새로 개발 모델인 QuBER와 기존 모델간 비교.

<이미지를 클릭하시면 크게 보실 수 있습니다>

국내 연구진이 오류 추정으로 미학습 물체 인식 결과를 스스로 정정하는 혁신적인 인공지능(AI) 기술 을 개발했다. 로봇 비전·자율주행 등 다양한 분야에서의 활용을 기대하고 있다.

광주과학기술원(GIST·총장 임기철)은 이규빈 AI융합학과 교수팀이 실시간으로 오탐지된 물체를 삭제·추가하는 기능을 갖춰 로봇의 시각 인지능력을 높이는 AI 기술을 개발했다고 14일 밝혔다.

로봇이 새로운 환경에서 원활하게 작업하려면 처음 보는 물체도 빠르고 정확하게 인식하는 능력이 필수이다. 기존 AI 비전 기술은 사전에 학습한 데이터에 포함된 물체만 인식해 미학습 물체에 대한 인식률이 떨어지는 한계가 있었다.

널리 사용하는 AI 비전 기술 가운데 객체 분할 작업에 가장 널리 사용하는 '마스크 알 시앤앤(Mask R-CNN·2018)' 모델은 사전에 학습된 물체만 인식할 수 있어 새로운 물체를 구별하는 능력이 부족하다. 세그먼트 애니씽(Segment Anything·2023) 모델은 사용자의 입력(클릭·박스·텍스트 등)을 기반으로 임의의 물체를 탐지할 수 있지만, 사람의 도움이 없을 경우 복잡한 환경에서는 정확도가 떨어지는 문제가 있다.

연구계는 이를 해결하기 위해 이미지와 초기 예측 데이터를 기반으로 오류를 정정하는 기술을 개발해 왔다. 하지만 기존 기술은 세부적인 부분만 수정하거나, 잘못된 인식을 정정할 수 있어도 작동 속도가 느리다는 단점이 있었다.

미학습 물체 분할 정제 모델 간 성능 비교 그래프.

<이미지를 클릭하시면 크게 보실 수 있습니다>

이 교수팀은 이를 해결하기 위해 빠르고 정확한 오류 정정 기술을 적용한 '4자 경계 오류(QuBER)' 모델을 개발했다. QuBER 모델은 RGB-D(레드·그린·블루-깊이, 컬러+깊이) 이미지와 초기 예측 데이터를 활용해 분석함으로써 물체 인식의 정확도를 높인다. 처음 보는 미학습 물체도 빠르고 정확하게 인식할 수 있다.

4자 경계 오류는 AI 비전 기술의 정확도를 높이는 핵심 기법이다. 기술은 AI의 초기 예측값과 실제 데이터 간의 차이를 △올바르게 검출된 경계 △검출해야 했지만 놓친 경계 △잘못 검출한 경계 △검출하지 않아야 할 부분을 정확히 비검출한 경계 등 네 가지 경계 기준으로 분석해 물체 인식의 오류를 효율적으로 정정한다. 가려진 물체가 많아 인식이 어려운 상황에서도 빠르고 정확한 분할 능력을 보이며 세계 최고 수준의 정확도를 보였다.

이 교수는 “로봇이 처음 보는 물체도 정확하고 효율적으로 인식할 수 있다는 가능성을 확인했다”며 “기술이 다양한 로봇 작업에 적용돼 새로운 환경에서도 안정적으로 동작하는 로봇 개발에 큰 역할을 할 것”이라고 말했다.

이 교수가 지도하고 백승혁 박사가 박사과정 재학 중 수행한 이번 연구는 산업통상자원부와 과학기술정보통신부의 지원을 받았다. 로봇 분야 세계 최고 권위의 학회인 전기전자공학자협회(IEEE) 국제 로봇 자동화 학술대회(ICRA)에서 다음달 발표할 예정이다.

뒷줄 왼쪽부터 시계방향으로 이규빈 AI융합학과 교수, 맹제모 박사과정생, 신성호 현대자동차 로보틱스랩 책임연구원, 백승혁 한국기계연구원 선임연구원, 이주순·이상범 석박사통합과정(박사과정생), 김강민 박사과정생.

<이미지를 클릭하시면 크게 보실 수 있습니다>

이인희 기자 leeih@etnews.com

[Copyright © 전자신문. 무단전재-재배포금지]