Calibration-Free Floor Detection via Gravity-Aware SOAP Descriptors: Theory and Embedded Deployment for Reactive Humanoid Locomotion and Obstacle Avoidance

로봇이 한 번도 본 적 없는 방을 걸어가려고 상상해 보십시오. 로봇에게는 지도가 없고, 그 특정 방의 사진을 학습한 적도 없습니다. 안전하게 움직이기 위해 로봇은 즉각적으로 한 가지 간단한 질문에 답해야 합니다: "내 발 아래에 있는 것이 바닥인가, 아니면 벽, 테이블, 혹은 의자인가?" 이것이 바로 **교정 불필요 바닥 탐지(calibration-free floor detection)**의 과제입니다. 로봇 공학의 세계에서 "교정(calibration)"이란 보통 사람이 로봇에게 바닥의 특정 높이나 방의 레이아웃을 가르치는 데 시간을 소비하는 것을 의미합니다. 하지만 로봇이 진정으로 자율적으로 움직이려면, 튜토리얼 없이도 어떤 새로운 공간에든 즉시 들어가서 바닥이 어디인지 알아낼 수 있어야 합니다.

이를 해결하기 위해 로봇은 종종 LiDAR를 사용합니다. LiDAR는 레이저 빔을 쏘아 올려 박쥐가 소나를 사용하는 것과 비슷하게 빛을 이용해 3D 지도를 만드는 센서입니다. 로봇은 그다음 이 레이저 점들의 구름(point cloud)을 보고, 어떤 점들이 평평하고 걸을 수 있는 바닥에 속하는지, 그리고 어떤 점들이 수직 벽이나 무작위 물체에 속하는지를 파악해야 합니다. 전통적으로 로봇들은 점들의 집합이 평평한지 또는 특정 높이에 있는지 확인하는 것과 같은 단순한 수학적 기법을 사용해 왔습니다. 그러나 이러한 기법들은 희소한 레이저 타격(sparse hits)이나 이상한 각도와 같은 지저리한 데이터에 의해 혼란을 겪을 수 있습니다. 이 논문은 완전히 다른 분야인 화학에서 도구를 빌려와 이 퍼즐을 해결하는 새로운 방법을 탐구합니다. 구체적으로, 이 연구는 원래 원자들이 분자 내에서 어떻게 뭉쳐 있는지를 이해하기 위해 설계된 SOAP(Smooth Overlap of Atomic Positions)라는 방법을 사용합니다. 연구진은 다음과 같이 질문했습니다: "우리가 이 '원자적' 수학을 로봇의 레이저 스캔에 있는 '원자적' 점들을 이해하는 데 사용할 수 있을까?"

휴머노이드 로봇인 Unitree G1과 함께 작업한 연구진은 이 화학 도구를 "중력 인지형(gravity-aware)" 탐지기로 적응시킬 수 있다는 것을 발견했습니다. 단순히 점들의 모양만 보는 대신, 이들은 수학적 계산을 중력 방향(로봇의 내장 기울기 센서 사용)에 맞추었습니다. 이를 통해 로봇은 사전 훈련이나 지도 없이도 놀라운 정확도로 평평한 바닥과 수직 벽을 구별할 수 있었습니다. 연구진은 이 방법이 복잡한 데이터에서도 효과적임을 발견했으며, 어려운 벤치마크 데이터셋에서 이전의 최고 "훈련 불필요" 방식을 제치고 90%의 경우에 바닥을 정확히 식별해 냈습니다. 또한, 이 복잡한 수학을 로봇의 작은 컴퓨터 칩에서 실시간으로 실행하여, 로봇이 무언가에 부딪히기 전에 멈출 수 있을 만큼 빠르게 실행할 수 있음을 증명했습니다.

걷기의 화학

이 논문의 핵심 아이디어는 로봇에게 이전에 없던 감각을 사용하여 바닥을 "느끼도록" 가르치는 것과 비슷합니다. 저자들은 결정이나 분자 내에서 원자들이 서로 어떻게 배치되어 있는지를 설명하기 위해 발명된 SOAP라는 수학적 기술자를 가져왔습니다. 화학에서 이는 과학자들이 물질이 어떻게 행동할지 예측하는 데 도움을 줍니다. 연구진은 로봇의 3D 레이저 스캔이 마치 원자의 구름처럼 거대한 점들의 구름이라는 점을 깨달았습니다. 그들은 로봇의 레이저 점들을 마치 원자처럼 취급하고, SOAP 수학을 사용하여 각 점 주변의 "이웃(neighborhood)"을 설명하기로 했습니다.

