2026 TOPST 1기 인턴 - 중앙대학교

안녕안녕하십니까 🤪

2026년 TOPST 1기 인턴 박소연, 박명세, 서유빈, 이유진, 정은진입니다.

한 달 동안 텔레칩스에서 인턴십을 진행했고, 너무 좋은 경험이었어서 이렇게 공유해보고자 기록을 남깁니다!

1주차

우선 1주차에는 개발을 위한 D3-G, AI-G, VCP-G 보드 브링업에 집중했습니다~!

가장 설레는 1일차!!

기본적인 교육을 받고 업무용 컴퓨터와 입사 키드를 받았습니다.

인턴임에도 사원증이 생겨서 너무 두근거리고 신났어요 ~.~

첫날에는 간단한 회사 소개와 함께, 앞으로 한 달 동안 진행할 인턴 업무 흐름을 전반적으로 안내받았습니다~

2일차에 드디어 TOPST 보드들을 수령했습니다!!

각 보드들의 역할이랑 기능에 대해 학습한 후,
개발을 위해 브링업 하는 시간을 가졌습니다.

자세한 가이드는 아래 topst.ai 사이트에 친절하게 잘 나와있으니 참고하세요.

TOPST Bring Up Guide

그리고 커뮤니티 사이트에 가면 비슷한 단계에서 막힌 사람들의 질문도 확인할 수 있으니 꼭꼭 확인해보는 거 추천~~

그래도 저희가 1주차에 어떤 것들을 했는지
궁금해 하실 분들을 위해 브링업 과정과 확인한 것들 간단하게 아래에 적어놓겠습니당

• D3-G
  • Ubuntu 기반 Linux Image 빌드 및 시스템 플래싱
• AI-G
  • Yocto Project 기반의 임베디드 리눅스 구축
  • CNN 특화 NPU 기반 모델 추론
• VCP-G
  • FreeRTOS 기반 펌웨어 빌드
  • 동작 검증을 위해 LED와 LCD를 활용하여 각 task의 독립적 실행 및 실시간성 확인

2주차

2주차에는 브링업한 보드들이랑 친해지는 시간을 가졌습니다~!

가장 먼저 Telechips의 NPU인 AI-G보드랑 친해졌습니다.

AI 모델을 변환하고 보드에 올려서 결과를 확인해보는 실습을 진행했는데요,
Telechips에서 배포하는 TC-NN-Toolkit을 사용했습니다.

모델 변환은 “convert(darknet / tensorflow / onnx / pytorch → enlight) → quantized → compile” 의 과정을 통해 진행됩니다.

툴킷에 대한 보다 자세한 내용은 아래의 링크를 참고하세요.

TC-NN-TOOLKIT Guide

모델은 Yolov8과 UFLD를 변환하고자 했습니다.

Yolov8의 경우 별 문제 없이 잘 변환되고,
보드에 올린 후 객체 인식이 되는 것까지 확인할 수 있었습니다.

그러나 UFLD 모델의 경우 변환에 문제가 좀 있었는데요…
v1, v2 모두 변환을 지원하지 않는 레이어가 있어 변환이 실패한 것을 확인할 수 있었습니다 😔

변환이 되지 않는 레이어가 있다면 AI-G 보드에 못 올리는 거냐!!!!!

그건 또 아닙니다 다 방법이 있어요.

force-output을 통해 지원되지 않는 레이어를 확인 후 제거하고,
제거한 연산을 후처리 코드 수정을 통해 변환할 수 있습니다.
이렇게 후처리까지 한다면, 대부분의 모델은 AI-G에 올릴 수 있어요.

변환이 지원되지 않는 레이어는 TOSPT 홈페이지에서 확인할 수 있는데요, 필요하신 분들은 아래 링크에서 확인해주세요~

TC-NN-TOOLKIT Guide (force-output)

그리고 CAN 통신 기반 차량 제어에 대한 공부 및 실습도 진행했습니다.

CAN Transceiver를 활용해 D3와 VCP 보드 간의 통신을 구현하고, RC car를 제작했습니다.

D3-G에서 CAN을 통해서 VCP-G에 신호를 보내면 VCP-G가 신호에 따라서 제어가 됩니다.

추가적으로 D3-G에 블루투스 모듈을 연결해서 휴대폰에서 앱을 통해서도 제어를 해보았습니다.

어플은 BT Car Controlle-Arduino/ESP를 활용했습니다!

3~4주차

지난 2주 간 보드들과 친해지는 시간을 가져봤으니, 이제 저희만의 프로젝트를 진행해야겠죠~??

