로봇 인식

개요

로봇 인식(perception)은 카메라·라이다 같은 센서에서 들어오는 원시 신호를 로봇이 판단에 쓸 수 있는 형태 — 물체의 종류, 위치, 자유 공간의 경계 — 로 바꾸는 계층이다. SLAM이 "나는 어디에 있는가"를 답한다면, 인식은 "내 주변에 무엇이 있는가"를 답한다. 자율 주행이든 조작이든, 이 답이 틀리면 그 위에 쌓은 판단도 함께 틀린다.

센서 융합

단일 센서만으로는 신뢰할 수 있는 인식이 어렵다. 카메라는 텍스처와 색상 정보에 강하지만 조명 변화와 반사면에 취약하고, 라이다는 거리 측정이 정확하지만 물체의 종류를 구분하는 데는 약하다. 두 센서의 데이터를 함께 쓰는 융합 방식이 각 센서의 약점을 서로 보완하는 표준 접근으로 자리 잡았다.

실시간성 요구

인식 결과는 로봇이 실시간으로 움직이는 동안 계속 갱신되어야 쓸모가 있다. 인식 파이프라인이 한 프레임을 처리하는 데 걸리는 시간이 로봇의 이동 속도보다 느리면, 판단이 이미 지나간 상황을 근거로 이뤄지는 지연 문제가 생긴다. 이 때문에 인식 모델을 가볍게 만들어 온보드에서 돌리려는 최적화가 SLAM·제어 계층의 지연 개선과 나란히 진행되는 경우가 많다.

인식과 SLAM은 실제로는 하나의 파이프라인에서 서로의 결과를 주고받는 경우가 대부분이다. 인식이 뽑은 랜드마크가 SLAM의 루프 클로징 후보가 되고, SLAM이 추정한 위치가 다시 인식 결과의 신뢰도를 보정하는 데 쓰인다.