AI Engineer

한 다 운

데이터를 통해 세상을 바라보고, 이를 비즈니스 가치로 잇는 AI 엔지니어 한다운입니다.

컴퓨터 비전 기반 AI 모델을 실제 서비스와 비즈니스 문제에 적용하는 일을 하고 있습니다. 데이터 구축부터 모델 개발, 그리고 실제 환경에 적용·검증하는 과정까지 직접 수행하며 문제를 해결해왔습니다. 물리 세계의 복잡한 데이터 속에서 의미를 찾아내어 실질적인 비즈니스 가치로 연결하는 것을 목표로 하고 있습니다.

AI Learning PyTorch, VLM/VLA, Multimodal model, Imitation Learning
Data & Simulation Isaac Sim Synthetic Data, Demonstration Data
Robot Systems ROS/ROS2, Multi-view RGB-D Perception, Hand-Eye Calibration
ML Systems Python, PyTorch, Multi-GPU DDP, MLflow, Docker

Projects

  1. End-to-End 학습·추론 프레임워크 개발

    다양한 휴머노이드 구성에 적용 가능한 공통 학습·추론 프레임워크 개발

    Python PyTorch ROS2 MCAP/HDF5 DDP

    • 로봇 플랫폼·핸드 DoF·관측값·액션 공간·학습 파라미터를 YAML Config로 분리

    • Diffusion Policy와 NVIDIA GR00T 등 신규 정책 모델을 공통 학습·평가 흐름에 연결하는 구조 설계

    • ROS2 기반 Joint/TCP Pose·멀티뷰 카메라 관측을 수집하고 실시간 액션을 발행하는 추론 파이프라인 구현

    • [성과] RB-Y1 휴머노이드 플랫폼 납품 완료 및 후속 프로젝트 추가 발주 확보

  2. 휴머노이드용 정책모델 파인튜닝

    휴머노이드 Pick-and-Place 태스크를 위한 정책 모델 Fine-tuning 및 실로봇 적용 검증

    Python PyTorch ROS2 NVIDIA Isaac GR00T N1.7 Diffusion Policy

    • Trajectory·Joint/TCP Pose·멀티뷰 카메라 데이터를 학습 데이터로 구성하고 정책 모델 Fine-tuning 수행

    • Temporal Ensemble, RTC, TTRTC 실행 전략을 비교하여 Action chunk 경계의 불연속과 추론 지연 완화

    • Fine-tuning된 정책 모델을 실제 휴머노이드 Pick-and-Place 태스크에 적용해 동작 가능 여부 평가

    • [성과] 자체 제작 로봇핸드 기반 조작 데이터셋 구축 및 실로봇 특화 정책 적응 가능성 검증

  3. 피킹로봇 파지점 추출 모델 개발

    RGB-D 입력에서 흡착·그리퍼 파지 방식과 파지점을 함께 추론하는 피스피킹 모델 개발

    Python Linux OpenCV ROS1·2 MLflow

    • Bilateral·Median Filter와 Inpaint로 Depth 노이즈·이상값을 처리해 안정적인 depth map 확보

    • Focal Loss·Hard Example Mining과 MLflow 기반 실험 관리로 일반화 성능 개선

    • RGB-D 이중 백본 Feature Pyramid Fusion 구조로 흡착·그리퍼 파지점과 접근 각도를 동시 추론

    • [성과] 다수 대기업 PoC 검증완료 및 피킹 생산성 1,000 PPH 달성

  4. 물체 영역 분할을 위한 세그멘테이션 모델 개발

    피킹 오류를 줄이기 위한 MobileSAM 기반 물체 영역 분할 및 석션컵 크기 예측 모델 개발

    MobileSAM Python PyTorch DDP

    • Prompt 없이 빈 내부 전체 물체 마스크를 생성하는 AllMobileSAM으로 바닥 스크래치 오인식 문제 해결

    • 파지점 좌표 기반 PointMobileSAM으로 대상 물체만 분할해 그리퍼 핑거 개폐시간 단축

    • Class Prompt Encoder 기반 CupMobileSAM으로 적합한 Large·Small 석션컵 크기 예측

    • [성과] 빈 바닥 오인식 96.8% 감소, 핑거 개폐시간 2.7초→0.4초, 파지 성공률 82%→93% 향상

  5. 구글 클라우드 기반 SaaS 시스템 구축

    안질환 진단보조 웹앱 서비스 배포 프로젝트

    Google Cloud Docker Linux Kubernetes Django

    • 도커를 활용한 APP 컨테이너화 및 쿠버네티스 기반 딥러닝 모델 배포

    • SaaS 시스템 아키텍쳐 구축 경험 (MySQL, Django 웹앱, 도커 컨테이너)

    • [성과] 구글 클라우드 플랫폼 기반의 안질환 진단보조 웹앱 서비스 구축 및 배포

  6. 4대 안질환 진단모델 개발

    안과이미지를 통해 선별진단하는 AI 개발 프로젝트

    Python Pytorch GradCAM ResNet

    • 데이터 전처리 및 모델개발 파이프라인 구축

    • XAI GradCAM 기술을 활용한 질환의심부위 히트맵 표기

    • RandomNoise 주입으로 모델의 망막학습 유도

    • Multi GPU (A100 또는 RTX4090 4대) 사용을 위한 DP/DDP 기술 적용

    • 텐서보드의 모델 학습 모니터링 시스템 도입

    • [성과] 4대 안질환 판독모델 개발 각 질환별 정확도 91.45%, 98.4%, 96%, 93.45%

Education

The University of Sydney

Dual Master's Degrees

• Master of IT (Software Engineering)

• Master of IT Management