경로계획이란 로봇이 시작 위치에서 목표 위치까지 장애물을 회피하면서 이동할 수 있는 경로를 탐색·생성하는 과정이다. 로봇이 자율적으로 환경 안에서 작업을 수행하려면 실행에 앞서 충돌 없이 이동 가능한 경로를 미리 계산해야 한다. A*, RRT(Rapidly-exploring Random Tree) 등의 알고리즘이 대표적으로 쓰이며, 사전에 확보한 전체 지도를 활용하는 전역 경로계획과 센서 데이터로 실시간 장애물을 처리하는 지역 경로계획으로 나뉜다. 예를 들어 물류 창고의 자율이동로봇(AMR)은 선반 배치 지도를 바탕으로 출발 지점부터 목적 선반까지의 경로를 사전에 계산한 뒤 이동한다. 경로계획이 이동 경로의 기하학적 형태를 구하는 것이라면, 속도·가속도 프로파일까지 포함한 실행 가능한 운동을 생성하는 것은 운동계획(Motion Planning)으로 구분한다.
DGIST 전기전자컴퓨터공학과 박대희 교수 연구팀은 KAIST와 공동으로, 주변 보행자의 이동 경로 예측과 로봇의 충돌 회피 경로 계획을 하나의 소형 AI 모델에서 동시에 수행하는 학습 기술을 개발했다. 두 가지 작업을 단일 모델에 통합할 때 발생하는 성능 저하를 줄이는 것이 이번 연구의 핵심이다. 해당 연구는 컴퓨터 비전 분야 국제학회인 ECCV 2026에 채택되어 9월 10~12일 스웨덴 말뫼에서 발표된다.
큐레이터요약에는 실험이 시뮬레이션 환경인지 실제 보행자 밀집 공간인지 명시되지 않아, 통합 모델의 성능 개선 폭은 연구팀 자체 평가 기준임을 감안해야 한다.
코윈테크가 다종 로봇을 단일 플랫폼에서 통합 제어하는 RCS(Robot Control System, 로봇 제어 시스템)를 자체 개발했다. RCS는 작업 배정, 경로 계획, 교통 제어, 상태 모니터링, 상위 시스템 연동 기능을 하나의 소프트웨어에서 처리한다. AI 기반으로 로봇별 작업을 배정하고 최적 경로를 생성하며, 수백 대 규모의 로봇이 동시 운영되는 제조 현장에서도 안정적인 운영을 지원한다고 밝혔다.
큐레이터수백 대 동시 운영 안정성은 코윈테크 측의 주장이며 독립적인 현장 검증 결과는 공개되지 않았다. 유사한 다종 로봇 통합 제어 솔루션이 이미 국내외에 존재하므로, 기존 제품 대비 무엇이 차별화된 기술인지 구체적인 비교가 아직 제시되지 않은 점도 유의할 필요가 있다.
