실내 로봇이 숲속 드론 지혜 배운다… UNIST, 연합학습 '페뎁스' 개발
로봇 서로 다른 ‘눈’ 하나로, 거리 추정 연합학습 기술 개발
다른 기종 로봇 간 데이터 이질성 해결, AI 모델 연합학습법
UNIST 연구진이 서로 다른 환경을 누비는 로봇들이 원본 데이터 유출 없이 거리 추정 정확도를 대폭 끌어올릴 수 있는 인공지능(AI) 학습 기술을 개발했다.
카메라 영상만으로 낯선 지형의 깊이와 거리를 정밀하게 측정하는 로봇 AI 기술이다. 로봇 간 수집 데이터를 직접 공유하지 않고도 학습 성과만 나누는 방식이라 개인정보 침해나 통신 과부하 우려도 크게 덜었다.
UNIST(울산과학기술원) 인공지능대학원 주경돈 교수 연구팀은 단안 카메라 기반의 깊이 추정 AI 모델을 효율적으로 학습시키는 연합학습 기술 '페뎁스(FeDepth)'를 개발했다고 3일 전했다.
기존 연합학습 방식은 시야각과 주행 환경이 완전히 다른 로봇들의 학습 결과를 단순 평균 내는 한계가 있었다. 실내를 달리는 서빙 로봇과 산악지대를 비행하는 드론의 데이터를 그대로 섞다 보니 AI의 정밀도가 오히려 떨어지는 부작용이 발생한 것이다.
연구팀은 영상 특성이 유사한 로봇끼리 묶되, 하나의 로봇이 여러 그룹에 동시에 속할 수 있는 '소프트 클러스터링' 기법으로 이를 해결했다. 숲을 찍는 드론을 사족보행 로봇 그룹과 도심 비행 드론 그룹에 중복 배치하는 식이다. 이 방식으로 서로 다른 데이터가 무분별하게 섞이는 현상은 막고, 공통된 공간 특성은 빠짐없이 흡수하도록 했다.
성능 검증 결과는 확실했다. 페뎁스를 적용한 AI 모델은 기존 연합학습 방식 대비 거리 추정 상대 오차가 약 17∼32% 감소했다. 로봇을 여러 그룹에 중복 배치하는 방식 자체만으로도 단일 그룹 배치 방식보다 오차가 약 6% 줄어들었다.
꼭 봐야 할 주요 뉴스
"좋은 형이었던 만큼, 자수하길 바랐다"…'리트 만점' 이진우 대학 동기들 애도
이번 기술은 원본 영상 유출 없이 학습 모델만 교환하기 때문에 사생활 보호와 통신 비용 절감을 동시에 달성했다는 평가를 받는다. 자율주행차는 물론 물류 배송, 재난 구조, 산림 감시 등 다양한 분야에 즉시 적용할 수 있을 것으로 기대된다.
연구팀은 이번 기술이 원본 데이터를 내보내지 않고도 로봇 종류와 환경 차이를 완벽히 반영하도록 설계됐다고 설명했다.
이번 연구 결과는 컴퓨터 비전 분야 세계적 권위의 학술대회인 '유럽 컴퓨터 비전 학술대회(ECCV 2026)'에 채택돼 오는 9월 스웨덴 말뫼에서 발표될 예정이다.
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>