LG전자 생산기술원 1 차 면접 후기
14 Jan 2021 | daily
모바일 로봇 연구부서로 갈줄 알았으나, 평택에 있는 생산기술원으로 부터 서류를 합격을 받았다. 블라인드를 보면 어마 무시한 곳이다. 특히 Product R&D로 간다면 고생한다고 한다. 본인은 출장이 싫어서 석사를 하게 되었는데, 아마 가면 1년에 8개월은 출장으로 알고 있으면 된다고 하더라. 그래서 준비를 열심히 안하였다. 기본 실력의 베이스로 면접에 들어가게 되었다.
1차 면접
- 자기소개
- 안녕하세요, 저는 설계와 개발이 좋아 기계공학을 전공하고 있는 이찬교 입니다. 세부전공으로는 로봇공학을 전공하였으며, 연구분야는 모바일로봇 네비게이션이였습니다. 그리고 현재에는 Midea Group이라는 곳에서 가정용 로봇 개발 인턴을 하고 있습니다. 맡은 임무로는 Visual SLAM을 Imu와 결합하여 검증 및 로봇 적용입니다.
- 논문소개
- 저는 Semantic SLAM 어플리케이션을 이용하여 모방일로봇 네비게이션 시스템을 구축하였습니다. 이용한 어플리케이션에는, ORB-SLAM2와 yolov3가 결합된 동적환경에서의 맵핑과 로컬라이제이션입니다. 그러나 이 시스템은 카메라 센서 기반으로 된 슬램 시스템이기 때문에 데이터에 대한 오차가 발생합니다. 이를 encoder에서 얻어지는 wheel odometer를 이용하여서 Extended Kalman Filter를 통해 보정하였습니다. 그 외에 Object Avodiance, Motion Planning, Frontier-based Detection알고리즘을 개발하여 자율 탐험 및 네비게이션 시스템을 구축하였습니다.
- EKF 설명
- Non-Linear Model을 사용하여 KF를 통해 Pose Estimation을 한다면 non-gaussian Distribution으로 잘못된 pose Estimation을 할 수 없습니다. 이러한 문제를 해결하고자 Non-linear Model을 선형 근사값으로 만들어야하는데, 이때 Taylor 1st Series를 이용하여서 비선형모델을 선형 모델로 변환하여 푸는 EKF방식이다.
- 좀 더 자세하게 얘기해주세요
- EKF는 총 2개의 Motion Model과 Observation모델과 2개의 프로세스인 Prediction과 Correction으로 구성된 알고리즘이다. bayes filter 기반으로 된 Motion Model과 Observation Model은 Prediction 프로세스에서 Motion Model과 Control input값을 통한 Mean과 Covariance를 상태 추정하며, 이 추정된 값은 Correction Process에서 칼만게인과 Observation Model을 통해 상태 추정 보정이 된다.
- 답변 외에 추가적인 것:
- Motion Model은 이전 상태값을 State Transition Matrix에 계산을 하여 pose1을 구하고, Control Input(Velocity x,y and angle)값을 Velocity-based 모델을 통해 pose2를 구하고, process Noise(control input에 의해 결정되는 matrix기반으로 convariance값과 곱하여)를 구하여 상태와 Control input에 따른 모션에 대한 상태추정한다.
- Observation Model은 주로 센서로 부터 얻어진 데이터 이므로, 대부분 identity matrix로 설정하고, 실제로 측정되는 x,y,z값들을 매트릭스에 곱셈을하여서 얻어진다. 이때 Observation Noise도 있는데, 이는 임의로 주어진다.
- 공모전에서 소프트웨어 설계에 실패했다고 했는데 그 추후에 더 개선을 하지 않았는지
- 교환학생시절에 공모전에 나간 것이고, 공모전 이후에 다른 목표가 있어서 더 하지 않았습니다.
