Embargo		-
배포일자 : 2025.05.23.(금)				배포번호 : 2025-41호
문의	대경권연구본부		본부장		변우진(053-670-8100)	E-mail : wjbyun@etri.re.kr
	대경권연구본부		모빌리티AI융합연구실장		이래경(053-670-8045)	E-mail : laeklee@etri.re.kr
	대외협력본부		홍보실장		정길호(042-860-0670)	E-mail : khchong@etri.re.kr
	홍보실		행정원		이서진(042-860-0635)	E-mail : seojin@etri.re.kr
매수 : 보도자료 3매(참고자료 2매, 사진자료 4매)						배포처 : ETRI 홍보실

국내 연구진이 세계 최고 권위의 로봇 학술대회인 ICRA 2025에서 열린 시맨틱 세그멘테이션 국제 챌린지에서 세계 2위를 차지했다. 이로써 영상으로 보는 미래 로봇의 눈 분야에서 연구진의 활약이 기대된다.

한국전자통신연구원(ETRI)은 ICRA 2025의 필드 로보틱스 워크숍에서 진행된 ‘Goose 2D 의미론적 분할 챌린지(Goose 2D Semantic Segmentation Challenge)’에 참가해 우수한 성과를 거뒀다고 밝혔다. 이번 성과로 국내 인공지능 기반 영상 인식 기술의 국제 경쟁력을 다시 한번 입증한 셈이다.

해당 챌린지는 필드 로봇이 실제로 마주하게 되는 들판, 산림, 건설 현장 등 비정형 지형에서 촬영된 2D 영상 데이터를 기반으로 수풀, 돌, 나무, 땅 등의 객체를 픽셀 단위로 정확히 구분해 내는 인공지능 기술의 성능을 겨루는 자리다.

참가자들은 제한된 학습 데이터를 기반으로 사전 훈련된 모델을 개발한 후, 공개되지 않은 테스트 데이터셋을 대상으로 시맨틱 분할의 정확도로 겨루게 된다. mIoU(mean Intersection over Union) 수치가 높을수록, 산림·건설현장 등 비정형 지형에서 객체를 정확히 구분해 내는 인공지능 모델의 인식 성능이 우수하다는 것을 의미한다.

이번 챌린지에는 한국, 독일, 대만 등 총 8개 팀이 참가하여 기술을 겨뤘으며, ETRI에서는 대경권연구본부 모빌리티AI융합연구실(이래경 실장) 소속 안수용 책임연구원, 김원준 석사후연구원이 ‘모빌리티 AI 그룹’이라는 이름으로 팀을 구성해 참여했다. 연구진은 복잡한 비정형 야외 환경에서도 뛰어난 객체 분할 성능을 보이는 인공지능 모델을 구현했으며, 그 결과 대회에서 2위라는 값진 성과를 달성했다.

ETRI의 기술은 비정형 야외 환경에서도 높은 정확도로 객체를 분할할 수 있는 인공지능 모델을 구현해 국제적으로 그 기술력을 인정받았다. 이는 로봇이 보는 시점에서 사람처럼 사물을 더 명확하게 구분하고 이해하는 능력을 획득했다는 의미이기도 하다. 한편, 이번 챌린지의 1위는 대만의 국립청쿵대학교(National Cheng Kung University) 팀이 차지했다.

이번 챌린지에서 제공된 데이터셋은 기존의 도시 기반 시맨틱 세그멘테이션 데이터셋과는 본질적으로 다르다. 일반적인 데이터셋이 구조화된 도로와 명확한 객체들로 구성된 것과 달리, 본 챌린지의 데이터셋은 산림, 들판, 미개발지 등 비정형 야외 환경에서 촬영된 영상으로 이루어져 있다.

여기에는 광량 변화, 불규칙한 구조물, 시야 방해 요소 등 현실적인 환경 요소가 포함되어 있으며, 객체 간 시각적 유사성 역시 모델의 일반화 능력을 시험하는 중요한 요소다. 이러한 특성은 실질적인 필드 로봇 기술의 성숙도를 평가하는 데 있어 매우 높은 기준으로 작용한다.

ETRI 대경권연구본부 변우진 본부장은 “이번 수상은 우리 연구진의 기술력과 연구 성과가 세계 최고 권위의 로봇 학회에서 국제적으로 공인받았다는 점에서 매우 큰 의미가 있다. 특히 영상 기반 시맨틱 세그멘테이션 기술은 자율주행, 물류, 산업용 로봇 등 다양한 모빌리티 애플리케이션에 폭넓게 활용될 수 있을 것이다”고 말했다.

