령→API 변환
기술 도메인	로보틱스, 경로계획, 제어	NLP, ASR, 모델 경량화
개발 환경	ROS 2 + Gazebo 시뮬레이션	온디바이스 최적화 + 프로파일링
학습 의존성	비학습(A*, Dijkstra, DWA 등 고전 알고리즘)	Few-shot 프롬프팅 위주 (파인튜닝은 GPU 필요)
하드웨어 요구	노트북 CPU 충분 (4코어+, 8-16GB RAM)	노트북 CPU 가능 (파인튜닝 시 8GB+ GPU 필수)
재미/몰입도	높음 (시각적 시뮬레이션)	중간 (음성→텍스트 파이프라인)
수상 가능성	중간 (로보틱스 경험 필요)	중상 (NLP 강점 시 유리)
주요 리스크	4종 센서 융합 복잡도, 3맵 난이도 상승, 오염 패턴 예측	디바이스 스펙 미상, 한국어 노이즈, 실시간 제약

배경 지식 요구사항

지식 수준	① 자율주행	② On-device LLM
필수	ROS 2 기본, Gazebo, 경로계획(A*, Dijkstra, DWA), Navigation2, Behavior Trees, SLAM	ASR 기본(Whisper, VAD), 의도·슬롯 개념, 프롬프트 설계, 양자화(INT8/4)
우대	센서융합(EKF/UKF), 강화학습(DQN/PPO), 시간확장 A*, Costmap 최적화	Knowledge Distillation, Pruning, llama.cpp, ONNX Runtime, NPU 최적화

---

참고 링크

• 대회 홈: 메인, Advanced 상세
• 공식 정보: 자동 평가 가이드