학습 단계부터 노이즈에 적응 새 접근법 제시
사족보행 로봇 Unitree Go1 적용 성공
높이 18㎝ 계단, 폭 70㎝ 틈새 무리없이 통과
사족보행 로봇 Unitree Go1 적용 성공
높이 18㎝ 계단, 폭 70㎝ 틈새 무리없이 통과
|
그러나 실제 환경에서는 조명 변화와 센서 오차로 인해 시각 정보에 노이즈가 발생하면서 로봇의 판단력과 주행 성능이 저하되는 문제가 있었다.
국내 연구진이 이러한 한계를 극복할 수 있는 기술을 개발해 세계 로봇공학계의 주목을 받고 있다.
한국기술교육대학교 컴퓨터공학부 한연희 교수 연구팀은 '깊이 영상의 센서 노이즈에 강인한 사족보행 로봇 파쿠르 기술'을 개발했다고 24일 밝혔다.
깊이 영상은 카메라와 물체 사이의 거리를 픽셀 단위로 측정한 영상으로, 로봇이 계단과 단차, 틈, 장애물 등 주변 지형의 3차원 구조를 파악하는 데 활용되는 핵심 정보다.
이번 연구는 실제 환경에서 발생하는 깊이 영상의 노이즈 영향을 최소화해 로봇이 복잡한 장애물을 안정적으로 통과할 수 있도록 한 것이 핵심이다.
연구 성과는 로봇공학·자율주행·지능형 시스템 분야 최고 권위 학술대회인 'IROS 2026'에 DAWN 이라는 제목의 논문으로 채택됐다.
연구팀은 오는 9월 27일부터 10월 1일까지 미국 펜실베이니아주 피츠버그에서 열리는 학술대회에서 연구 결과를 발표할 예정이다.
사족보행 로봇은 깊이 영상을 기반으로 주변 환경을 입체적으로 인식한다. 하지만 햇빛과 그림자, 조명 변화, 지면 재질 등 다양한 외부 요인으로 인해 깊이 영상에 노이즈가 발생하면 지형 인식 정확도가 크게 떨어진다.
기존에는 후처리 필터를 이용해 노이즈를 제거했지만 환경 변화에 따라 반복적인 조정이 필요해 실제 활용에 제약이 있었다.
연구팀은 노이즈를 사후에 제거하는 대신 학습 단계에서부터 노이즈에 적응하도록 하는 새로운 접근법을 적용했다.
연구팀이 개발한 DAWN은 노이즈가 포함된 영상과 정상 영상을 함께 학습해 로봇이 불완전한 시각 정보 속에서도 지형의 핵심 특징을 정확하게 파악하도록 설계됐다.
이를 통해 실제 주행 시 별도의 필터링이나 추가 연산 없이도 안정적인 성능을 유지할 수 있다.
연구팀은 해당 기술을 사족보행 로봇 'Unitree Go1'에 적용해 성능을 검증했다.
특히 가상 시뮬레이션 환경에서만 학습한 뒤 실제 환경에 별도 보정 없이 바로 적용하는 'Sim-to-Real' 및 '제로샷' 방식으로 실험을 진행했다.
실험 결과 로봇은 높이 18㎝ 계단을 오르고 폭 70㎝의 틈을 뛰어넘었으며 높이 45㎝의 장애물도 안정적으로 통과했다.
가상 환경에서 학습한 기술이 실제 환경에서도 효과적으로 작동한다는 점을 입증한 것이다.
이번 연구는 컴퓨터공학과 박사 수료생 최요한 학생이 제1저자로 참여해 연구 설계와 실험을 주도했으며, 석사과정의 김민준·김진성 학생이 공동 연구자로 참여했다. 또 전자공학과 김용재 교수가 공동 지도교수로 참여해 연구를 지원했다.
연구팀은 지난해 강화학습 기반 드론 제어 기술 연구로 IROS 2025에 논문을 발표한 데 이어 2년 연속 IROS 논문 채택이라는 성과를 거뒀다.
최요한 학생은 "학습 단계에서 노이즈를 직접 다루도록 모델을 설계하는 것만으로도 실제 환경에서 별도 필터 튜닝 없이 로봇이 안정적으로 험지를 통과할 수 있음을 확인한 점이 가장 뜻깊었다"고 말했다.
한연희 교수는 "이번 연구는 학생 연구자들이 문제 정의부터 실제 로봇 검증까지 전 과정을 주도해 거둔 성과라는 점에서 더욱 의미가 크다"며 "불완전한 센서 데이터와 다양한 환경 변화에 대응해야 하는 실환경에서의 로봇 인식 기술의 안정성을 높이는 데 기여할 것으로 기대한다"고 강조했다.
