DGIST-MIT, 로봇 AI 환경인식 세계대회서 우승

비전으로 전세계서 나온 56개팀 제쳐…"재난 현장 등 확장 가능"

한-미 공동 연구팀이 인공지능(AI) 로봇 환경인식 성능을 가리는 세계대회에서 1위에 올랐다.

DGIST는 윤성훈 전기전자컴퓨터공학과 교수와 임형태 미국 MIT 박사후연구원이 공동으로 팀을 꾸려 출전한  연구팀이 'GOOSE 2D 시맨틱 분할 챌린지’에서 전 세계에서 출전한 56개 팀을 제치고 최종 1위를 차지했다고 9일 밝혔다.

이 챌린지는 국제로봇학술대회인 ‘2026 ICRA(국제 로봇공학 및 자동화 학술대회)’ 필드 로봇 워크숍에서 열렸다.

DGIST 윤성훈 교수팀이 ‘2026 ICRA'에서 ‘GOOSE 2D 시맨틱 분할 챌린지’ 부문 1등을 차지했다.(그림=DGIST)

출전팀. 왼쪽부터 DGIST 윤성훈 교수와 이상진, 최효빈, 박재일 연구생, MIT 임형태 박사후연구원.(사진=DGIST)

독일 프라운호퍼 IOSB 연구소, 뮌헨 연방군대학교, 코블렌츠대학교가 공동 주관한 이 챌린지는 필드 로봇이 정제되지 않은 실제 환경에서 복잡한 장면을 얼마나 정밀하게 이해할 수 있는지를 평가하는 대회다. 도심의 잘 정돈된 도로 중심으로 수집된 기존 자율주행 데이터셋과 달리, 이번 대회에 사용된 ‘구스(GOOSE) 데이터셋’은 예측 불가능한 야외 비정형 환경에서 수집된 필드 로봇 중심의 데이터다.

구스는 범용적인 야외 객체 분할 환경을 말한다.

이번 대회에 사용된 데이터셋은 굴삭기, 4족 보행 로봇 등 서로 다른 플랫폼에서 수집된 비정형 야외 데이터를 사용했다. 기존 도심 도로 환경보다 난해하다.

특히, 올해는 평가 항목이 64개 세부 클래스로 대폭 확대되면서, 현장에서 출현 빈도가 극단적으로 낮은 ‘희소 물체’까지 정확하게 인식하는 고도의 능력이 요구됐다.

공동 연구팀은 이번 대회를 위해 메타의 최신 자기지도 파운데이션 모델인 ‘DINOv3’와 영상 분할 모델 ‘Mask2Former’를 유기적으로 결합한 프레임워크를 자체 개발했다.

이 시스템은 광량 변화, 불규칙한 지형, 복잡한 배경 등 실제 야외 현장에서 발생할 수 있는 수많은 변수 속에서도 흔들림 없이 안정적인 시각 인식 성능을 발휘한다.

특히 데이터 부족으로 AI가 놓치기 쉬운 희소 객체 판별 성능을 극대화, 사고로 직결될 수 있는 치명적 인식 실패를 획기적으로 줄여 안전성을 높였다.

윤성훈 교수는 "향후 자율주행 차량은 물론 재난 대응, 스마트 농업, 건설 현장 등 다양한 필드 로봇 산업 분야로의 전방위적인 확장이 기대된다"며 "실제 로봇 시스템 및 다양한 산업 현장에 즉각적으로 적용할 수 있는 강력한 시각 인지 기술 연구를 지속 발전시켜 나갈 것"이라고 말했다.