SK그룹 AI경연
Sign UpSign In
🚀 경연 주제Advanced 리그는 전문가 수준의 Physical AI 문제에 도전할 수 있습니다.
[주제 ①] 자율주행 경로 최적화 🧭
공기청정기 로봇이 목표 지점까지 최적 경로로 이동하여, 실내 주거 환경의 공기 오염을 효과적으로 감지 및 제거하는 알고리즘 개발
[주제 ②] On-device AI 구현을 위한 언어모델 경량화 🛠공기청정기 로봇에서 바로 동작하는 가볍고 빠른 언어모델을 개발, 제한된 리소스 환경에서 한국어 음성 명령을 정확하고 빠르게 처리하여 로봇 제어 API로 변환하는 경량 LLM 최적화 기술 경쟁
🙋‍♂️ 참가 요건데이터 분석/AI 업무 경력 1년 이상 또는 관련 학위/자격을 보유한 사람들에게 권장됩니다.

📝 참가 신청 방법

0
Advanced 리그에 함께 참여할 팀원을 모아 팀을 구성합니다. (최소 2인에서 최대 3인, SK구성원 1명 필수 포함)
0
경연 플랫폼에서 경연 및 리그 정보를 꼼꼼히 확인합니다.
0
팀원들과의 상의를 통해 참여 주제를 결정합니다.
0
팀장 1명(SK 구성원)이 팀원 정보와 최종 확정한 참여 주제를 기입하여 신청서를 제출합니다. (~8/22, 23:59)
[주제 ①] 자율주행 경로 최적화 🧭
1. 주제 공기청정기 로봇(SK인텔릭스의 NAMUH X A1)이 목표 지점까지 최적 경로로 이동하여, 실내 주거 환경의 공기 오염을 효과적으로 감지 및 제거하는 알고리즘을 개발합니다.
2. 선정 배경 로봇 청소기로 대표되는 실내용 이동로봇 시장(서비스·가전)이 성장하고 있으며, 특히 코로나19 이후 공기질 관리는 필수 기능으로 부상하였습니다. 최근 SK인텔릭스는 NAMUH X A1 로봇을 공개하였는데, 해당 로봇이 실내 공간을 순회하면서 공기 센싱·청정을 수행하려면 정밀 자율주행과 상황 적응형 경로계획이 필요합니다.
3. 활용 목적실내 환경에 최적화된 자율주행 경로 개발을 목적으로 합니다. 참가자는 시뮬레이션 환경에서 카메라, 라이다(LiDAR), Multi ToF(Time of Flight) 기반으로 안정적인 주행 알고리즘을 개발해야 합니다. 특히 가정에서 마주할 수 있는 사람이나 반려동물, 소형 가구와의 충돌을 효과적으로 방지하는 이동 로직을 개발해야 합니다. 또한, 에어 센서에서 측정하는 향수, 요리 냄새, 미세먼지와 같은 다양한 오염도 데이터를 바탕으로 최적의 공기 청정 루트를 계획하는 것이 중요합니다. 오염된 공기를 감지했을 때 가장 효율적인 경로로 이동하여 빠르고 효과적으로 공기를 정화하는 인공지능은 공기청정 로봇의 핵심 경쟁력이 될 것입니다.
🔎 문제 정의
가정과 업무 공간에서 우리의 건강 및 안전과 직결되는 핵심 요소인 실내 공기질(Indoor Air Quality, IAQ)을 측정하고 청정 임무를 수행합니다.
1. 오염원 인지 및 예측 • 비치된 에어 센서와 로봇이 공간별 실시간 오염도 측정·해석 • 제공되는 동적 오염 이벤트(요리, 반려동물 활동, 창문 개방 등)로부터 발생 패턴을 학습·예측하여 청정 우선순위를 자율적으로 조정
2. 고차원 자율주행 • 센서 융합 (Multi‑ToF·카메라·LiDAR) 기반 실시간 위치추정 • 정적 장애물(가구)과 동적 장애물(사람, 다른 로봇)을 동시에 고려한 비충돌 경로 계획
3. 공기청정 임무 관리• 오염이 감지된 구역에 도달하면 이동을 정지하고 지정된 청정 동작을 수행(1s 당 오염도1 감소) • 청정 중 이동 금지 제약을 고려하여 다중 구역 청정 일정 최적화 • 모든 오염 구역 청정 후 출발 지점(도킹 스테이션)으로 자율 복귀
4. 실제 적용 가능성 확보• 개발 언어·프레임워크: ROS 2 Humble + Gazebo 11(Classic) 기반 베이스라인 코드
📊 데이터 설명
[🏁 맵 1] 투룸 (22평)• 특징: 비교적 좁고 기본적인 구조의 공간 • 주요 과제: 단순한 경로 계획 및 정적 장애물 회피
[🏁 맵 2] 저택 (54평)• 특징: 넓어진 공간, 사람 오브젝트 존재 • 주요 과제: 장거리 이동 및 동적 장애물 회피
[🏁 맵 3] 오피스 (76평)• 특징: 매우 넓은 공간, 복잡한 구조 • 주요 과제: 복잡한 경로 계획, 동적 장애물 회피
처음으로 돌아가기

