에퍼런스 vs 라이너

에퍼런스 장단점

• H-01 카메라는 5MP 글로벌 셔터 센서를 탑재해 빠르게 움직이는 객체도 블러 없이 캡처할 수 있어 동적인 로봇 환경에서 유리합니다. 2560x1440 해상도의 RGB와 Depth 데이터를 동시에 출력하므로 객체 인식과 거리 측정을 한 번에 처리할 수 있어 개발 효율성이 높습니다. 140도 FOV 렌즈는 좁은 실내 공간에서도 넓은 커버리지를 제공해 로봇이 사각지대 없이 환경을 인식할 수 있습니다. 인간 시각 원리 기반의 알고리즘은 기존 스테레오 비전이 약한 텍스처가 없는 벽면이나 반사 표면에서도 더 자연스러운 depth 추정을 목표로 합니다.

• Efference는 비교적 신생 기업이라 Intel RealSense나 Orbbec처럼 방대한 개발자 커뮤니티와 검증된 SDK 생태계가 아직 갖춰지지 않아, 문제 발생 시 해결 가이드를 찾기 어려울 수 있습니다. 가격 정보가 공개적으로 투명하지 않아 프로젝트 예산 책정 시 사전 문의가 필요합니다. 하드웨어 성능은 스펙상 우수해 보이지만, 실제 산업 현장에서의 내구성과 장기 안정성에 대한 축적된 데이터가 부족합니다. ROS(로봇 운영체제) 등 주요 플랫폼과의 호환성 문서도 경쟁사만큼 체계화되어 있지 않아 초기 세팅에 시행착오가 있을 수 있습니다.

라이너 장단점

• 답변에 출처가 함께 표기돼 사실 확인이 빠르고, 학술 자료 기반이라 일반 챗봇보다 근거를 따져 보기 좋습니다
• GPT·Claude·Gemini 등 여러 모델을 한 화면에서 골라 같은 질문에 다른 답을 비교할 수 있습니다
• 검색 결과를 인용·레퍼런스로 자동 정리하거나 최대 20장 슬라이드로 바꿔 줘 리서치 후속 작업이 줄어듭니다
• Liner Scholar로 학술 데이터베이스에 특화된 심층 리서치까지 같은 생태계에서 이어 갈 수 있습니다

• 무료 플랜은 고급 검색이 하루 3회, 에이전트 크레딧이 월 100개로 제한돼 본격적으로 쓰려면 유료 전환이 사실상 필요합니다
• 강점이 검색·리서치에 쏠려 있어 긴 글쓰기나 코드 작성이 주 목적이라면 전용 도구가 더 낫습니다
• 답변이 출처를 인용하더라도 인용한 자료 자체의 신뢰도와 맥락은 사용자가 직접 검증해야 합니다

에퍼런스 주요 기능

• H-01 패시브 스테레오 시스템 (60mm 베이스라인)
• 5MP 글로벌 셔터 센서 — 고속 이동 객체 블러 없이 캡처
• Dual 400Hz IMU — 움직임 중 안정적인 깊이 측정
• 140° 광시야각(FOV) HDR 이미징
• GMSL2 차량용 인터페이스 지원
• 인간 시각 기반 3D 복원 알고리즘 (그림자·폐색 활용)

라이너 주요 기능

• OpenAI, Anthropic, Google, Meta 등 8개 최신 AI 모델 선택 지원
• 출처 기반 AI 검색 및 학술 논문 연구 통합 워크플로우
• Liner Scholar: 학술 데이터베이스 기반 정확한 연구 보조
• 인용 및 레퍼런스 자동 생성
• 10,000,000명 이상의 학생·연구자 커뮤니티
• 50개국 이상에서 사용되는 다국어 지원