섹션별 상세
수중 환경에서의 인간과 로봇은 각기 다른 강점을 가지고 있으나 지금까지는 협업 체계가 전무했습니다. 인간은 물체 인식과 정밀 조작에 능숙하지만 계산 능력과 지구력이 부족하며, 로봇은 고속 이동과 데이터 처리에 강점이 있지만 복잡한 조작에는 한계가 있습니다. 연구팀은 이 두 주체의 강점을 결합하기 위해 내비게이션과 인지(Perception)라는 두 가지 핵심 역량 강화에 집중했습니다.
수중 내비게이션 알고리즘은 해류와 같은 실제 해양 환경의 변수를 해결하기 위해 고도화되었습니다. 초기 시뮬레이션에서는 거리 측정만으로 위치 추정이 가능했으나, 실제 바다에서는 해류로 인해 오차가 급격히 커지는 문제가 발생했습니다. 이를 해결하기 위해 잠수사에게 관성 측정 장치(IMU)와 압력 센서가 포함된 'tube-let' 장치를 장착하여 로봇과 잠수사의 위치를 실시간으로 최적화하여 추정합니다.
근거
- 연구팀은 잠수사를 위해 센서가 장착된 튜브 형태의 태블릿인 'tube-let' 프로토타입을 개발했습니다. — each swam holding the team's tube-shaped prototype tablet, dubbed a 'tube-let.'
광학 센서와 소나(Sonar) 데이터를 통합 처리하는 AI 분류기를 통해 수중 인지 능력을 개선했습니다. 탁도가 높거나 어두운 수중에서는 카메라가 무용지물이 되며, 소나는 색상 정보가 없어 물체 식별이 어렵다는 점에 착안하여 두 데이터를 교차 활용합니다. 특히 광학 분류기가 학습한 지식을 소나 분류기에 전이 학습(Knowledge Transfer)시키는 기법을 통해 라벨링된 소나 데이터 부족 문제를 해결했습니다.
저대역폭 수중 통신 환경을 극복하기 위한 데이터 압축 및 인간 참여형(Human-in-the-loop) 피드백 시스템을 구축했습니다. 수중 음향 통신은 전송 속도가 매우 느려 이미지 한 장을 보내는 데 수십 분이 소요될 수 있으므로, AI가 불확실한 물체에 대해서만 최소한의 정보(바운딩 박스 등)를 잠수사에게 전달하고 확인을 받는 방식을 채택했습니다. 이를 통해 잠수사는 로봇의 분류 결과를 교정하거나 새로운 탐색 방향을 제시할 수 있습니다.
근거
- 수중 음향 통신의 낮은 대역폭으로 인해 압축되지 않은 이미지를 전송하는 데 수십 분이 소요될 수 있습니다. — The feedback loop requires an underwater acoustic modem... would require tens of minutes to send an uncompressed image
기술
- AUV
- Acoustic Modem
- Sonar
- IMU
- AI Classifier
- Knowledge Transfer
활용 사례
- 해저 전력/통신 케이블 점검 및 수리
- 수중 수색 및 구조 작업
- 항만 진입로 검사 및 기뢰 제거
- 해양 과학 탐사
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 04. 14.수집 2026. 04. 14.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