🤖 로봇 센서 구성

⛳️ 평가

평가 지표
안전성 평가 기준 (70점)
• 넘어지거나 부딪히지 않고 완주하는가, 강한 충돌 감지 시 실격, 최초 충돌에 매우 큰 감점 • 움직이는 장애물 존재
시간 효율 평가 기준 (30점)
• 맵별로 타임 뱅크 부여, 1초에 1씩 감소 • 수행 완료 시 남은 타임 뱅크에 비례해 최대 30점 부여
청정도 평가 기준 (완료 필수)
• 에어센서로 오염이 감지된 지역으로 이동하여 청정 동작 수행 • 에어센서가 없는 부분은 직접 이동하여 오염을 감지해야 함 • 청정 동작 시 1초에 1씩 오염도 감소 • 한 군데라도 오염이 남아있으면 실격 • 동적 오염 발생 이벤트 : 오염은 방 단위로 발생, 오염도는 실시간으로 변화하며, 다양한 생활 패턴을 시뮬레이션한 이벤트 발생
평가 방식
1. 3가지 맵(22평, 54평, 76평)에서 각 3회 반복 실행 2. 평균 점수로 최종 순위 결정 3. 안전성과 청정도가 최우선 (강한 충돌 발생하거나 청정 미완료 시 실격)
처음으로 돌아가기

