학부뉴스
[8월 연구실 인터뷰] 김아영 교수님 - 로봇 인식 및 공간 지능 연구실
작성자
MEch-SSENGER
작성일
2022-09-19
조회
1001
김아영 교수님 연구실: 로봇 인식 및 공간 지능 연구실
연구실 대표 장혜수, 이동규
Q1. 연구실의 주된 연구 분야는 무엇이고, 구체적인 예시로는 무엇이 있나요?저희 연구실에서는 로봇의 센서를 기반을 한 연구를 진행하고 있습니다. 연구 분야는 크게 두 갈래로 나뉘며, 첫번째로 말씀드릴 것이 SLAM (Simultaneous Localization And Mapping) 기술입니다. SLAM은 실시간 위치 추정 및 지도 제작 기술의 약자로, 자율주행 자동차의 운용을 위해서 필수적으로 개발되어야 하는 기술입니다. 로봇이 처음 무작위 환경에 놓였을 때 본인이 어디 있는지 파악하는 Localization, 목적지가 어디인지 파악하고, 해당 지점까지의 경로를 파악하는 Path Planning까지 실시간으로 제작되는 HD map을 기반으로 운용 됩니다. 현재 저희 연구실에서는 다양한 센서들을 이용하여 현재 로봇의 motion을 추정하는 기술과 HD map의 제작, 도로 환경을 벗어나 바닥이 고르지 않은 극한 지형 같은 곳에서의 SLAM 기술 적용에 대해 연구 중입니다.
두번째로 다양한 센서들을 기반으로 한 CV 연구도 진행중입니다. 실내 환경에서는 RGB 이미지를 활용하여 다양한 특성을 가진 물체의 pose 추정을 연구를 진행하고 있으며, 야외 환경의 경우, RGB 센서의 특성 상 날씨가 좋지 않거나 안개나 물에 의해 시야가 가려지는 단점이 있기 때문에 이외의 센서들인 레이다, 라이다, 열화상 카메라를 이용하여 로봇이 대부분의 환경에서 상황 인지를 하도록 하는 연구를 하고 있습니다. 해당 센서들을 인공지능과 결합해보고 데이터를 처리함으로써 효율적으로 자율주행에 적용시켜보는 기술에 대한 연구를 진행중입니다.
Q2. 연구실에서 보유하고 있는 특별한 장치 또는 설비가 있나요? 없다면 외부에서 자주 사용하는 장비가 있나요?
저희 연구실은 SLAM 연구를 위한 거의 모든 센서들과 장비를 보유하고 있다고 말씀드릴 수 있습니다. 라이다의 경우 SICK, Velodyne, Ouster, Livox 사의 제품을 보유하고 있고, 레이더 센서의 경우 Scanning radar인 Navtech사의 레이더와 Chip radar인 TI사의 레이더 제품을 보유하고 있습니다. 열화상 카메라도 시중의 열화상 카메라보다 야간에 원활하게 SLAM을 할 수 있는 Flir사의 장비를 보유하고 있습니다. 센서뿐 아니라 지상과 수중 여러 환경에서 연구가 진행되기 때문에 Clearpath 사의 UGV인 Husky와 Jackal, 사족 보행 로봇인 Boston dynamics 사의 spot, 데이터 취득용 차량 등 다양한 스케일의 지상환경에서 실험이 가능하며, Blue 사의 ROV와 Iqua robotics 사의 AUV인 Sparus 등 수중 환경에서 데이터를 취득할 수 있는 로봇 또한 보유중입니다. 그 외, 실내 환경에서 다양한 물체들의 pose를 추정하기 위한 manipulator 장비도 구비중입니다.
위와 같이 러닝 기반의 연구가 많이 진행되는 흐름에서 저희 연구실은 데이터를 직접 제작할 수 있는 하드웨어가 잘 갖추어져 있습니다. 데이터를 취득할 수 있는 센서들과 상황에 맞는 운송수단들이 잘 구비되어 있고 데이터를 모아주는 여러 툴도 다 준비가 되어 있습니다. 데이터를 직접 만들 수 있기에 극한의 상황에서의 데이터도 모을 수 있는 등 자유도가 높습니다.
Q3. 선정된 대표연구에 대해 간략히 소개 부탁드립니다.
대표 연구라고 말씀드리기에는 저희 연구실에서 다루는 분야가 매우 넓기 때문에 최근 IROS 학회에 게재된 두 개의 논문에 대해 말씀드리겠습니다. 두 논문 모두 열화상 카메라를 활용한 논문으로, 빛의 반사를 이용하여 촬영하는 RGB 센서와 달리 열화상 카메라는 물체 자체 내부에서 파장되는 열을 측정하여 밤에도 촬영이 가능합니다. 하지만 RGB 센서에 비해 해상도가 낮고 이미지 대비도 낮아 정보량이 부족합니다. 이러한 장단점을 바탕으로 다음의 두 논문은 센서의 특성을 개선한 연구를 보여줍니다.
첫번째는 열화상 카메라 자체의 단점을 해결한 연구입니다. 사람이 한 곳에 앉아있다가 떠나면 떠난 자리에 잔열이 남게 되고 이 잔열 때문에 센서가 사람이 계속 앉아있다고 인식하게 되는 문제가 생깁니다. 잔열이 가지고 있는 비선형성 특징을 딥러닝을 통하여 학습하여 열화상 카메라를 활용한 사람 탐지시 보여지는 열체가 사람인지 잔열인지 구별할 수 있게 하였습니다. 두번째는 자율주행 환경을 위한 열화상 데이터 제작에 대한 연구입니다. 자율주행 데이터의 경우, 카메라 두 대를 활용하여 깊이 추정 및 성능 향상을 위하여 Stereo RGB를 많이 사용하고 있는데 Stereo RGB 혹은 Multi-LiDAR 데이터셋은 현재 많이 공개되어 있으나, Stereo 열화상 데이터는 공개되어있는 데이터셋이 없습니다. 따라서 연구실에서는 직접 열화상 카메라 두 대를 맞춤 설계하여 자율주행 자동차의 하드웨어를 구성하였습니다. 해당 시스템을 이용해 전국을 돌아다니며 열화상 데이터를 모았습니다.
Q4. 해당 연구를 진행하면서 가장 힘들었던 점과 이를 극복한 방법이 있나요?
저는 잔열에 관한 연구를 하면서 기존 선행 연구가 많이 부족하여 막막했습니다. 그나마 조금 있던 기존의 연구들도 RGB 센서와 같이 사용하면 되거나 시간이 지나면 잔열이 사라진다는 해결방안이었습니다. 하지만 실제 실내환경의 자율주행 서비스 로봇에 적용되기 위해서는 RGB 센서는 신상 보호를 위해 사용할 수 없는 문제가 있고 로봇이 잔열이 지날 때까지 시간을 보낼 수도 없기에 도움이 되지 못했습니다. 새로운 분야를 연구하는 거기 때문에 선행 연구가 부족하고 진행중인 연구가 맞는 길인가 하는 점이 힘들었습니다. 그럴 때 마다 포기하지 말고 초심자의 마인드로 내가 가지고 있는 정보가 무엇인지. 해볼 수 있는 게 무엇인지 정리해가며 진행했고, 주변 동료나 지도교수님과 함께 지속적으로 토론했던게 도움이 가장 많이 되었던 것 같습니다. 이렇게 하다 보니 연구의 길이 잡히게 되었고 성공적으로 연구를 마무리할 수 있었습니다.
MEch-SSENGER 구재현, 송세인