- (공모전에 관한)WIFI딜레이 문제가 있었다고 했는데 어떻게 해결하면 좋을지
- 우선 지금 생각나는건 좋은 모듈을 쓰는 것이 제일 좋을 것 같습니다. 그 다음으로는 아무래도 continous하게 데이터를 받기 때문에, 이를 discreat로 변환을 하여서 해결 할 수 있을 것 같습니다.
- 카메라를 통해서 네비게이션 시스템을 구축하였다고 했는데, 카메라는 2D이미지만 가지고 있는데, 맵핑과 로컬라이제이션을 어떻게 하는지
- feature-based(특징점)나 intensity-based(픽셀의 밝기를 비교한 방법)로 2D-image를 통한 환경인지를 위해 feature points를 생성해야합니다. 그리고 생성된 feature point는 현재 프레임과 이전프레임에 존재하게 되는데, epipoloar line과 내부파라미터를 통한, PnP알고리즘을 통해 맵포인트 생성 및 pose estimation을 할 수 있습니다.
- 스마트팩토리에서 운용될 모바일 로봇에 대해 어떤 것이 고려되야 되는지 말해보세요
- 아무래도 동적환경이기 때문에 동적 물체를 인지하는 능력과 맵핑이나 네비게이션을 할때 동적 물체에 영향을 덜 받을 수 있도록 해야 됩니다. 그리고 최적화된 경로 알고리즘, 그리고 플랫폼을 고려한 모션컨트롤이 필요할 것 같습니다.
- 고영에서 무슨일을 했는지
- Technical Support Engineer로 일을 하면서 소프트웨어 하드웨어 이슈를 처리했습니다. PCB판 위에 부품이 실장이 되는데 그 실장된 부품이 제대로 실장이 되었는지, 광학기기를 이용하여서 검사를 하는 장비였습니다.
- 연구개발직으로 와도 연구개발만 할 수 없는데 괜찮은지
- 첫 입사를하면 회사에 대한 시스템과 장비를 익혀야되기 때문에 연구개발만 할 수 없니다. 최대한 단기간에 회사 프로세스와, 시스템, 그리고 업무에 대해 익히는게 우선 순위라고 생각합니다.
- 스마트팩토리를 더 효율적으로 하기 위해서는 어떤 기술이 더 필요할 거 같은지
- AR기술을 입히는게 중요하다고 생각합니다. 저는 어떤 일을 하던간에 직관적인게 제일 좋다고 생각합니다. AR기술을 도입을 하면 스마트팩토리에 프로세스들이 어떻게 진행이 되고 어떤 식으로 진행이 되는지 직관적으로 볼 수 있기 때문에, 생산성의 효율을 높혀주고 작업자가 이해가도 쉽다고 생각합니다.
- 왜 중국에서 국내로 오는지
- 솔직하게 말씀 드려서, 직무적으로 발전이 힘들것이라 생각이 들어서 입니다. 제가 중국회사에 다니면서 힘들었던 점이 아무래도 중국어가 모국어가 아니다 보니까, 팀미팅을 할때 이해를 못하는 부분이 있거나 제 의견을 제대로 표현 못하는 경우가 있었습니다. 물론 개인미팅이나 업무적인 것은 영어로 얘기할 수 있지만, 팀미팅같은 주요한 회의에서 주로 중국어로 일을 하다 보니 업무와 프로젝트를 이해 할때 어려운 부분이 존재했으며, 직무적으로 다른 중국인들보다 더디며 힘들었습니다.
- 취미가 무엇인지
- 기타 치는 것이며, 최근에는 IOS개발에 관심이 있습니다.
- 자기개발을 좋아하는거 같은데, 못하게 된다면 어떻게 할 것지
- 아마 개인 사이드프로젝트로 할 것 같습니다. 또한 회사는 프로젝트, 팀으로 움직이기 때문에 항상 하고 싶은 일을 하기에는 어렵습니다. 공동 목표를 이루기 위한 팀원으로썻 주어진 상황에 맞게 일을 할 것입니다.