👀 참고 내용

실내용 이동로봇은 “센서 융합 SLAM”을 통해 실시간 위치 추정과 지도 생성을 동시에 수행합니다. 단일 센서 기반으로는 LiDAR-SLAM(정밀 거리)·Visual-SLAM(풍부한 특징)·IMU/VIO(고속 자세 보정) 등이 오래전부터 연구되었으나, 조명·텍스처·미세먼지 등 실내 특유의 환경 변화에 취약하다는 단점이 있습니다. 이에 최근에는 LiDAR-Vision-IMU 3중 융합이 주류로 자리 잡았으며, 파이프라인은 전처리→특징 추출→백엔드 최적화 단계로 통일되는 추세입니다. 센서 융합 방식은 LiDAR-Vision·LiDAR-IMU·Visual-IMU·LiDAR-Vision-IMU 네 계열로 구분되며, 융합 깊이가 깊을수록 실내 저조도·반사체·동적 장애 환경에서의 강건성이 높아지는 것으로 보고되었습니다. 추가적으로 휠 오도메트리와 공기질 변화 패턴을 보조 관측치로 활용하면, 로봇 도크 복귀 시 드리프트를 줄이고 오염원 클러스터를 지도 위에 열화(heat-map) 형태로 가시화할 수 있습니다.
ROS 2 Nav2는 SLAM 추정치를 입력 받아 전체 주행 파이프라인을 담당합니다. 핵심 모듈로는 Global Planner, BT Navigator, Local Planner, Recovery Behaviors 등이 있습니다. Nav2는 200개 이상 파라미터가 존재합니다, inflation_radius, sim_time, vx_max 등 15개 핵심 변수만 우선 조정하는 가이드가 공유되고 있습니다.
실내 환경에서는 고정 가구 외에 반려동물·사람·로봇청소기 등과 같은 이동 장애물이 자주 출현합니다. DWA(Dynamic Window Approach), Velocity Obstacle(VO) 와 같은 기법으로 공간에서 충돌 가능성을 기하학적으로 판단해 실시간 제어 입력을 산출합니다.
공기청정 로봇은 “오염 발생 위치가 시시각각 변한다”는 특수성을 고려해야 합니다. Global 방법으로는 A*, D* Lite, Hybrid A*.PRM / RRT* 등이 있습니다. Local 방법으로는 DWB, TEB(Time Elastic Band) 등이 있습니다. 동적 재계획(Re-planning)이나 강화학습 기반 개선 방법도 있습니다.
※ 자율주행 기술 이해를 위한 참고 내용입니다. 일부 기술은 경연에서 직접 활용이 되지 않습니다.
[주제 ②] On-device AI 구현을 위한 언어모델 경량화 🛠
1. 주제 공기청정기 로봇(SK인텔릭스의 NAMUH X A1)에서 한국어 음성 명령을 정확하고 빠르게 처리하여 로봇을 제어하는 경량 LLM을 개발합니다.
2. 선정 배경 기술의 패러다임이 클라우드 기반 AI에서 '엣지(Edge)'로 이동하고 있습니다. On-device AI는 클라우드 기반과 달리 데이터 처리 지연 시간을 줄이고, 개인정보 보호를 강화하며, 네트워크 연결 없이도 안정적인 서비스를 제공하는 핵심 기술로 부상하였습니다. 최근 SK인텔릭스는 NAMUH X A1 로봇을 공개하였는데, 해당 로봇이 사용자의 음성 요청을 이해하고 실제 동작을 적절히 수행하기 위해서는 탑재된 Qualcomm NPU 가 수행할 수 있는 2 GB 미만의 경량 LLM을 탑재해야 합니다.
3. 활용 목적공기청정 로봇이 사용자의 음성 명령을 정확하게 이해하고,이를 즉각적인 기기 제어 명령(Function Call)으로 변환하는 경량화된 언어모델 개발을 목적으로 합니다. 복합적인 자연어 명령을 한 번에 이해해 직관적이고 편리한 사용 경험을 제공하며, 모든 연산을 기기 내에서 처리해 즉각적이고 안정적으로 응답해야 합니다. 추가로, 경량화된 On-device AI 솔루션을 바탕으로 다양한 가전에 확장 가능하도록 설계하는 것이 경쟁력이 될 것입니다.
처음으로 돌아가기
🔎 문제 정의
실제 상용 제품에 적용 가능한 수준의 기술적 완성도를 갖추는 것이 중요합니다. 이는 단순한 정확도를 넘어, 하드웨어 제약 하에 최적의 성능을 구현하는 고도의 엔지니어링 역량을 평가합니다.
1. 강건한 음성 명령 이해• 표준어뿐만 아니라 다양한 소음, 사투리, 불명확한 발음이 섞인 한국어 음성/텍스트를 정확한 Function Call로 변환 • 특히, 수정이 어려운 STT 모델의 인식 오류까지 고려하여 강건성 확보
2. 경량 모델• 모델과 런타임 오버헤드를 포함하여 일정 기준 이하의 VRAM를 사용해야 하며, 이는 양자화(Quantization) 같은 모델 압축 기술이 필수적임을 의미
3. 실시간 응답• 음성 데이터가 입력된 후 경연 환경 기준으로 제한 시간 내에 최종 Function Call이 생성되어야 함 • 사용자 경험에 직결되는 매우 중요한 제약 조건
4. 고려 사항• Qualcomm NPU 탑재를 고려하여, 미리 정해진 모델만 Baseline으로 사용 가능 *사용 가능한 모델은 경연 문제와 함께 공개 예정

📊 데이터 설명

[WAV 입력] ↓ ①SenseVoice(STT) [문자열] ↓ ②Pre‑Cleaning (오탈자 교정·표준어 변환·특수기호 제거) ↓ ③LLM Inference (LLAMA 3.2 1B 기반의 모델) [Function Call] ↓ ④Post‑Validation (Schema check·Argument range check) ↓ ⑤Return
• 학습 데이터 · 텍스트-Function Call 쌍 데이터 (기본 제공) · 참가자가 직접 음성 합성 및 augmentation 수행 · Function list는 마스킹 처리(mapping table 별도 관리) • 평가 데이터 · 음성 파일 입력 (주최 측 제작) · 다양한 노이즈 및 STT 오류 패턴 포함 데이터 특징
• 음성 데이터 · 합성 음성 기반 (보안 이슈 없음) • Augmentation 권장 · 참가자가 OpenAI API 등을 활용한 데이터 증강 가능 · 노이즈, 사투리, 발음 변형 등 자유롭게 적용 • 기타 참고사항 · 주어진 STT 모델의 인식 오류 패턴 학습 필요 · 샘플 음성 데이터 제공 (인식 오류 이해용)
• Type 1: 파라미터 없는 단순 호출 (예: "전원 켜줘") • Type 2: 파라미터 있는 호출 (예: "온도 23도로 설정") • Type 3: 클라우드 라우팅 (예: "날씨 알려줘") • Type 4: Planning 필요 (예: "집안 전체 청소 후 환기")
처음으로 돌아가기

