GIST '큐버', AI 비전 인식률 4.7% 개선…"오탐지 물체 삭제 기능"

오류 추정 통해 미학습 물체 인식 결과 정제…4자 경계 오류 분석

…국내 연구진이 AI비전 인식률을 기존 대비 4.7%개선할 수 있는 기술을 개발했다.

광주과학기술원(GIST, 총장 임기철)은 AI융합학과 이규빈 교수 연구팀이 오류 추정을 통해 미학습 물체의 인식 결과를 정제하는 AI모델, '큐버'(QuBER)를 개발했다고 14일 밝혔다.

'큐버'는 실시간으로 학습 데이터에 포함되지 않은, 오탐지된 물체를 삭제하거나 추가하는 기능을 갖췄다.

AI비전 '큐버'를 개발한 연구진. 뒷줄 왼쪽부터 시계방향으로 GIST AI융합학과 이규빈 교수, 맹제모 박사과정생, 신성호 현대자동차 로보틱스랩 책임연구원, 백승혁 한국기계연구원 선임연구원, 이주순·이상범 석박사통합과정(박사과정생), 김강민 박사과정생.

현재 널리 사용되는 AI 비전 기술에는 몇 가지 한계가 있다.  2018년 공개된 마스크 R-CNN 모델은 사전에 학습된 물체만 인식할 수 있다. 2023년 나온 '세그멘트 애니싱' 모델은 임의 탐지는 가능하지만, 복잡한 환경에서 정확도가 크게 떨어진다.

이 같은 단점을 보완한 모델이 GIST '큐버'다. 기존대비 인식률이 4.7%가량 개선됐다.

'큐버'는 RGB-D(컬러+깊이) 이미지와 초기 예측 데이터를 활용해 ‘4자 경계 오류’를 분석, 물체 인식의 정확도를 높이는 것이 특징이다.

이 기술을 통해 처음 보는 미학습 물체도 실시간 빠르고 정확하게 인식할 수 있다.

'4자 경계 오류'는 AI의 초기 예측값과 실제 데이터 간 차이를 올바르게 검출된 경계 검출해야 했지만 놓친 경계 잘못 검출한 경계 검출하지 않아야 할 부분을 정확히 비검출한 경계 등을 말한다.

연구팀은 ▲실내 환경(OCID)에서 88.4%의 인식률 ▲테이블 위 물체들(OSD)에서 83.3%의 정확도 ▲상자 안의 복잡한 물체들(WISDOM)에서 77.5%의 정확도를 보였다고 설명했다.

이규빈 교수는 “로봇이 처음 보는 물체도 정확하고 효율적으로 인식할 수 있다는 가능성을 확인했다”며, “이 기술이 다양한 로봇 작업에 적용돼 새로운 환경에서도 안정적으로 동작하는 로봇 개발에 큰 역할을 할 것”이라고 기대감을 나타냈다.

연구는 산업통상자원부와 과학기술정보통신부 지원을 받았다. 백승혁 박사가 박사과정 재학 중 수행했다. 연구결과는 오는 5월 열리는 로봇 분야 국제 학회인 IEEE 국제 로봇 자동화 학술대회(ICRA)에서 발표한다.

미학습 물체 분할 정제 모델 간 성능 비교 그래프. 좌측부터 OCID, OSD, WISDOM 데이터셋에 대해 미학습 물체 분할 정제 모델들 간의 성능을 비교한 그래프이다. 기존 모델들에 비해 '큐버' 모델(녹색) 인식률이 더 높다.