- 테크니컬 서포트로 일하면서 힘들었던점이 무엇이였는지
- 출장이 좀 힘들었습니다.
- 고영에서 어떤 일을 했는지, 어떤 업무적 능력이 필요한 자세하게 얘기해주세요.
- 반도체장비회사였습니다. 납이 PCB판에 잘 올라갔는지 부품이 잘 실장이 됬는지 하는 장비입니다. 그러므로 하드웨어와 소프트웨어를 잘알아야합니다. 특히 컴퓨터 시스템 구조를 잘 알아야 합니다. 또한 이슈대응하는데 있어 하드웨어의 문제인지 소프트웨어의 문제인지 판단하는 능력이 중요하며, 문제 해결 능력이 중요시 됩니다.
- 회사를 그만 두고, 중국에 가게된 이유
- 회사를 다니면서 좀더 공부하고 싶다라는 생각, 로봇 분야에 대해 더 공부하고 싶다라는 생각이 들었습니다. 때 마침 국비장학생 지원을 하였고 뜻이 맞아 이렇게 오게 되었습니다.
- EKF를 통해 로컬리제이션 개선이 되었다고 말씀하셨는데, 얼마나 개선이 되었는지?
- 자료를 열어서 보여드려도 될까요? 오직 슬램으로만 로컬리제이션을 하면 absolute positioning에러가 존재할 수 있으므로 relative positioning인 wheel odometer를 추가하여 꽤 개선이 되었습니다.
- 마지막으로 할 말
- 경력직 보다 잘할 자신 있습니다.
후기
생각보다 편안한 분위기에서 면접을 보았다. 최근 면접을 많이 보아서 떨리지도 않았고, 당황스러운 질문에도 분위기 좋게 답변을 했던것 같다. 다만 아쉬운 점은 마지막 할 말으로 경력직 보다 잘할 자신 있다는 말을 했을때 분위기가 좋지 않았다. 질문의 난이도는 그렇게 깊지 않았으며, 대부분 기초적인 질문으로 이루어졌다.
모바일 로봇 연구부서로 갈줄 알았으나, 평택에 있는 생산기술원으로 부터 서류를 합격을 받았다. 블라인드를 보면 어마 무시한 곳이다. 특히 Product R&D로 간다면 고생한다고 한다. 본인은 출장이 싫어서 석사를 하게 되었는데, 아마 가면 1년에 8개월은 출장으로 알고 있으면 된다고 하더라. 그래서 준비를 열심히 안하였다. 기본 실력의 베이스로 면접에 들어가게 되었다.
1차 면접
- 자기소개
- 안녕하세요, 저는 설계와 개발이 좋아 기계공학을 전공하고 있는 이찬교 입니다. 세부전공으로는 로봇공학을 전공하였으며, 연구분야는 모바일로봇 네비게이션이였습니다. 그리고 현재에는 Midea Group이라는 곳에서 가정용 로봇 개발 인턴을 하고 있습니다. 맡은 임무로는 Visual SLAM을 Imu와 결합하여 검증 및 로봇 적용입니다.
- 논문소개
- 저는 Semantic SLAM 어플리케이션을 이용하여 모방일로봇 네비게이션 시스템을 구축하였습니다. 이용한 어플리케이션에는, ORB-SLAM2와 yolov3가 결합된 동적환경에서의 맵핑과 로컬라이제이션입니다. 그러나 이 시스템은 카메라 센서 기반으로 된 슬램 시스템이기 때문에 데이터에 대한 오차가 발생합니다. 이를 encoder에서 얻어지는 wheel odometer를 이용하여서 Extended Kalman Filter를 통해 보정하였습니다. 그 외에 Object Avodiance, Motion Planning, Frontier-based Detection알고리즘을 개발하여 자율 탐험 및 네비게이션 시스템을 구축하였습니다.
