.svg)
AI 솔루션 문의하기
배달로봇이나 실내 이동로봇은 자동차보다 훨씬 낮은 눈높이에서 주변을 살핍니다. 자동차라면 무시하고 지나갈 수 있는 낮은 문턱이나 계단 한 단이 이런 로봇에게는 주행을 막는 실질적인 장애물이 됩니다. 로봇의 실제 눈높이에서 촬영한 낮은 턱, 배수로, 계단 같은 지면 단차 데이터를 폭넓게 확보하는 작업이 이 로봇들의 장애물 인식 데이터 구축에서 가장 먼저 다뤄야 할 부분입니다.
자동차 중심으로 구축된 기존 데이터를 그대로 가져다 쓰면 이런 저고도 장애물을 상당수 놓치게 됩니다. 도로 위를 달리는 차량용 데이터셋이 아무리 방대해도, 인도와 건물 안팎을 오가는 로봇에게는 애초에 다루지 않는 눈높이의 세상을 새로 기록해야 하는 셈입니다.
로봇이 보행자와 가까이서 마주치는 순간, 그 사람이 다음에 어느 방향으로 발을 디딜지 예측하는 일이 중요해집니다. 상반신의 움직임만으로는 이 예측이 충분하지 않은 경우가 많습니다. 보행자의 다리와 발의 움직임을 별도로 촬영해, 걸음의 방향과 속도 변화를 예측하는 데 필요한 데이터를 함께 구축하는 절차가 필요합니다. 좁은 통로나 인파가 몰리는 구간에서는 이 예측의 정확도가 곧바로 충돌 회피 성공률로 이어집니다. 사람은 정면으로 다가오다가도 순간적으로 방향을 바꾸는 경우가 많아, 상반신의 진행 방향만 보고 판단하면 실제 발걸음의 변화를 한 박자 늦게 따라가게 됩니다.
반려동물이나 유모차는 일반 보행자와는 다른 움직임 패턴을 보입니다. 반려동물은 갑작스럽게 방향을 바꾸고, 유모차는 보행자보다 폭이 넓으면서도 예상치 못한 지점에서 멈춰 섭니다. 일반 보행자와 구분되는 대상을 별도 범주로 분류하고, 각 대상의 특징적인 움직임 패턴을 반영한 데이터를 갖추는 작업을 두면 이런 예외적인 대상 앞에서도 로봇이 더 신중하게 반응하도록 만들 수 있습니다. 이런 대상은 발생 빈도는 낮지만 마주쳤을 때의 위험도가 상대적으로 커서, 데이터 수량이 적더라도 소홀히 다룰 수 없는 항목입니다. 목줄이 풀린 반려동물처럼 보호자와 함께 있어도 예측이 어려운 상황은 별도 사례로 모아 두어, 흔한 상황만으로 학습한 모델이 이런 순간에 당황하지 않도록 대비해야 합니다.
바람에 날리는 비닐봉지나 낙엽, 그림자의 흔들림은 카메라에는 움직이는 물체로 잡히지만 실제로는 피할 필요가 없는 대상입니다. 이런 움직임까지 매번 장애물로 인식해 멈추면 로봇의 이동 자체가 원활하지 않습니다. 실제 충돌 위험이 있는 물체와 무해한 움직임을 구분할 수 있도록, 두 유형의 사례를 나란히 학습시키는 절차가 필요합니다. 이 구분이 정교해질수록 로봇은 불필요한 정지 없이 자연스럽게 이동할 수 있습니다.
건물 안에서 밖으로, 혹은 그 반대로 이동하는 로봇은 짧은 구간 안에서 조명과 바닥 재질이 완전히 달라지는 상황을 마주합니다. 이 전환 구간에서는 인식 오류가 유독 늘어나는 경향이 있습니다. 출입구 통과 시점의 조명 변화와 바닥 단차를 함께 촬영한 데이터를 별도로 구성하는 작업을 두면, 실내외 전환이라는 특수한 조건에서도 인식 정확도를 유지할 수 있습니다. 문을 통과하는 짧은 순간에는 로봇이 판단해야 할 정보가 한꺼번에 바뀌기 때문에, 이 구간만을 따로 떼어 집중적으로 데이터를 보강하는 편이 전체 인식률을 끌어올리는 데 효율적입니다.
장애물을 인식했다고 해서 항상 멈춰야 하는 것은 아닙니다. 옆으로 우회할 여지가 있는 장애물과, 진로 전체를 막고 있어 정지가 불가피한 장애물은 서로 다른 대응이 필요합니다. 장애물의 크기와 주변 여유 공간을 함께 인식해, 우회 가능 여부를 판단하는 데이터를 갖추는 절차가 필요합니다. 이 판단이 정확할수록 로봇은 불필요하게 멈추는 대신 자연스럽게 경로를 조정하며 이동할 수 있습니다. 사람이라면 순간적으로 몸을 살짝 틀어 지나가는 좁은 틈도 로봇에게는 별도로 학습해야 하는 판단 대상이어서, 이런 미세한 우회 가능성까지 데이터에 담아야 로봇의 이동이 사람의 자연스러운 걸음에 가까워집니다.
자율주행 로봇의 장애물 인식 데이터는 사람의 눈높이나 자동차의 눈높이를 벗어나, 로봇만의 고유한 시야에서 세상을 다시 담아내는 작업입니다. 문턱 하나, 보행자의 발걸음 하나, 바람에 날리는 비닐봉지 하나까지 이 시야 안에서는 저마다 다른 의미를 지닙니다. 또한 이 데이터를 구축하는 일은 로봇이 처한 낮고 좁은 시야를 사람이 대신 상상하며, 그 시야에서 진짜 조심해야 할 것과 그렇지 않은 것을 하나하나 가려주는 작업입니다.
.svg)
.svg)
