동시적 위치추정 및 지도작성(SLAM, Simultaneous Localization and Mapping)이란 로봇이 사전에 지도가 없는 미지의 환경에서 스스로 이동하면서, 환경의 지도를 구축하는 동시에 그 지도 안에서 자신의 위치를 추정하는 기술이다. 위치를 알아야 지도를 그릴 수 있고, 지도가 있어야 위치를 알 수 있다는 닭-달걀 문제를 확률적 추론(예: 칼만 필터, 파티클 필터, 그래프 최적화)으로 해결한다. 로봇 청소기가 처음 진입한 방 안을 돌아다니며 장애물 지도를 만들고 현재 위치를 파악하는 과정이 대표적인 사례다. 자율주행 차량·드론·물류 로봇 등 GPS 신호가 없거나 불안정한 환경에서 자율적으로 움직여야 하는 시스템 전반에 쓰인다. 단순한 '위치추정(Localization)'은 지도가 이미 주어진 상태에서 자신의 위치만 찾는 것이므로, 지도 자체도 미지인 상황에서 두 문제를 동시에 푸는 SLAM과 구별된다.
A Vulkan based SLAM(in progress) system that runs on Android/Linux
ROS Discourse에 공개된 이 프로젝트는 Vulkan 컴퓨트 셰이더(compute shader)를 카메라 프레임에 제로 카피(zero copy)로 실행할 수 있음을 확인하는 개념 증명(proof of concept) 단계에 있다. Android 및 Linux 플랫폼을 대상으로 하며, 소스코드는 GitHub에 공개되어 있다. 동시적 위치 추정 및 지도 작성(SLAM)과 시각-관성 주행 측정(VIO) 기능은 향후 구현할 계획이라고 작성자가 밝혔다.
큐레이터현재는 렌더링 파이프라인 수준의 기술 검증 단계로, SLAM·VIO 알고리즘 구현은 아직 이루어지지 않았다. 실질적인 측위·지도 성능은 향후 공개 예정이므로 현 단계에서 평가하기 어렵다.
Linorobot2 Cockpit: In-Browser Web Supervisor, Turnkey micro-ROS & 1-Click Nav2 Autonomy (Call for Testers)
Linorobot2 Cockpit(v2026.09)은 ROS 2 모바일 로봇을 위한 컨테이너 기반 브라우저 슈퍼바이저로, 마이크로컨트롤러 펌웨어 생성부터 SLAM 및 Nav2 자율주행까지 단일 웹 인터페이스에서 제어할 수 있도록 설계되었다. ROS 2 Jazzy(Ubuntu 24.04)와 ROS 2 Lyrical(Ubuntu 26.04) 두 배포판을 지원하며, micro-ROS 펌웨어를 통해 베어메탈 마이크로컨트롤러와 연결된다. Docker 컨테이너 방식으로 동작하여 호스트에 ROS 2를 별도 설치하지 않아도 사용 가능하다. 개발팀은 현재 GitHub을 통해 개발자·연구자·로봇공학자를 대상으로 테스터를 모집하고 있다.
큐레이터테스터 모집 단계이므로 안정성과 실환경 호환성은 커뮤니티 검증이 추가로 필요한 상태다. 지원 마이크로컨트롤러 하드웨어 범위와 물리 시뮬레이션 환경 구성에 대한 세부 정보는 본문에서 확인되지 않아 저장소 문서를 직접 확인해야 한다.
동시적 위치추정 및 지도작성(SLAM·Simultaneous Localization and Mapping) 기술은 로봇·자율주행·증강현실(AR) 등에서 카메라 탑재 기기의 위치와 주변 환경을 동시에 파악하는 데 활용된다. 최근 AI 기반 SLAM은 카메라 영상만으로 카메라 움직임과 3차원 공간을 추정할 수 있어 공간 복원이 빠르고 편리해졌다. 그러나 기존 AI 기반 SLAM은 어떤 시점의 프레임들을 함께 분석하느냐에 따라 결과가 달라지는 한계가 있었다. UNIST(울산과학기술원) 연구진은 이 문제를 개선해 낯선 공간에서도 공간인식 정확도와 속도를 높이는 AI 기술을 개발했다.
큐레이터본문이 중간에 잘려 세부 기법과 실험 조건(시뮬레이션 여부, 비교 대상 방법론, 정량 수치 등)을 확인할 수 없어, 성능 개선 폭의 맥락은 원문 전체를 통해 검토가 필요하다.
SLAM benchmark on Livox Mid-360: public dataset + our own UAV flight data (KISS-ICP, DLIO, FAST-LIO2, GLIM)
Jetson Orin NX + Livox Mid-360 + Pixhawk 구성의 UAV 항법 스택을 대상으로 LiDAR 오도메트리 및 동시적 위치추정·지도작성(SLAM) 알고리즘 4종을 두 가지 환경에서 비교 평가했다. TIERS 공개 데이터셋(실내, OptiTrack 기준)에서 GLIM(CPU 모드)이 절대 위치 오차(APE) RMSE 0.025m로 가장 낮은 오차를 기록했으며, FAST-LIO2(0.060m)와 KISS-ICP(0.124m)가 그 뒤를 이었다. 실제 UAV 비행 데이터(VICON 기반 실내 경기장, 7개 시퀀스)에서도 GLIM(GPU 모드)이 평균 APE RMSE 0.040m를 달성해 DLIO(0.096m), FAST-LIO2(0.112m), KISS-ICP(0.123m)를 모두 앞섰다. GLIM의 성능 우위는 소규모 재방문 가능 공간에서의 루프 클로저(loop closure) 활용에 기인한 것으로 분석됐다. 관성 센서 보완 없이 LiDAR만 사용하는 KISS-ICP는 급격한 기동 시 특정 시퀀스에서 오차가 0.426m까지 급등하는 불안정성을 보였다.
큐레이터GLIM의 우위는 '소규모 재방문 가능 공간'에서의 루프 클로저에 기인한다고 연구자들이 분석했으므로, 개방형 공간이나 단방향 경로에서도 같은 순위가 유지되는지는 이 실험만으로는 알 수 없다. 또한 모든 시퀀스가 실내 VICON 환경에서 수집됐기 때문에 실외·GPS 음영 환경으로의 일반화 여부는 별도 검증이 필요하다.
