[울산=뉴시스] 구미현 기자 = 국내 연구진이 서로 다른 종류의 로봇이 수집한 데이터를 효과적으로 공유할 수 있는 연합학습 기술을 개발했다. 로봇마다 다른 카메라와 촬영 환경에서 발생하는 데이터 차이를 학습 과정에 반영해 낯선 환경에서도 카메라만으로 주변 거리와 공간을 보다 정확하게 파악할 수 있도록 한 기술이다.

울산과학기술원(UNIST)은 인공지능대학원 주경돈 교수팀은 이기종 로봇의 데이터 이질성 문제를 해결한 단안 깊이 추정 연합학습 기술 '페뎁스(FeDepth)'를 개발했다고 3일 밝혔다.

단안 깊이 추정 AI는 한 대의 카메라로 촬영한 영상만을 이용해 물체와 주변 환경까지의 거리를 추정하는 기술이다. 복잡한 거리 센서 없이도 공간 정보를 파악할 수 있어 자율주행과 물류·배송, 서비스 로봇, 재난 구조 등 다양한 분야에서 활용 가능성이 높다.

문제는 로봇마다 카메라의 특성과 활동 환경이 크게 다르다는 점이다. 예를 들어 숲을 비행하는 드론과 실내에서 움직이는 서빙 로봇은 촬영 시야와 영상에 담기는 정보가 서로 다르다. 기존 연합학습은 각 로봇이 학습한 결과를 단순히 평균해 통합하기 때문에 이 같은 차이가 충분히 반영되지 않아 성능이 떨어질 수 있다.

연구팀은 이를 해결하기 위해 영상 특성이 비슷한 로봇끼리 학습 결과를 공유하되, 하나의 로봇이 여러 그룹에 동시에 참여할 수 있는 '소프트 클러스터링(soft clustering)' 방식을 적용했다. 이에 따라 숲을 촬영한 드론은 산림 환경에서 활동하는 사족보행 로봇과 함께 학습하면서도, 다른 환경의 로봇과 공유할 수 있는 정보는 함께 활용할 수 있다.

특히 각 로봇의 원본 영상을 중앙 서버로 전송하지 않고 학습 결과만 공유하기 때문에 통신 부담을 줄이고 영상 데이터의 외부 유출도 방지할 수 있다.

실험 결과 페뎁스를 적용해 세 종류의 깊이 추정 AI 모델을 학습한 경우, 기존 연합학습 방식보다 거리 추정 상대 오차가 약 17~32% 감소했다. 또한 소프트 클러스터링 방식만 별도로 검증한 결과에서도 각 로봇을 하나의 그룹에만 배정하는 기존 군집 연합학습보다 상대 오차가 0.264에서 0.249로 약 6% 줄었다.

이번 연구에는 이강현·이인하 연구원이 제1저자로 참여했으며, 윤성환 교수팀과 공동으로 수행했다.

주경돈 교수팀은 "페뎁스는 서로 다른 로봇과 환경에서 확보된 데이터를 원본 영상 공유 없이 효과적으로 공동 학습할 수 있도록 한 기술"이라며 "자율주행을 비롯해 물류·배송, 서비스 로봇, 재난 구조, 산림 감시 등 다양한 분야에 활용될 수 있을 것으로 기대한다"고 밝혔다.

연구 결과는 컴퓨터 비전 분야 국제학술대회인 '유럽 컴퓨터 비전 학술대회(ECCV) 2026'에 채택됐다. ECCV 2026은 오는 9월 8일부터 12일까지 스웨덴 말뫼에서 개최된다.

이번 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 AI Bots 협업 플랫폼 및 자기조직 인공지능 기술개발, 인공지능대학원지원, AI스타펠로우십지원사업과 한국연구재단의 이기종 에이전트 간 적응가능한 3차원 공간인지를 위한 동적 비전 센서 중심의 지능형 융합 센서팩 사업의 지원을 받아 수행됐다.


◎공감언론 뉴시스 gorgeouskoo@newsis.com