UNIST, 이종 로봇 학습 결과 공유하는 연합학습 기술 '페뎁스' 개발

(울산=연합뉴스) 김용태 기자 = 로봇이 다른 기종이 경험한 학습 결과를 이용해 낯선 환경에서도 거리를 더 정확하게 추정할 수 있게 하는 기술이 나왔다.

3일 울산과학기술원(UNIST)은 인공지능대학원 주경돈 교수팀이 로봇 눈 역할을 하는 단안 깊이 추정 인공지능(AI) 모델을 학습시키는 새로운 연합학습 기술인 '페뎁스'(FeDepth)를 개발했다고 밝혔다.

로봇에 깊이 추정 AI 모델을 적용하면 복잡한 센서 없이도 카메라로 들어온 정보를 활용해 거리를 가늠할 수 있다.

AI 모델이 낯선 환경에서 정확한 판단을 내리려면 방대한 데이터를 학습시켜야 한다. 연합학습이라는 기법을 이용하면 각 로봇 카메라가 수집한 데이터를 한 곳으로 모으지 않고도 그와 같은 효과를 낼 수 있다.

데이터를 보내는 데 드는 시간·통신 비용을 줄이면서도 원본 영상이 외부로 나가지 않아 개인정보를 보호할 수 있다.

페뎁스는 이 연합학습에서 발생하는 데이터 이질성을 줄인 기술이다.

예를 들어 드론과 서빙 로봇을 비교하면 카메라 시야각과 주변 환경 데이터 성격이 완전히 다른데, 일반적 연합학습은 이런 차이를 고려하지 않고 모든 로봇의 학습 결과를 하나로 평균 내기 때문에 성능이 떨어졌다.

페뎁스는 촬영 영상 특성이 비슷한 로봇끼리 그룹으로 묶어 학습 결과를 따로 합치면서도, 각 로봇을 하나의 그룹에만 고정하지 않는 '소프트 클러스터링'(soft clustering)을 적용했다.

숲을 촬영한 드론은 같은 숲을 누빈 사족 보행 로봇과 한 그룹에 포함되면서, 도심을 촬영한 드론과도 또 다른 그룹에 동시에 들어갈 수 있는 것이다.

이를 통해 지나치게 다른 데이터가 한꺼번에 섞이는 것을 막으면서 여러 로봇이 공유하는 특성은 학습에 활용할 수 있다고 연구팀은 설명했다.

실제 실험에서 페뎁스로 세 종류의 깊이 추정 AI 모델을 학습시켰을 때 일반적 연합학습을 거친 경우보다 거리 추정 상대 오차를 약 17∼32% 줄인 것으로 나타났다.

페뎁스의 여러 그룹에 겹쳐 넣는 방식만 따로 검증한 실험에서는 각 로봇을 하나의 그룹에만 넣는 기존 군집 연합학습 방식보다 상대 오차가 0.264에서 0.249로 약 6% 감소했다.

연구팀 관계자는 "페뎁스는 원본 영상을 공유하지 않고도 로봇 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 말했다.

정보통신기획평가원과 한국연구재단 지원을 받은 이번 연구 결과는 컴퓨터 비전 분야 국제 학술대회인 '유럽 컴퓨터 비전 학술대회(European Conference on Computer Vision) 2026'에 채택돼 공개될 예정이다. 올해 학회는 8∼12일 스웨덴 말뫼에서 열린다.