ETRI 대경권연구본부는 현장 적용이 가능한 실용 기술 개발에 집중하고 있으며, 향후 국내는 물론 글로벌 산업 생태계에도 실질적으로 기여하는 연구기관으로 자리매김하겠다는 포부를 밝혔다.

이번 성과를 바탕으로 연구진은 비정형 지형에서의 자율주행 기술 고도화를 핵심 연구 방향으로 삼고 있다. 기존 자율주행 기술로는 인식 정확도와 주행 안정성을 확보하기 어려운 산림, 농지, 건설 현장, 재난 대응 지역 등에서도 안정적으로 동작할 수 있도록, 강건한 시맨틱 인식 기반 객체 분할 기술을 지속적으로 개발할 계획이다. 이를 통해 산업용 로봇, 농업용 로봇, 재난 대응 로봇 등 다양한 응용 분야로의 기술 확장을 적극 추진하고 있다.

이번 수상은 단순한 대회 성과를 넘어, 실제 필드 환경에서의 기술 적용 가능성을 국제적으로 검증받은 실질적인 이정표로 평가받고 있다. ETRI는 앞으로도 인공지능 기반 영상 인식 기술을 중심으로 다양한 산업 분야에서 혁신을 선도해 나갈 계획이다.

본 성과는 과학기술정보통신부의 “대경권 지역산업 기반 ICT 융합기술 고도화 지원사업(모빌리티)” 과제의 일환으로 수행되었다. <보도자료 본문 끝>

용어설명

1) ICRA(International Conference on Robotics and Automation) : IEEE(국제전기전자기술자협회)가 주관하는 세계 최대 규모의 로봇공학 학술대회로, 로봇 및 인공지능 분야에서 가장 권위 있는 국제 학술 행사 중 하나임

2) 시맨틱 세그멘테이션(Semantic Segmentation) : 이미지에서 픽셀 단위로 ‘무엇이 어디에 있는지’를 구분하는 인공지능 기술. 예를 들어, ‘나무’, ‘땅’, ‘돌’ 등의 객체를 각각 색깔로 구분해 표시함

3) 필드 로보틱스(Field Robotics) : 도심 외부의 비정형 환경(들판, 산림, 농지, 건설현장 등)에서 작동하는 로봇 기술 분야. 일반적인 도로 환경보다 더 복잡하고 예측이 어려운 조건에서 자율주행 및 작업을 수행함

4) Goose 2D Semantic Segmentation Challenge : ICRA 2025 공식 워크숍에서 개최된 국제 인공지능 기술 대회로, 들판·산림 등 비정형 자연환경에서 촬영된 영상 속 객체들을 AI로 픽셀 단위로 분류하기 위한 데이터셋 제공()

5) 비정형 지형 : 도시의 도로처럼 정해진 구조가 없는 지형. 예: 산림, 농지, 자갈길, 들판, 미개발지 등. 자율주행 기술로 대응하기 어려운 복잡한 환경을 의미함

6) 사전 훈련 모델(Pre-trained Model) : 미리 학습된 상태의 인공지능 모델로, 새로운 작업에 빠르게 적응시킬 수 있음. 본 챌린지에서는 제한된 학습 데이터만 제공되기 때문에 사전 훈련 모델의 활용이 중요함

7) 일반화 성능(Generalization) : AI 모델이 훈련에 사용되지 않은 새로운 데이터에도 잘 작동하는 능력. 실제 환경에서 성능이 유지되기 위해 반드시 필요한 속성임

8) 자율주행 모빌리티 : 사람의 개입 없이 스스로 주변 환경을 인식하고 이동하는 차량이나 로봇을 의미. 도심뿐 아니라 산림·농업·재난 현장 등 다양한 분야에서 응용 가능함

9) mIoU(mean Intersection over Union) : 인공지능 모델이 이미지에서 객체를 얼마나 정확히 분할했는지를 수치로 평가하는 대표적인 지표. 예측한 영역과 실제 정답 영역이 얼마나 겹치는지를 계산해 0~1 사이의 값으로 표현되며, 값이 클수록 모델의 인식 성능이 우수함을 의미함

참고1

Goose 2D 의미론적 분할 챌린지 본선 결과

참고2

제안된 AI모델을 이용한 입력영상의 세그멘테이션 결과

<입력영상 타입에 따른 세그멘테이션 결과>

<원본 RGB영상(좌)과 제안된 AI 모델을 이용한 세그멘테이션 결과(우)>