- EKF 설명
- Non-Linear Model을 사용하여 KF를 통해 Pose Estimation을 한다면 non-gaussian Distribution으로 잘못된 pose Estimation을 할 수 없습니다. 이러한 문제를 해결하고자 Non-linear Model을 선형 근사값으로 만들어야하는데, 이때 Taylor 1st Series를 이용하여서 비선형모델을 선형 모델로 변환하여 푸는 EKF방식이다.
- 좀 더 자세하게 얘기해주세요
- EKF는 총 2개의 Motion Model과 Observation모델과 2개의 프로세스인 Prediction과 Correction으로 구성된 알고리즘이다. bayes filter 기반으로 된 Motion Model과 Observation Model은 Prediction 프로세스에서 Motion Model과 Control input값을 통한 Mean과 Covariance를 상태 추정하며, 이 추정된 값은 Correction Process에서 칼만게인과 Observation Model을 통해 상태 추정 보정이 된다.
- 답변 외에 추가적인 것:
- Motion Model은 이전 상태값을 State Transition Matrix에 계산을 하여 pose1을 구하고, Control Input(Velocity x,y and angle)값을 Velocity-based 모델을 통해 pose2를 구하고, process Noise(control input에 의해 결정되는 matrix기반으로 convariance값과 곱하여)를 구하여 상태와 Control input에 따른 모션에 대한 상태추정한다.
- Observation Model은 주로 센서로 부터 얻어진 데이터 이므로, 대부분 identity matrix로 설정하고, 실제로 측정되는 x,y,z값들을 매트릭스에 곱셈을하여서 얻어진다. 이때 Observation Noise도 있는데, 이는 임의로 주어진다.
- 공모전에서 소프트웨어 설계에 실패했다고 했는데 그 추후에 더 개선을 하지 않았는지
- 교환학생시절에 공모전에 나간 것이고, 공모전 이후에 다른 목표가 있어서 더 하지 않았습니다.
- (공모전에 관한)WIFI딜레이 문제가 있었다고 했는데 어떻게 해결하면 좋을지
- 우선 지금 생각나는건 좋은 모듈을 쓰는 것이 제일 좋을 것 같습니다. 그 다음으로는 아무래도 continous하게 데이터를 받기 때문에, 이를 discreat로 변환을 하여서 해결 할 수 있을 것 같습니다.
- 카메라를 통해서 네비게이션 시스템을 구축하였다고 했는데, 카메라는 2D이미지만 가지고 있는데, 맵핑과 로컬라이제이션을 어떻게 하는지
- feature-based(특징점)나 intensity-based(픽셀의 밝기를 비교한 방법)로 2D-image를 통한 환경인지를 위해 feature points를 생성해야합니다. 그리고 생성된 feature point는 현재 프레임과 이전프레임에 존재하게 되는데, epipoloar line과 내부파라미터를 통한, PnP알고리즘을 통해 맵포인트 생성 및 pose estimation을 할 수 있습니다.
- 스마트팩토리에서 운용될 모바일 로봇에 대해 어떤 것이 고려되야 되는지 말해보세요
- 아무래도 동적환경이기 때문에 동적 물체를 인지하는 능력과 맵핑이나 네비게이션을 할때 동적 물체에 영향을 덜 받을 수 있도록 해야 됩니다. 그리고 최적화된 경로 알고리즘, 그리고 플랫폼을 고려한 모션컨트롤이 필요할 것 같습니다.
- 고영에서 무슨일을 했는지
- Technical Support Engineer로 일을 하면서 소프트웨어 하드웨어 이슈를 처리했습니다. PCB판 위에 부품이 실장이 되는데 그 실장된 부품이 제대로 실장이 되었는지, 광학기기를 이용하여서 검사를 하는 장비였습니다.
- 연구개발직으로 와도 연구개발만 할 수 없는데 괜찮은지
- 첫 입사를하면 회사에 대한 시스템과 장비를 익혀야되기 때문에 연구개발만 할 수 없니다. 최대한 단기간에 회사 프로세스와, 시스템, 그리고 업무에 대해 익히는게 우선 순위라고 생각합니다.