저희가 진행한 프로젝트는 바로~~~

2주차 때 어플로 제어했던 RC car를 “보드 3개를 모두 활용한 자율주행차”로 바꾸기!!!

전체적인 Sequence Diagram은 다음과 같습니다.

시스템을 구성할 때, 모든 로직이 끊기지 않고 안정적으로 돌아가게 하는 것에 초점을 두고 구성했습니다.
scale car지만 하나의 자율주행 자동차를 제작하는 것이 목표였기 때문에,
멀티스레드와 멀티태스킹 방식을 활용해 병렬로 동작할 수 있게 구현했어요.

각 보드의 세부적인 역할은 다음과 같습니다.

• AI-G 보드 (감지)

  • 연결된 카메라를 통해 YOLO v8s를 사용하여 인식한 객체 데이터 수집
  • 소켓 통신을 통해 D3-G로 전송

• D3-G 보드 (종합 판단)

  • 멀티스레드 구조→ 인지 처리, 통신, 판단 로직이 병렬로 동작
  • OpenCV → 차선 인식 및 조향각 결정
  • AI-G에서 전달 받은 객체 데이터 통합 분석 → 비상 조향 및 정지 판단

• VCP-G 보드 (물리 제어)

  • D3-G에서 내린 주행 명령 → 실제 물리 동작 수행
  • 멀티태스킹 수행

더 자세한 내용이 궁금하신 분들은 아래의 프로젝트 커뮤니티를 참고해주세요~!!

topst.ai에서 저희의 프로젝트를 확인하실 수 있습니다 TOPST community

그럼 저희의 완성 작품입니다~!

소감

박소연

           정말 짧게 느껴졌던 텔레칩스 인턴..! 진심으로 모두에게 감사한 시간이었습니다.
           처음에는 생각보다 어려워서 막막했는데, 매니저님들께서 많이 도와주시고,
           다른 인턴들과 함께 고민해나가며 성장할 수 있었습니다.
           학년이 높아지며 전공에 대한 흥미가 식어갔었는데, 이번 인턴을 통해 다시 열정을 찾을 수 있었던 것 같습니다. 감사했습니다 :)

박명세

           이번 과정을 통해 임베디드 개발의 전체적인 흐름을 바라볼 수 있게 되었습니다.
           열정 넘치는 사람들과 함께하면서 서로에게 배울 점이 많았고,
           그 분위기 덕분에 저 역시 더 적극적으로 참여하며 열심히 노력할 수 있었습니다.
           앞으로 무엇을 공부해야 할지 방향이 보이기 시작했다는 점에서 의미 있는 시간이었고, 함께한 모든 분들 감사했습니다.

서유빈

           프로그램을 효율적으로 구성할 수 있는 방법에 대해 고민하고,
           많은 것을 배울 수 있는 시간이었습니다.
           많은 조언해주신 매니저님들과 함께 고민해준 인턴 동기들에게 감사합니다~
           탑스트 사랑해요~ 연예가중계

이유진

           한 달 동안 이론으로만 알던 내용을 실제 프로젝트와 코드에 적용해 보면서,
           학교에서 배운 지식이 현업에서 어떻게 쓰이는지 체감할 수 있었습니다.
           실제로 구현해보니 개념을 정확히 이해하는 게 결국 좋은 피드백과 성능으로 이어진다는 걸 느꼈고,
           전공 공부를 더 탄탄히 해야겠다고 생각했습니다.
           자율주행 scale car를 만들며 센서, 인지, 제어, 임베디드 등의 분야가 다 연결되어 차세대 공학 지식의 총집합이라는 생각이 들었습니다.
           앞으로도 열심히 공부해서 멋진 공학도로 성장하고 싶습니다!
           팀장님과 여러 매니저님들, 그리고 함께 한 인턴 분들까지, 좋은 분들을 만날 수 있어서 정말 행복했고, 감사합니다~

정은진

            4주라는 시간이 어떻게 지나갔는지 모를 정도로 즐겁게 지냈던 것 같습니다.
           생소한 보드를 다루느라 프로젝트에 더 전념하지 못한 것에 대한 아쉬움도 남기도 하지만,
           정말 많이 배우고 성장했다는 것을 느낄 수 있었습니다.
           또한, 앞으로의 진로나 방향에 대해서도 진지하게 고민해 볼 수 있었던 좋은 기회였습니다.
           혼자가 아니라 함께라서 여기까지 끝까지 열심히 할 수 있었기에 함께 해준 분들께 정말 감사합니다.