📌 핵심 요약 (Key Takeaways)
- 핵심 성과 1: 지역(region) 단위 내비게이션에서 기존 학습 기반 방식 대비 12.2% 향상된 성공률(SR) 달성
- 독창적 차별점 2: 사전 구축된 지도나 태스크 전용 학습 없이, 쿼리 가능한 공간-의미 표현과 능동적 시점 검증(Active Viewpoint Verification)을 제로샷(Zero-shot)으로 통합
- 실무 파급력 3: 부분 관측(Partial Observation) 제약 환경에서도 지속적인 환경 수준의 공간 증거를 확보하여 실물 로봇 시스템의 실시간 적용 가능성 입증
1. 도입 및 연구 배경: 오픈 어휘 객체 내비게이션의 한계
계층적 오픈 어휘 객체 내비게이션(Hierarchical OVON)은 로봇이 장면(Scene), 방(Room), 지역(Region), 인스턴스(Instance) 수준의 큐를 포함하는 자유 형식의 자연어 지시어를 이해하고 미지의 환경을 탐색하도록 요구한다. 기존 선행 연구인 LangMap 등이 이러한 설정을 체계화했으나, 부분 관측 환경에서 신뢰성 있는 내비게이션을 수행하는 것은 여전히 엔지니어링 관점에서 큰 난제로 남아 있다.
공간 접지(Spatial Grounding) 작업에는 지속적인 환경 수준의 증거가 필수적인 반면, 목표물 검증에는 명확하고 변별력 있는 후보 시점이 요구된다. 정적이고 수동적인 센서 수집 방식만으로는 로봇이 시야각 제약과 폐색(Occlusion)을 극복하기 어렵다. 이에 따라 본 연구에서는 실시간으로 환경을 학습하며 능동적으로 시점을 조절하는 통합 프레임워크인 SAP-Nav를 제안한다.
2. SAP-Nav 아키텍처 및 핵심 메커니즘
SAP-Nav는 완전히 온라인 상태로 작동하는 제로샷(Zero-shot) 프레임워크로, 크게 두 가지 핵심 컴포넌트로 구성된다. 첫째는 쿼리 가능한 공간-의미 표현(Queryable Spatial-Semantic Representation)의 점진적 구축이며, 둘째는 능동적 시점 검증(Active Viewpoint Verification) 메커니즘이다.
로봇은 이동 과정에서 능동적으로 획득한 방(Room) 단위의 시각 정보를 바탕으로 공간 의미 맵을 실시간 갱신한다. 이를 통해 탐색된 임의의 위치에서 공간적 의미 쿼리를 수행할 수 있다. 또한, 현재 관측 데이터가 목표물 검증에 충분한 증거를 제공하는지 실시간으로 평가하며, 필요할 경우 더 유익한 시점으로 에이전트를 재배치하여 범주 및 속성 제약 조건을 만족시킨다.
유사 선행 연구 대비 독창성 및 성능 비교
| 비교 항목 | 기존/유사 논문 방식 (예: LangMap) | 본 연구의 제안 방식 (SAP-Nav) | 실무적 차별성 및 한계 |
|---|---|---|---|
| 지도 구축 및 사전 훈련 | 사전 계산된 장면 지도 및 태스크 전용 학습 필요 | 사전 훈련 없이 완전한 온라인 제로샷 구축 | 미지 환경 및 동적 환경에서의 범용성 대폭 상승 |
| 시점 제어 메커니즘 | 수동적 관측 기반의 정적 후보군 검증 | 능동적 시점 검증(Active Viewpoint Verification) | 폐색 지역 및 부분 관측 제약 극복 |
| 지역 수준 성능 (SR) | 기준선 학습 기반 모델 수준 | 학습 기반 방식 대비 12.2% 향상된 성공률 | 실제 로봇 필드 테스트에서 정량적 성능 우위 입증 |
3. 실험 결과 및 실무 파급력 분석
LangMap 및 HM3D-OVON 벤치마크를 통한 실험 결과, SAP-Nav는 계층적 OVON 태스크뿐만 아니라 표준 카테고리 수준의 OVON에서도 최고 수준의 성능을 기록했다. 특히 지역(region) 수준 내비게이션에서 학습 기반 방법 대비 12.2%의 성공률(SR) 향상을 달성하며 능동적 지각의 유효성을 증명했다.
실제 로봇(Real-world robot) 실험을 통해서도 실무 적용 가능성이 검증되었으며, 복잡한 실내 인프라 및 물류 창고 등에서 자율 이동 로봇(AMR)과 서비스 로봇의 지능형 내비게이션 파이프라인 구축에 직접적으로 기여할 수 있는 공학적 가치를 지닌다.