인간은 감각 정보의 80% 이상을 시각을 통해 받아들인다고 합니다. 현실 세계를 마주하는 피지컬 AI에게도 눈의 역할을 하는 '시각 지능'은 매우 중요한 필수 요소입니다. 지난 글에서 피지컬 AI의 오감(센서)과 근육(액추에이터)에 대해 살펴보았는데, 그 센서 중에서도 가장 복잡하고 강력한 정보 처리 능력을 요구하는 분야가 바로 '컴퓨터 비전(Computer Vision)'입니다.
단순히 카메라 렌즈로 영상을 촬영하는 것을 넘어, 인공지능이 그 영상 속 물체가 무엇인지 이해하고 거리를 측정하며 돌발 상황을 인지하기까지 어떤 진화 과정을 거쳤을까요? 현장에서 카메라 기반 시스템을 구축할 때 마주하는 현실적인 문제들과 이를 극복해 낸 기술적 도약을 쉽게 풀어보겠습니다.
## 1. 픽셀 매칭에서 딥러닝으로: 시각 인지의 대전환
초창기 기계의 시각 시스템은 매우 단순하고 융통성이 없었습니다. 1990년대나 2000년대 초반의 공장 자동화 라인에 사용되던 비전 시스템은 '템플릿 매칭(Template Matching)'이라는 방식을 썼습니다. 미리 완벽한 제품의 사진(템플릿)을 컴퓨터에 저장해 두고, 카메라에 찍힌 화면의 픽셀 배치가 이와 얼마나 일치하는지 수학적으로 대조하는 방식이었습니다.
이 방식은 조명과 위치가 완벽하게 통제된 공장 내부에서는 잘 작동했습니다. 하지만 제품이 아주 살짝 기울어지거나, 전등 불빛 때문에 그림자가 조금만 다르게 져도 기계는 "불량품"이라며 멈춰 서기 일쑤였습니다. 하물며 야외로 나가는 자율주행차나 움직이는 드론에 이런 방식을 적용하는 것은 불가능에 가까웠습니다.
이 한계를 깨부순 것이 바로 합성곱 신경망(CNN, Convolutional Neural Network) 기반의 딥러닝 기술입니다. 인공지능에게 정해진 정답 사진을 주는 대신, 수만 장의 고양이, 자동차, 사람 사진을 스스로 학습하게 만든 것입니다. 딥러닝을 장착한 피지컬 AI는 이제 사물이 그늘에 가려져 있거나, 비틀려 있거나, 거꾸로 뒤집혀 있어도 "이것은 자동차다"라고 인간처럼 유연하게 유추할 수 있는 진정한 '시각'을 갖추게 되었습니다.
## 2. 2D에서 3D 공간으로의 도약: 깊이(Depth)를 읽는 인공지능
컴퓨터 비전이 피지컬 AI의 강력한 무기가 되기 위해 반드시 넘어야 했던 또 다른 장벽은 바로 '2차원 화면에서 3차원 공간을 복원하는 것'이었습니다. 스마트폰으로 찍은 사진은 평면(2D)입니다. 하지만 실제 로봇이 현실에서 움직이려면 물체가 내 앞에 있다는 사실뿐만 아니라, 나로부터 '몇 미터 떨어져 있는지'라는 깊이 정보가 필수적입니다.
제가 아는 물류 로봇 엔지니어는 초기에 일반 2D 카메라만 달고 물건을 집는 실험을 하다가 큰 좌절을 겪었습니다. 화면상으로는 상자가 바로 앞에 있는 것처럼 보여 로봇 팔을 뻗었지만, 실제 공간에서는 허공을 헛손질하거나 상자를 강하게 들이받아 부수기 일쑤였습니다. 평면 이미지로는 정확한 입체 거리를 계산하기 어려웠기 때문입니다.
이를 해결하기 위해 피지컬 AI는 두 가지 방향으로 진화했습니다. 첫째는 인간의 양안시(두 눈으로 입체감을 느끼는 원리)를 모방한 '스테레오 카메라'의 도입입니다. 두 대의 카메라가 서로 다른 각도에서 촬영한 영상의 미세한 차이를 계산해 거리를 역산하는 방식입니다. 둘째는 최근 테슬라의 자율주행 시스템 등이 극도로 발전시킨 '의사 라이다(Pseudo-LiDAR)' 기술입니다. 단 한 대의 카메라 영상만 보고도, 인공지능이 그동안 학습한 수많은 공간 데이터를 바탕으로 주변 사물들의 3차원 입체 깊이 지도를 스스로 실시간 추론해 내는 경지에 이른 것입니다.
## 3. 엣지 비전(Edge Vision)의 도전: 현장에서 겪는 3가지 현실적 한계
아무리 훌륭한 딥러닝 시각 알고리즘이 있어도, 현실의 피지컬 하드웨어에 적용할 때는 언제나 차가운 한계와 맞닥뜨리게 됩니다. 개발실 안에서는 완벽하던 AI 눈이 현장만 나가면 먹통이 되는 이유는 크게 세 가지입니다.
첫째는 '조명 변동성'입니다. 야외에서 작동하는 배달 로봇이나 자율주행 차량은 정오의 강렬한 햇빛, 터널 진입 시의 갑작스러운 암전, 밤거리의 화려한 네온사인 등 상상을 초월하는 빛의 변화를 견뎌야 합니다. 과노출로 화면이 하얗게 날아가거나 암부 노이즈가 심해지면 AI의 인지율이 급격히 떨어집니다.
둘째는 '동적 흐림(Motion Blur)' 현상입니다. 로봇이나 차량이 빠르게 이동하거나 카메라 자체가 흔들리면 순간적으로 영상이 흐려집니다. 찰나의 순간에 보행자나 표지판을 놓치면 치명적인 사고로 이어지므로, 하드웨어적인 손떨림 방지(OIS)와 소프트웨어적인 이미지 복원 알고리즘이 동시에 돌아가야 합니다.
마지막은 '컴퓨팅 자원의 한계'입니다. 고화질 영상을 초당 30프레임에서 60프레임 이상 실시간으로 분석하려면 엄청난 그래픽 카드(GPU) 연산이 필요합니다. 하지만 움직이는 로봇에 수백만 원짜리 대형 컴퓨터를 싣고 다닐 수는 없으며, 배터리 소모량도 감당할 수 없습니다. 따라서 최근 피지컬 AI 비전 기술은 알고리즘의 크기를 극도로 압축하면서도 성능을 유지하는 '경량화 모델(Lightweight Model)' 연구에 사활을 걸고 있습니다.
## 핵심 요약
과거의 컴퓨터 비전은 정해진 규칙과 픽셀을 대조하는 방식이어서 작은 환경 변화에도 취약했으나, 딥러닝(CNN)의 등장으로 유연한 사물 인지가 가능해졌다.
평면(2D) 이미지의 한계를 극복하기 위해 스테레오 카메라 및 인공지능 기반의 깊이(Depth) 추론 기술이 결합되어 3차원 공간 인지가 완성되었다.
실제 현장에서는 조명 변화, 모션 블러, 하드웨어 배터리 및 연산 능력의 한계(경량화 필요성)를 극복하는 것이 피지컬 AI 비전의 핵심 과제다.
0 댓글