⛳️ 평가

평가 지표
정확도 (90점)
• Level 1 - 기본 (30점): 표준어, 조용한 환경, STT 오류 최소 • Level 2 - 중급 (30점): 약간의 노이즈, 방언 포함, STT 오류율 5-15% • Level 3 - 고급 (30점): 심한 노이즈, 불명확한 발음, STT 오류율 15-30%• 각 레벨별 평가 데이터: · Type 1~4 Function Call 균등 분포 · 단일/복합/Planning 명령 혼합
속도 (10점)
• 만점 기준: 모든 데이터를 속도 기준치 이내 처리 • 속도 기준치를 넘길 경우, 해당 데이터는 답변과 무관하게 오답 처리 (*속도 감점 기준치를 넘긴 데이터당 속도 점수 1점 감점) • 속도 점수가 0점 이하일 경우, 정확도와 무관하게 해당 제출을 0점 처리

👀 참고 내용

• 양자화(Quantization) : 모델을 구성하는 가중치의 수치 정밀도(precision)를 의도적으로 낮춰 모델을 경량화하는 기법입니다. 예를 들어, 32비트 부동소수점(FP32)으로 표현된 가중치를 4비트 정수(INT4) 등으로 변환하면 모델의 크기를 대폭 줄일 수 있습니다. 장점으로는 모델 저장에 필요한 공간과 추론 시 VRAM 사용량이 크게 감소하며, 연산 속도가 향상됩니다. 고려할 점으로는, 정밀도가 낮아지는 만큼 성능 저하가 발생할 수 있습니다. 이를 최소화하기 위해 GPTQ, AWQ와 같은 고급 양자화 기법을 적용합니다. • 지식 증류 (Distillation) - 크고 강력한 '교사 모델(Teacher Model)'의 지식을 작고 효율적인 '학생 모델(Student Model)'에 옮기는 학습 기법입니다. 교사 모델이 특정 데이터에 대해 내놓는 정답뿐만 아니라, 추론 과정이 담긴 예측 분포(Soft Label)까지 학생 모델이 학습하게 됩니다. 장점으로는 학생 모델은 특정 도메인에서 교사 모델과 유사한 성능을 내면서도, 훨씬 적은 연산 비용으로 운영할 수 있습니다. 단, 학습 데이터를 만들기 위해 교사 모델을 추론하는 과정에서 많은 비용이 발생할 수 있으며, 교사 모델이 가진 편향(bias)이나 한계를 그대로 학습할 위험이 있습니다.
주어진 Type 1~4 Function Call 데이터를 바탕으로, Supervised Fine Tuning(SFT) 을 비롯한 다양한 LLM 파인 튜닝 기법을 통해 주어진 입력에 맞는 Function Call을 스키마에 맞춰 생성할 수 있는 LLM을 파인 튜닝 할 수 있습니다. SFT는 가장 일반적인 학습 기법이며, GRPO 등 강화 학습 기반 다른 알고리즘을 도입하는 것도 가능합니다. 이 외에도, 보다 다양한 상황에서의 가상 데이터를 생성하고, 음성 인식 오류가 날 법한 음성 데이터, 음성 인식 오류가 발생한 텍스트 데이터 등 다양한 데이터를 증강 (Data Augmentation) 하여 다양한 상황에 대처할 수 있는 LLM 모델로 파인 튜닝 할 수 있습니다.
※ 언어모델 경량화 기술 이해를 위한 참고 내용입니다. 일부 기술은 경연에서 직접 활용이 되지 않습니다.

