SLAM

개요

SLAM(Simultaneous Localization and Mapping)은 로봇이 낯선 공간에서 자신의 위치를 추정하는 것과 그 공간의 지도를 만드는 것을 동시에 수행하는 기술이다. 지도가 있어야 위치를 알 수 있고, 위치를 알아야 지도를 정확히 그릴 수 있다는 순환 문제를 함께 풀기 때문에 이름에 "동시적(simultaneous)"이 들어간다.

루프 클로징과 재방문

로봇이 이전에 지나간 지점을 다시 인식하는 것을 루프 클로징(loop closing)이라 부른다. 이 순간에 누적된 위치 오차를 한 번에 바로잡을 수 있기 때문에 SLAM 품질을 좌우하는 핵심 단계다. 새 특징점 매칭 기법이 조명이 바뀐 재방문 시나리오에서도 정확도 저하 없이 동작한 사례가 보고되면서, 장시간 자율주행에서의 오차 누적 문제가 눈에 띄게 완화되고 있다.

반사면이라는 남은 난제

유리벽이나 거울처럼 빛을 반사하는 표면은 여전히 SLAM의 골칫거리다. 카메라 기반 특징점 매칭이 반사된 상을 실제 물체로 착각해 루프 클로징을 잘못 매칭하는 사례가 반복해서 보고되고, 아직은 반사면 구간을 수동으로 마스킹하는 임시방편이 커뮤니티에서 공유되는 수준에 머물러 있다. 유리 인테리어가 많은 실내 배치일수록 이 문제의 영향이 커진다.

ROS 2 같은 로봇 미들웨어와 SLAM 파이프라인을 하나의 프로세스로 통합하려는 시도도 이어지고 있다. 지도 작성 노드와 제어 루프 노드 사이에 별도의 브릿지 코드를 짜지 않아도 되면, 개발 난이도와 엔드투엔드 지연이 함께 줄어든다.