함께 돌아본 1분기, 함께 그린 다음 기술: 뷰런 테크 데이 회고
뷰런은 현장 즉시 배포 가능한 Autonomous AI의 전 과정을 완벽히 구현하여, 고객의 안전하고 신속한 자율화 혁신을 이끄는 딥테크 스타트업입니다.
2026년 3월, 뷰런의 개발 조직은 테크 데이(Tech Day)를 열고 한자리에 모였습니다.
이번 테크 데이에는 Mobility, Smart Infra, Deep Learning, Platform, Data까지 총 다섯 개 팀이 참여했습니다. 각 팀은 자율주행과 스마트 인프라 도메인에서 마주한 문제들, 이를 해결하기 위한 시도, 그리고 앞으로의 개선 방향을 공유했습니다.
테크 데이는 단순히 “무엇을 개발했는지”를 발표하는 시간이 아니었습니다. 개인과 팀이 경험한 문제 해결 과정, 시행착오, 기술적 의사결정을 함께 나누며 개발 조직 전체의 성장을 만드는 시간이었습니다. 다른 팀의 업무를 더 깊이 이해하고, 자연스럽게 협업의 접점을 발견하며, 새로운 기술적 목표를 함께 세우는 것이 이번 행사의 가장 큰 목적이었습니다.
서로의 일을 이해하는 시간
딥테크 스타트업에서 기술은 한 팀만의 결과물로 완성되지 않습니다. LiDAR 센서에서 수집된 데이터는 모델 개발과 검증을 거치고, 제품 플랫폼 위에서 운영되며, 실제 현장 환경에서 다시 피드백을 받습니다.
그렇기 때문에 뷰런의 테크 데이는 각 팀의 성과를 나열하는 발표회라기보다, 하나의 기술이 제품이 되기까지 어떤 연결고리가 필요한지 함께 확인하는 시간이었습니다.
Mobility 팀은 Vueron Copilot™을 더 안정적인 제품으로 성장시키기 위한 업무 프로세스와 기술 스택, AI 기반 개발 문화의 방향을 공유했습니다. SLAM, LiDAR-Camera Fusion, VueReplay 등 제품화를 위한 핵심 기술뿐 아니라, 역할 기반 오너십과 통합 테스트, 버전 관리 전략처럼 지속 가능한 개발을 위한 기반도 함께 다뤘습니다.
Smart Infra 팀은 단일 객체 인지를 넘어 3D 공간과 행위 이해로 확장되는 방향을 제시했습니다. Lookout™이 나아가는 비전, 모델 평가 프로세스, 자동화 시스템 테스트와 이상 탐지 체계 등 실제 운영 환경에서 신뢰도를 높이기 위한 고민이 공유됐습니다.
Deep Learning 팀은 LiDAR 인지 모델의 성능과 효율을 높이기 위한 다양한 연구개발 내용을 소개했습니다. Camera-LiDAR Fusion, Sequence Model, Fast VFE, Quantization, Point Level Model 등은 모두 더 정확하면서도 실제 환경에 적용 가능한 인지 모델을 만들기 위한 시도였습니다.
Platform 팀은 X-Factory™와 Lookout™을 중심으로 제품 사용성과 운영 안정성을 높이기 위한 개선 내용을 공유했습니다. 데이터 확인, 작업 통계, 멀티센서 지원, 시뮬레이션, 인프라 개선, QC 프로세스 등 개발 결과물이 실제 제품 경험으로 이어지기 위한 기반을 다뤘습니다.
Data 팀은 3D LiDAR 포인트 클라우드 라벨링의 품질 관리 체계를 소개했습니다. 표준 매뉴얼, 오답노트, 검수 기준을 통해 품질 편차를 줄이고, X-Factory™ 전환과 AI Annotation 도입을 통해 작업 효율을 높인 과정이 공유됐습니다.
기술 발표를 넘어, 협업의 언어를 맞춰과는 과정
이번 테크 데이에서 특히 의미 있었던 점은 각 팀이 “잘된 결과”만 공유하지 않았다는 것입니다.
