복잡한 도시를 해석하는

스페이스워크 기술.

도시는 복잡하고 다양하게 이루어져 있습니다.

우리는 그 중 건축에 영향을 끼치는 데이터를 추출합니다.

추출한 수많은 데이터를 정제하고 조합하며 

관련된 법에 맞춰 가공합니다. 

또한 가치평가 모델에 기반하여 필요한 정보들을 추론합니다.

이어서 지형 및 기타 데이터를 토대로 

건축설계용 전처리 과정을 실행합니다.

마지막으로 심층강화학습을 통해 

주어진 환경과 제한속에서 최적의 해를 도출합니다.

복잡하고 어려운 문제에

최적의 설계안 도출

전국의 약 3,800만개의 필지 조합을 고려한 최적 설계안의 

경우의 수는  기하급수적으로 증가합니다. 

그리고 매년 20여개의 건축관련 법규가 수차례 변경되며, 

주변거래사례가 데이터화 되지 않아 수익성 분석이 어렵습니다. 

설계의 맥락을 이해하는

인공지능

우리는 건축전문 노하우를 바탕으로한 심층강화학습 

Deep Reinforcement Learning 기반의 framework로 이를 해결하며 

고차원적인 설계전략을 학습하는 

Deep autoregressive model 기반 알고리즘을 사용합니다.

실시간에 가까운 

연산속도와 탁월한 성능

스페이스워크는 심층강화학습 기반 엔진을 통해 

또 한번의 혁신을 이루어냈습니다. 

자체 테스트를 통해 종전 기술 대비 평균 연산시간을 약 98.8% 감소 시켰으며 

건축요소 배치 최적값을 약 24.5% 향상시킨것을 입증하였습니다.

다양한 환경에서 

최적화된

설계안과 사업성 제공

우리의 기술로 층수, 세대수, 근린생활시설 등 고객의 수요에 따른 

최적안 도출이 가능합니다.

전국의 약 3,800만개의 필지 조합을 고려한 

최적 설계안의 경우의 수는 기하급수적으로 

증가합니다. 그리고 매년 20여개의 건축관련 법규가 

수차례 변경되며, 주변거래사례가 데이터화 되지 않아 

수익성 분석이 어렵습니다. 또한 최적의 설계는 

다양하고 주관적입니다. 

우리는 건축전문 노하우를 바탕으로한 심층강화학습

Deep Reinforcement Learning 기반의

framework로 이를 해결하며, 고차원적인 설계전략을

학습하는 Deep autoregressive model 기반

알고리즘을 사용합니다.

스페이스워크는 심층강화학습 기반 엔진을 통해 

또 한번의 혁신을 이루어냈습니다. 

자체 테스트를 통해 종전 기술 대비 평균 연산시간을 

약 98.8% 감소 시켰으며, 건축요소 배치 최적값을 

약 24.5% 향상시킨것을 입증하였습니다.

우리의 기술로 층수, 세대수, 근린생활시설 등

고객의 수요에 따른 최적안 도출이 가능합니다.

다양한 환경에서 최적화된

설계안과 사업성 제공

인공지능 농업 기술 대회 참가

AGIC(Autonomous Greenhouse Challenge)는 텐센트가 주최하는 대회로 

2018년에는 마이크로소프트, 구글이 우승했습니다. 

2019년 스페이스워크 머신러닝팀이 참가, 

가상온실에서 토마토를 최대로 재배하는 알고리즘을 설계하여

예선 2위의 우수한 성적을 거두었습니다. 

AGIC(Autonomous Greenhouse Challenge)는 

텐센트가 주최하는 대회로 2018년에는 

마이크로소프트, 구글이 우승했습니다. 

2019년 스페이스워크 머신러닝팀이 참가, 가상온실에서 

토마토를 최대로 재배하는 알고리즘을 설계하여

예선 2위의 우수한 성적을 거두었습니다. 

ⓒ 2020 SPACEWALK

스페이스워크 주식회사     사업자등록번호 : 306-86-00523     대표 : 조성현

서울특별시 성동구 왕십리로 125, 패스트파이브 서울숲 519호 

대표번호 : 02-2138-8030

일반문의   i@spacewalk.tech

채용문의   i+career@spacewalk.tech

홍보문의   i+media@spacewalk.tech

사업문의   biz@spacewalk.tech