🎯 심사 기준

1. 본선 진출 팀 (Top 5) 결정*
• 정량 평가 100% (정확도 지표) • 단, 코드 Inspection 심사 후 진출 팀 결정
2. 최종 수상 팀 결정
• 정량 평가 95% (정확도 지표) · 예선 점수 50% · 본선 점수 45% • 정성 평가 5% (피칭 후 기술/활용성 평가)
* 본선 진출팀은 팀당 최소 1명 오프라인 본선(1박 2일) 참여 필수, 불가 시 차순위 팀이 본선 진출

🏆 Prize

[주제 ①] 자율주행 경로 최적화
[주제 ②] On-device AI 구현을 위한 언어모델 경량화
🤝 참가상 (결과를 1회 이상 제출한 팀)
팀원 1인당 20,000원

⚖️ 경연 Ground Rules

• 참가자는 본 경연의 참가 신청과 결과 제출 마감 일정을 준수하여야 합니다. • 인프라, 시스템 등의 이슈로 부득이하게 일정이 변경될 경우 공지사항 또는 이메일을 통해 안내합니다.
• Advanced 리그는 데이터 분석/AI 업무 경력 1년 이상 또는 관련 학위/자격을 보유한 사람들에게 권장됩니다. • Advanced 리그는 SK그룹 구성원 및 외부 구성원이 참가할 수 있습니다. 단, SK그룹 구성원 1명이 반드시 포함되어야 하며 외부 구성원만으로는 참가할 수 없습니다. • Advanced 리그는 팀(최소 2명, 최대 3명)으로만 참가 신청이 가능합니다. • Advanced 리그는 1개의 문제만 지원 가능합니다. • 경연 기간 중 문제는 단 1회만 변경 가능합니다. • Advanced 리그에 참가하는 구성원은 Vibe 코딩 리그에 참가할 수 없습니다. • 참가 신청서의 연락처, 이메일 등의 정보는 정확하게 기입해야 하며, 잘못 기입한 정보로 인한 불이익은 본인에게 귀속됩니다. • 참가 신청 시작은 8/6(수) 09:00, 참가 신청 마감은 8/22(금) 23:59 입니다. • 참가 신청 마감 기한 이후에 제출된 신청서는 인정되지 않습니다. • 경연 수행 시작일은 8/25(월) 9:00입니다. • 팀원 변경이 필요한 경우 참가 신청 마감일까지만 가능합니다.
• 경연 플랫폼에서 제공한 경연 자료를 이용함에 있어 다음 사항을 준수하며, 위반한 경우에는 이용 제한 등 어떠한 불이익 및 민∙형사 상의 법적 책임을 포함한 모든 책임을 감수해야 합니다. • 경연을 통해 제출한 코드와 알고리즘의 자산은 SK에 귀속됩니다. • 경연을 통해 취득한 자료와 지식을 외부 사업자에게 직간접적으로 전달하는 것은 엄격히 금지됩니다. • 경연 자료는 “경연 Portal 홈>Advanced 리그" 페이지에서 제공 또는 설명하는 모든 자료를 의미합니다. • 참가 팀은 아래의 사항을 준수 하여야 합니다. · 경연 플랫폼 이용 시 규정 및 이용조건 등의 의무를 준수하고, 신의에 따라 성실하게 이용합니다. · 제공받은 경연 자료를 승인 받은 목적(경연 수행) 외의 용도로 이용하거나 불법적인 용도로 이용하지 않습니다. · 제공받은 경연 자료를 불법 복제 등 외부 반출을 절대 금지하고 제3자에게 제공∙대여∙판매하지 않습니다. · 특히, 경연용 데이터는 절대로 외부 유출을 하지 않습니다. · 제공받은 경연 자료 중 비식별 정보를 다른 정보와 결합하여 재식별을 시도하거나, 개인을 식별할 수 있는 형태로 변경하는 등 개인 정보를 침해하는 어떠한 접근도 시도하지 않습니다. · 경연 자료는 이용 중은 물론, 이용 종료 후에도 업무상 알게 된 제반 사항을 일체 누설하지 않습니다. • 모든 참가 팀에게는 엘리스 런박스 개발 환경을 경연 도구로 제공하고, 문제에 따라 팀별 GPU가 포함된 동일한 Computing Resource가 제공됩니다. 추가적인 Computing Resource는 제공되지 않기 때문에 최적화를 고려해야 합니다.
