DGIST-MIT 연구팀, 세계 로봇 비전 챌린지 1위…비정형 환경 인식 기술 입증

ICRA 2026 GOOSE 챌린지서 56개 팀 제쳐
자율주행·재난대응 로봇 핵심 시각인지 기술 경쟁력 확인

대구경북과학기술원(DGIST)과 미국 매사추세츠공과대학(MIT) 공동 연구팀이 세계 최고 권위의 로봇 학술대회에서 열린 로봇 비전 챌린지에서 1위를 차지했다. 정형화되지 않은 야외 환경에서도 희소 물체를 정확히 인식하는 인공지능(AI) 기술력을 입증하며 차세대 자율주행과 필드 로봇 분야 경쟁력을 확인했다.

DGIST는 9일 윤성훈 전기전자컴퓨터공학과 교수와 임형태 MIT 박사후연구원이 이끄는 공동 연구팀이 '2026 국제 로봇공학 및 자동화 학술대회(ICRA 2026)' 필드 로봇 워크숍에서 열린 'GOOSE 2D 시맨틱 분할 챌린지'에서 전 세계 56개 참가팀을 제치고 최종 1위를 차지했다고 밝혔다.

윤성훈 DGIST 교수팀이 '2026 ICRA'에서 'GOOSE 2D 시맨틱 분할 챌린지' 부문 1등을 차지했다. DGIST 제공

이번 대회는 독일 프라운호퍼 IOSB 연구소, 뮌헨 연방군대학교, 코블렌츠대학교가 공동 주관했다. 필드 로봇이 실제 야외 환경에서 마주하는 복잡한 장면을 얼마나 정확하게 이해하는지를 평가하는 국제 경연이다.

대회에 활용된 'GOOSE 데이터셋'은 굴삭기와 4족 보행 로봇 등 다양한 플랫폼에서 수집한 비정형 야외 데이터를 기반으로 한다. 일반적인 자율주행 데이터셋이 도심 도로 중심인 것과 달리 불규칙한 지형과 다양한 장애물이 존재하는 실제 환경을 반영해 난도가 높다.

특히 올해는 평가 대상이 64개 세부 클래스로 확대되면서 출현 빈도가 매우 낮은 '희소 물체(Long-tailed Class)'까지 정확하게 식별해야 하는 과제가 추가됐다. 이러한 희소 물체 인식 실패는 실제 자율주행이나 현장 로봇 운용 과정에서 안전사고로 이어질 수 있어 핵심 평가 요소로 꼽힌다.

연구팀은 미국 AI 기업 메타가 개발한 자기지도 학습 기반 파운데이션 모델 'DINOv3'와 영상 분할 모델 'Mask2Former'를 결합한 독자 프레임워크를 개발했다. 해당 기술은 광량 변화, 복잡한 배경, 비정형 지형 등 다양한 환경 변화 속에서도 안정적인 시각 인식 성능을 유지한 것으로 평가받았다.

윤성훈 DGIST 전기전자컴퓨터공학과 교수 연구팀. 왼쪽부터 윤 교수, 이상진, 최효빈, 박재일. DGIST 제공

특히 데이터가 부족해 AI가 놓치기 쉬운 희소 객체 판별 성능을 크게 향상시켜 치명적인 인식 오류를 줄이는 데 성공했다. 이에 따라 자율주행 차량뿐 아니라 재난 대응 로봇, 스마트 농업, 건설 현장 로봇 등 다양한 산업 분야에 적용될 수 있을 것으로 기대된다.

윤성훈 DGIST 전기전자컴퓨터공학과 교수는 "예측 불가능한 비정형 야외 환경에서 장면을 정밀하게 이해하는 기술은 필드 로봇의 자율성과 안전성을 보장하는 핵심 기술"이라며 "이번 성과를 바탕으로 실제 산업 현장에 즉시 적용할 수 있는 강력한 시각 인지 기술 연구를 지속적으로 발전시켜 나가겠다"고 말했다.

DGIST는 이번 성과가 MIT 등 해외 연구기관과의 공동 연구를 통해 거둔 결과로, 향후 글로벌 로봇·AI 연구 협력 확대와 기술 상용화에도 도움이 될 것으로 기대했다.

김종화 기자 justin@asiae.co.kr