하지만 문제가 하나 있었습니다. 원래의 SOAP 수학은 회전에 대해 완전히 불변하도록(rotation-proof), 즉 어느 방향이 위인지 상관하지 않도록 설계되었습니다. 하지만 로봇이 걷는 데 있어서는 무엇이 "위"인지 아는 것이 전부입니다. 바닥은 중력에 대해 평평하지만, 벽은 수직입니다. 만약 수학이 어느 쪽이 위인지 모른다면, 바형태로 놓인 바닥과 회전된 벽을 구분할 수 없습니다.

이를 해결하기 위해 팀은 중력 인지형(gravity-aware) 버전의 SOAP를 만들었습니다. 그들은 로봇의 IMU(스마트폰처럼 기울기와 가속도를 측정하는 센서)를 사용하여 수학적 계산을 실제 세상의 "위"와 "아래"에 정렬했습니다. 이를 통해 기술자는 바닥처럼 수평으로 배열된 점들을 구체적으로 찾고, 벽처럼 수직으로 배열된 점들은 무시할 수 있게 되었습니다.

"매직 스코어"

이 수학의 결과물은 레이저 스캔의 모든 점에 대한 하나의 "점수(score)"입니다.

• 만약 점들이 어떤 지점 주변에서 평평하고 수평인 시트처럼 보인다면, 점수는 높습니다.
• 만약 점들이 수직 벽이나 어지러운 가구 더미처럼 보인다면, 점수는 낮습니다.

저자들은 이 점수가 바닥을 찾아내는 데 매우 뛰어나다는 것을 발견했습니다. 68개의 서로 다른 방을 포함하는 표준 테스트 데이터셋인 S3DIS에서, 이 방법은 바닥을 **90.0%**의 확률로 정확하게 식별했습니다. 이는 훈련 데이터가 필요 없는 기존의 최고 방식이 기록한 **86.6%**보다 높은 수치였습니다. 이 성공의 핵심은 SOAP 방법이 "희소한(sparse)" 데이터를 처리하는 데 매우 뛰어나다는 점입니다. 레이저가 테이블 다리 근처의 바닥에 몇 개의 점만을 포착하더라도, 기존 방식들은 혼란을 느껴 이를 벽이라고 생각하기 쉽습니다. 반면 SOAP 방법은 단순히 이웃을 세는 대신 부드러운 "확률 구름"을 사용하기 때문에, 데이터가 다소 지저리더라도 침착하게 바닥을 정확히 식별해 냅니다.

로봇의 뇌에서 실행하기

이런 종류의 수학에서 가장 큰 장애물 중 하나는 속도입니다. 로봇의 작은 컴퓨터에서 이런 복잡한 화학 스타일의 계산을 수행하는 것은 보통 너무 오래 걸립니다. 만약 로봇이 바닥이 어디인지 파악하는 데 1초를 기다려야 한다면, 이미 벽에 부딪혔을지도 모릅니다.

팀은 PyTorch(대중적인 AI 소프트웨어 라이브러리)를 사용하여 로봇의 NVIDIA Jetson Orin NX 칩에서 직접 실행되는 초고속 버전의 수학을 작성함으로써 이 문제를 해결했습니다. 그들은 표준 컴퓨터 프로그램보다 20배 더 빠르게 실행되도록 만들었습니다.

• 속도: 전체 방 스캔을 처리하는 데 단 0.08초밖에 걸리지 않습니다.
• 빈도: 이는 로봇의 "시야"를 초당 2회(2 Hz) 업데이트할 수 있을 만큼 충분히 빠릅니다.

이 속도 덕분에 그들은 이 시스템을 Unitree G1 EDU 휴머노이드 로봇에 배포할 수 있었습니다. 이 로봇은 키가 약 1.3미터이며 무게는 35kg입니다. 로봇은 이 "바닥 탐지기"를 장애물을 피하는 주요 방법으로 사용합니다. 로봇이 "30초 동안 앞으로 걸어가라"와 같은 음성 명령을 들으면 이동을 시작합니다. 새로운 레이저 스캔을 받을 때마다 SOAP 점수를 확인합니다. 앞길이 확보되어 있으면 계속 걷고, 점수가 떨어지면(즉, 바닥이 막혔거나 낭떠러지로 떨어지기 직전이면) 멈춰서서 새로운 경로를 찾기 위해 90도 회전합니다.

실제 테스트와 "유령" 장애물

연구진은 실제 환경에서 여러 가지 도전 과제를 통해 로봇을 테스트했습니다.

