TAG

#UNIST

이 태그가 붙은 기사를 모았습니다. 태그는 AI 분류 단계에서 자동으로 붙고, 검수를 통과한 항목만 노출됩니다.

2건

로봇신문2026.09.16

“로봇이 낯선 공간도 바로 적응”…UNIST, 정확도·속도↑ 공간인식 AI 기술 개발

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.

자율주행·SLAM 로봇 AI

로봇신문2026.09.04

UNIST, 이기종 로봇 서로 다른 ‘눈’을 하나로…‘거리 인식’ 연합학습 기술 개발

UNIST(울산과학기술원) 연구팀이 이기종 로봇 환경에 특화된 연합학습(federated learning) 기반 깊이 추정(depth estimation) 기술을 개발했다. 깊이 추정은 카메라 영상만으로 물체와 공간까지의 거리를 계산하는 기술로, 로봇이 주변 환경을 인식하고 안전하게 이동하는 데 필요하다. 지상로봇·드론·보행로봇 등 플랫폼별로 이동 장소와 촬영 조건이 달라 데이터 특성이 크게 달라지는 문제가 기존 공동 학습 방식의 한계로 지적돼 왔다. 이번 연구는 이처럼 서로 다른 '눈'을 가진 로봇들이 각자의 데이터를 공유하지 않으면서도 하나의 깊이 인식 모델을 함께 학습할 수 있도록 하는 기법을 제안한다.

큐레이터공개된 정보만으로는 실험이 시뮬레이션 환경인지 실제 로봇 플랫폼에서 수행됐는지, 그리고 몇 종의 이기종 로봇 조합을 대상으로 검증됐는지 확인되지 않아 일반화 가능성을 판단하려면 원논문의 실험 조건을 살펴봐야 한다.

로봇 AI 자율주행·SLAM