모델 평가 기준이 왜 필요한지, 운영 환경에서 어떤 이상 징후를 어떻게 감지할 수 있을지, 라벨링 품질 편차를 줄이기 위해 어떤 기준을 세웠는지, 저사양 보드에서 SLAM을 실시간으로 동작시키기 위해 어떤 최적화가 필요했는지처럼 실제 개발 과정에서 마주한 문제와 판단이 함께 공유됐습니다.
이런 공유는 다른 팀의 업무를 이해하는 데 큰 도움이 됩니다. 예를 들어 데이터 품질 관리 방식은 딥러닝 모델 성능과 연결되고, 플랫폼의 작업 환경 개선은 데이터 생산성과 제품 운영 안정성에 영향을 줍니다. Mobility의 제품화 과정은 Platform, Data, Deep Learning 팀과 자연스럽게 맞닿아 있습니다.
테크 데이는 이 연결 지점을 서로 확인하는 시간이었습니다. 각 팀이 사용하는 언어와 고민은 조금씩 다르지만, 결국 더 안정적이고 신뢰도 높은 LiDAR 인지 솔루션을 만든다는 목표는 같았습니다.
2026년 1분기, 뷰런의 LiDAR 인지 기술이 향한 방향
이번 테크 데이를 통해 확인한 2026년 1분기 뷰런 개발 조직의 방향은 크게 세 가지로 정리할 수 있습니다.
첫째, 제품화를 위한 기술 안정성 강화입니다. SLAM, Fusion, 모델 평가, 자동화 테스트, QC 프로세스 등은 모두 연구 단계의 기술을 실제 운영 가능한 제품으로 만들기 위한 기반입니다.
둘째, 데이터와 모델, 플랫폼의 연결 강화입니다. 좋은 데이터는 좋은 모델을 만들고, 좋은 플랫폼은 데이터와 모델이 제품 환경에서 안정적으로 활용되도록 돕습니다. 이번 발표에서는 이 세 요소가 점점 더 긴밀하게 연결되고 있음을 확인할 수 있었습니다.
셋째, 반복 가능한 개발 문화의 정착입니다. 업무 절차, 테스트, 문서화, 자동화, AI-assisted 개발 문화는 개인의 역량을 팀의 자산으로 확장하는 장치입니다. 이는 빠르게 성장하는 조직에서 기술적 성과를 지속 가능하게 만드는 중요한 기반이 됩니다.
다음 분기를 향해
테크 데이는 마무리됐지만, 이날 나눈 이야기들은 여기서 끝나지 않습니다. 각 팀이 공유한 고민과 방향성은 자연스럽게 다음 분기의 개발 과제로 이어질 예정입니다.
Mobility 팀은 Vueron Copilot™ 프로젝트 대응을 위해 Auto Calibration, Object 및 Road Environment Perception, Landing Hazard Detection, Radar Reference System 등으로 기술 적용 범위를 넓혀갈 계획입니다.
Smart Infra 팀은 3D 공간 이해 기반의 지능형 시스템으로 한 단계 더 확장하고, Deep Learning 팀은 더 효율적이고 안정적인 인지 모델 개발을 이어갑니다.
Platform 팀은 제품 사용성과 운영 안정성을 높이는 데 집중하고,
Data 팀은 작업 환경 표준화와 AI Annotation 도입을 통해 데이터 품질과 생산성을 함께 끌어올릴 예정입니다.
마무리하며
뷰런의 기술이 지나온 길을 돌아보고, 앞으로 나아갈 방향을 맞춘 테크 데이.
각 팀이 맡은 일은 다르지만 목표는 단 하나였습니다. 어떤 악조건 속에서도 감지, 판단, 예측, 행동이 끊임없이 이어지는 '실전형 자율 AI'를 구축하는 것. 도로와 도시, 산업 현장을 더 안전하게 만들기 위해 뷰런은 원팀으로 전진합니다.뷰런은 앞으로도 각 팀의 전문성을 연결하고, 서로의 경험을 조직의 지식으로 쌓아가며 더 나은 기술과 제품을 만들어가려 합니다.
그리고 이 여정은 새로운 동료들과 함께할 때 더 멀리 나아갈 수 있다고 믿습니다.
자율주행과 스마트 인프라의 미래를 함께 고민하고, LiDAR 인지 기술의 가능성을 함께 넓혀갈 뷰러니들을 기다리고 있습니다.