1. 명확한 경로: 로봇은 탁 트인 복도를 따라 5미터를 9번 걸었으며 단 한 번의 충돌도 없었습니다.
2. 장애물: 로봇의 경로에 고리 버들 바구니와 사무용 의자를 놓았습니다. 로봇은 이를 감지하고 피하기 위해 회전했습니다.
3. "유리" 테스트: 연구진은 유리 파티션을 대상으로 테스트를 진행했습니다. 유리는 레이저가 그대로 통과해 버려 스캔에 점이 남지 않는 경우가 많아 까다롭습니다. 로봇의 논리는 다음과 같습니다: "내가 예상하는 바닥 위치에 점이 보이지 않는다면, 그곳에 벽이나 유리가 있다고 가정한다." 이 "데이터가 없는 것이 곧 차단이다"라는 규칙이 로봇이 투명한 유리에 부딪히는 것을 막아주었습니다.
4. "얇은 물체"의 실패: 시스템이 완벽한 것은 아닙니다. 연구진은 얇고 반투명한 플라스틱 스프레이 병으로 로봇을 속이려 했습니다. 병이 투명하고 얇기 때문에 레이저가 아주 가끔만 부딪혔습니다. 로봇은 실제로 부딪히기 전까지는 이를 보지 못했습니다. 저자들은 이것이 한계임을 인정했습니다: 레이저 빛을 충분히 반사하지 못하는 매우 얇고 투명한 물체는 탐지기를 빠져나갈 수 있습니다.

이것이 왜 중요한가

이 논문은 이 특정 "화학" 도구(SOAP)가 휴머노이드 로봇의 실시간 "눈"으로 사용된 첫 번째 사례라는 점에서 중요합니다. 이는 로봇이 안전하게 걷기 위해 방대한 라벨링된 사진 데이터베이스나 미리 만들어진 지도가 필요하지 않다는 것을 증명합니다. 단지 무엇이 위인지 알고, 세상을 바라보는 올바른 수학적 방법만 있으면 됩니다.

또한 저자들은 이 단일 수학 도구가 이중 역할을 할 수 있음을 보여주었습니다. 이 도구는 단순히 바닥을 찾는 것에 그치지 않고, 테이블, 벽, 그리고 낭떠러지(절벽)를 구분할 수도 있습니다. 이는 로봇이 복잡한 가구를 피해 이동하거나 붐비는 방을 통과하는 경로를 계획하는 것과 같은 더 고급 작업을 수행할 수 있도록 하는 풍부한 "기하학적 지도"를 생성합니다.

시뮬레이션에서 그들은 이 "바닥 점수"가 마치 자기장이 바닥 쪽으로 끌어당기고 벽으로부터 밀어내는 것처럼 로봇을 부드럽게 조종하는 데 사용될 수 있는지 테스트했습니다. 시뮬레이션 결과, 로봇은 기존의 투박한 내비게이션 방식보다 목표에 도달하는 데 4.5배 적은 단계를 거쳤습니다. 비록 현재 로봇의 소프트웨어가 명령을 인식하는 속도를 더 높여야 하기에 이 부드러운 조종 시스템을 실제 로봇에 아직 적용하지는 못했지만, 수학적 원리는 작동합니다.

결론

이 논문은 화학에서 도구를 빌려와 중력에 맞게 정렬함으로써, 다음과 같은 특징을 가진 바닥 탐지기를 만들었다고 결론짓습니다:

• 교정 불료(Calibration-free): 설정 없이 어떤 방에서도 작동합니다.
• 빠름: 작은 로봇 컴퓨터에서 실시간으로 실행됩니다.
• 정확함: 기존의 최고 "훈련 불필요" 방식보다 뛰어납니다.
• 강건함(Robust): 기존 방식보다 지저리한 레이저 데이터를 더 잘 처리합니다.

연구진은 이 시스템이 앞으로 나아가고 큰 장애물을 피하는 데는 훌륭하지만, 매우 얇고 투명한 물체에는 여전히 어려움을 겪는다고 제안합니다. 또한 로봇의 현재 소프트웨어가 회전의 부드러움을 제한하고 있지만, "두뇌"(SOAP 탐지기)는 더 발전된 내비게이션 작업을 수행할 준비가 되어 있다고 언급했습니다. 이 연구는 로봇이 인간에게 레이아웃을 먼저 배울 필요 없이 새로운 건물에 들어가 즉시 걷기 시작할 수 있는 길을 열어줍니다.