- 스마트팩토리를 더 효율적으로 하기 위해서는 어떤 기술이 더 필요할 거 같은지
- AR기술을 입히는게 중요하다고 생각합니다. 저는 어떤 일을 하던간에 직관적인게 제일 좋다고 생각합니다. AR기술을 도입을 하면 스마트팩토리에 프로세스들이 어떻게 진행이 되고 어떤 식으로 진행이 되는지 직관적으로 볼 수 있기 때문에, 생산성의 효율을 높혀주고 작업자가 이해가도 쉽다고 생각합니다.
- 왜 중국에서 국내로 오는지
- 솔직하게 말씀 드려서, 직무적으로 발전이 힘들것이라 생각이 들어서 입니다. 제가 중국회사에 다니면서 힘들었던 점이 아무래도 중국어가 모국어가 아니다 보니까, 팀미팅을 할때 이해를 못하는 부분이 있거나 제 의견을 제대로 표현 못하는 경우가 있었습니다. 물론 개인미팅이나 업무적인 것은 영어로 얘기할 수 있지만, 팀미팅같은 주요한 회의에서 주로 중국어로 일을 하다 보니 업무와 프로젝트를 이해 할때 어려운 부분이 존재했으며, 직무적으로 다른 중국인들보다 더디며 힘들었습니다.
- 취미가 무엇인지
- 기타 치는 것이며, 최근에는 IOS개발에 관심이 있습니다.
- 자기개발을 좋아하는거 같은데, 못하게 된다면 어떻게 할 것지
- 아마 개인 사이드프로젝트로 할 것 같습니다. 또한 회사는 프로젝트, 팀으로 움직이기 때문에 항상 하고 싶은 일을 하기에는 어렵습니다. 공동 목표를 이루기 위한 팀원으로썻 주어진 상황에 맞게 일을 할 것입니다.
- 테크니컬 서포트로 일하면서 힘들었던점이 무엇이였는지
- 출장이 좀 힘들었습니다.
- 고영에서 어떤 일을 했는지, 어떤 업무적 능력이 필요한 자세하게 얘기해주세요.
- 반도체장비회사였습니다. 납이 PCB판에 잘 올라갔는지 부품이 잘 실장이 됬는지 하는 장비입니다. 그러므로 하드웨어와 소프트웨어를 잘알아야합니다. 특히 컴퓨터 시스템 구조를 잘 알아야 합니다. 또한 이슈대응하는데 있어 하드웨어의 문제인지 소프트웨어의 문제인지 판단하는 능력이 중요하며, 문제 해결 능력이 중요시 됩니다.
- 회사를 그만 두고, 중국에 가게된 이유
- 회사를 다니면서 좀더 공부하고 싶다라는 생각, 로봇 분야에 대해 더 공부하고 싶다라는 생각이 들었습니다. 때 마침 국비장학생 지원을 하였고 뜻이 맞아 이렇게 오게 되었습니다.
- EKF를 통해 로컬리제이션 개선이 되었다고 말씀하셨는데, 얼마나 개선이 되었는지?
- 자료를 열어서 보여드려도 될까요? 오직 슬램으로만 로컬리제이션을 하면 absolute positioning에러가 존재할 수 있으므로 relative positioning인 wheel odometer를 추가하여 꽤 개선이 되었습니다.
- 마지막으로 할 말
- 경력직 보다 잘할 자신 있습니다.
후기
생각보다 편안한 분위기에서 면접을 보았다. 최근 면접을 많이 보아서 떨리지도 않았고, 당황스러운 질문에도 분위기 좋게 답변을 했던것 같다. 다만 아쉬운 점은 마지막 할 말으로 경력직 보다 잘할 자신 있다는 말을 했을때 분위기가 좋지 않았다. 질문의 난이도는 그렇게 깊지 않았으며, 대부분 기초적인 질문으로 이루어졌다.
Comments