Category: Tech
Tech 카테고리에 작성된 글 목록입니다.
-
엣지 AI를 위한 Micro-ROS LiDAR-to-Tensor 파이프라인 최적화: NTP 동기화와 메모리 파편화 격파기
고성능 LiDAR 데이터를 엣지 AI 모델로 전달하는 Micro-ROS 파이프라인에서 NTP 동기화와 메모리 파편화 문제가 발생했을 때, 실제 필드에서 효과적으로 해결했던 트러블슈팅 경험과 최적화 기법을 공유합니다.
-
실시간 LiDAR Point Cloud를 위한 LWIP UDP Fragmentation/Reassembly 최적화: ESP32-S3 기반 임베디드 시스템에서의 고난과 해법
ESP32-S3 기반 임베디드 시스템에서 대용량 LiDAR Point Cloud 데이터를 효율적으로 전송하기 위해 LWIP UDP fragmentation과 reassembly 로직을 최적화한 실전 경험과 코드를 공유합니다.
-
AI Agent 엣지 추론, LWIP를 넘어: 임베디드 시스템 실시간 데이터 전송 최적화 삽질기
엣지 AI Agent의 실시간 추론 데이터를 LWIP 기반 임베디드 시스템에서 저지연으로 전송하기 위한 네트워크 스택 최적화 과정과 실제 벤치마크 데이터를 공유합니다.
-
Rust 임베디드: LWIP 소켓 버퍼 최적화를 통한 초고속 센서 데이터 스트리밍
Rust 기반 임베디드 시스템에서 LWIP 네트워크 스택의 소켓 버퍼를 튜닝하여 고성능 센서 데이터 스트리밍을 달성하는 엔지니어링 접근법을 다룹니다.
-
RISC-V 엣지 AI, Rust & LWIP: 간헐적 추론 지연과 UDP 패킷 손실 심층 분석
RISC-V 기반 엣지 AI 디바이스에서 Rust와 LWIP를 사용하여 실시간 추론 데이터를 전송할 때 발생하는 간헐적 성능 저하 및 UDP 패킷 손실 문제를 심층 분석하고 해결책을 제시한다.
-
AI Agent를 활용한 임베디드 코드 디버깅 효율화: 엔지니어 시점 분석
임베디드 시스템 개발에서 AI Agent가 디버깅 과정을 어떻게 혁신하고 효율성을 증대시키는지 엔지니어적 관점에서 분석합니다.
-
LWIP 스택, 임베디드 네트워크 성능의 핵심: 최적화 전략 분석
LWIP 스택은 임베디드 시스템의 네트워크 처리 성능에 결정적인 영향을 미친다. 이 글에서는 LWIP의 주요 구성 요소를 분석하고, 실제 환경에서 적용 가능한 최적화 전략들을 엔지니어의 시각에서 심층적으로 다룬다.
-
AI 에이전트를 활용한 임베디드 코드 디버깅 효율화 전략
AI 에이전트가 임베디드 시스템 개발 과정, 특히 디버깅 단계에서 어떻게 효율성을 증대시키는지 엔지니어 관점에서 분석합니다.
-
Rust 언어를 이용한 임베디드 시스템 개발: 장점과 단점 심층 분석
임베디드 시스템 개발에 Rust 언어를 도입할 때의 주요 장점인 메모리 안전성, 성능, 강력한 툴링과 단점인 학습 곡선, 컴파일 시간 등을 심층 분석한다.
-
[STM32] LWIP TCP/IP 스택 구현 가이드: 임베디드 네트워크 통합
STM32 마이크로컨트롤러에 LWIP TCP/IP 스택을 구현하여 임베디드 시스템에 네트워크 기능을 통합하는 상세 가이드입니다. CubeMX 설정부터 실제 코드 구현까지 다룹니다.