UNIST 연구진이 서로 다른 로봇의 카메라와 촬영 환경에서 발생하는 데이터 이질성을 줄여 거리 추정 오차를 최대 32% 낮춘 연합학습 기술을 개발했다.
UNIST는 인공지능대학원 주경돈 교수팀이 로봇의 눈 역할을 하는 단안 깊이 추정 AI 모델을 학습시키는 새로운 연합학습 기술 ‘페뎁스(FeDepth)’를 개발했다고 3일 밝혔다.
로봇에 깊이 추정 AI 모델을 적용하면 복잡한 센서 없이 카메라로 들어온 정보만으로 거리를 가늠할 수 있다. AI 모델이 낯선 환경에서도 정확하게 판단하려면 방대한 데이터를 학습하는 것이 중요하다.
연합학습을 활용하면 각 로봇의 카메라가 수집한 데이터를 한곳으로 모으지 않고도 다른 로봇이 현장에서 축적한 학습 결과를 활용할 수 있다. 데이터를 전송하는 데 필요한 시간과 통신 비용을 줄이는 동시에 원본 영상이 외부로 나가지 않아 개인정보도 보호할 수 있다.
페뎁스는 이 같은 연합학습 과정에서 발생하는 데이터 이질성을 줄이는 기술이다. 숲을 비행하는 드론과 실내에서 움직이는 서빙 로봇처럼 카메라 시야각과 주변 환경 데이터의 성격이 다른 경우 일반적인 연합학습은 차이를 고려하지 않고 학습 결과를 하나로 평균 내 성능이 떨어질 수 있다.
페뎁스는 촬영 영상의 특성이 비슷한 로봇끼리 그룹으로 묶어 학습 결과를 따로 합치는 동시에 각 로봇을 하나의 그룹에만 고정하지 않는 ‘소프트 클러스터링(soft clustering)’을 적용했다.
예를 들어 숲을 촬영한 드론은 같은 숲을 누빈 사족 보행로봇과 한 그룹에 들어가는 동시에 도심을 촬영한 드론과도 다른 그룹을 구성할 수 있다. 이를 통해 지나치게 다른 데이터가 한꺼번에 섞이는 것을 막으면서 여러 로봇이 공유하는 특성을 학습에 활용할 수 있다.
실험 결과 페뎁스로 세 종류의 깊이 추정 AI 모델을 학습했을 때 일반적인 연합학습을 적용한 경우보다 거리 추정 상대 오차가 약 17~32% 감소했다.
여러 그룹에 로봇을 겹쳐 넣는 방식만 별도로 검증한 실험에서도 각 로봇을 하나의 그룹에만 넣는 기존 군집 연합학습 방식보다 상대 오차가 0.264에서 0.249로 약 6% 줄었다.
이번 연구에는 UNIST 인공지능대학원 이강현 연구원과 이인하 연구원이 제1저자로 참여했으며 윤성환 교수팀이 함께했다.
연구 결과는 컴퓨터 비전 분야 국제학술대회인 ‘유럽 컴퓨터 비전 학술대회(European Conference on Computer Vision, ECCV) 2026’에 채택됐다. 학회는 9월 8일부터 12일까지 스웨덴 말뫼에서 열린다.
이번 연구는 과학기술정보통신부 재원으로 정보통신기획평가원(IITP)이 추진하는 ‘AI Bots 협업 플랫폼 및 자기조직 인공지능 기술개발’, ‘인공지능대학원지원(울산과학기술원)’, ‘AI스타펠로우십지원사업’과 한국연구재단(NRF)의 ‘이기종 에이전트 간 적응가능한 3차원 공간인지를 위한 동적 비전 센서 중심의 지능형 융합 센서팩’ 사업 지원을 받아 수행됐다.
연구팀은 “페뎁스는 원본 영상을 공유하지 않고도 로봇의 종류와 촬영 환경에 따라 달라지는 데이터 특성을 반영해 효과적으로 공동 학습할 수 있게 설계된 기술”이라며 “자율주행, 물류·배송, 서비스 로봇, 재난 구조, 산림 감시 등에 활용할 수 있을 것”이라고 설명했다.
헬로티 이동재 기자 |