• 결과는 경연 기간 중 최대 40회까지 제출 할 수 있으며 하루에도 여러 번 제출할 수 있습니다. • 예선 결과 제출 마감 일시는 9/19(금) 23:59입니다. • 참여팀은 경연 도구로 제공한 엘리스 플랫폼에서 제출할 결과물을 선택하여 제출해야 합니다. 제출 파일명, 제출 형식을 반드시 준수해야 하며 미준수 시 평가 대상에서 제외됩니다. • 모사, 수조작, 담합 등의 적절하지 못한 방법을 활용하여 문제를 해결할 경우 수상 및 참가상 지급 대상에서 제외됩니다. 운영진에서 수시 확인 및 수상 후보자 전원에 대한 결과물을 검수하오니 유의하시기 바랍니다. • 시스템 오류 및 고장, 불완전한 컴퓨터, 기타 통신 전송 오작동으로 인한 지연, 분실, 손상 등으로 인하여 잘못된 결과물이 제출되더라도 별도의 핸디캡(Handicap)으로 인정되지 않고 평가가 진행되며, 총 제출 가능 차수에서 차감합니다.
• 수상 후보(본선 진출 팀)는 결과 제출 마감 후 각 주제별 리더보드 순위 기준 상위 5개 팀이 선정되며, Code Inspection 후 확정됩니다. • 본선 진출팀은 오프라인으로 진행되는 본선에 1명 이상의 인원이 반드시 참가해야 하며 SK구성원이 최소 1명 이상 포함되어야 합니다. • 본선 진출 결과는 제출한 이메일과 휴대전화번호의 메시지로 통보합니다. 해당 팀은 선정을 거절할 수 있으며, 통보 수신 후 24시간 내 협조 요청을 수락하지 않으면 선정을 취소하고 차 순위 팀을 후보로 선정합니다. • 본선을 진행하며 운영진의 요청에 따라 결과물을 생성한 Source Code, Data, Model을 제출해야 합니다. 데이터는 합성, 증강된 데이터를 포함해야 하며, 모델을 재현 가능해야 합니다. • 또한, 제출 결과물에 대한 주요 내용과 활용 지식 및 레시피를 PPT로 작성하여 발표(Presentation)하고, Q&A에 응해야 합니다. • 본선 진출 팀의 최종 본선 점수는 제출한 Source Code, Data, Model 파일과 발표에 대한 평가위원의 점검(Inspection) 및 평가 결과에 따라 결정됩니다. 단, 점검 결과 부적절한 방법 사용 발견 시 실격 처리 되오니 유념하시기 바랍니다. • 최종 순위는 사전 안내된 정량 평가(예선 및 본선 점수)와 정성 평가(발표) 가중치에 따라 확정됩니다. • 최종 순위 확정 전 순위 조정, 실격 처리 발생 시 해당팀에게 이 사실을 통보합니다. 해당팀은 순위 조정 또는 실격 처리에 대해 이의를 제기할 수 있습니다.
• 평가위원의 평가 및 점검 완료 후 최종 순위가 확정되면 해당팀들에게 수상 여부, 조정 순위, 실격 여부를 확정 통지합니다. 확정 통지 내용에 대해서는 이의를 제기할 수 없습니다. • 수상 팀은 "수상자의 의무" 사항을 반드시 준수 및 이행해야 합니다. 의무 사항 준수 및 이행이 어려운 불가피한 상황이 발생할 경우 즉시 운영진과 협의하여야 합니다.
• 수상팀(SK구성원을 포함한 최소 1인)은 시상식에 반드시 참여해야 합니다. • 수상팀의 수상 동의는 다음의 사항을 포함합니다. · 성명, 소속 등의 개인정보 활용에 대한 동의 · 경연 활동을 통해 생성된 다양한 정보(영상, 자료 등)가 SK그룹 방송, 외부 매체(신문 등)에 홍보 목적으로 활용되는 것에 대한 동의
• 경연 운영진은 수시로 부정 행위 여부를 점검하며 부정행위 적발 시, 소속된 팀 전원이 실격 처리됩니다. • 실격에 해당하는 부정행위는 다음과 같습니다. · 모사, 수조작, 담합 등의 행위 · 경연 정보의 유출 및 공유 · 경연 정보의 상업적 활용 · 경연 플랫폼을 고의로 손상시키는 행위 · 경연 운영을 의도적으로 방해하는 행위 · 기타 사회통념상 공정한 경쟁에 반하는 것으로 판단할 수 있는 행위
• 경연 기간 동안 경연 플랫폼에 경연에 관련된 다양한 정보를 공지합니다. 최신 정보를 얻기 위해 주기적으로 경연 플랫폼의 공지 사항을 확인해야 합니다. • 경연 진행 및 경연 도구에 관한 질문은 경연 플랫폼의 커뮤니티 > 고객센터를 이용해 주시기 바랍니다. 일과시간(평일 09시~18시) 전/후의 문의는 답변이 늦어질 수 있습니다. • 경연 Ground Rules에 규정되지 않는 사항에 대해서는 사회 통념 상 원칙 및 대한민국 법률에 적용 받습니다.
처음으로 돌아가기