보행 인식 기술 SCGait 활용 로봇 개인 식별 시스템 개발

주장기존의 로봇 개인 식별 방식은 음성 인식이나 초광대역(UWB) 위치 추적 등 대상자의 능동적인 협조를 요구합니다. 이러한 방식은 실제 환경에서 적용 범위가 좁다는 한계를 가집니다.

주장연구진은 이를 해결하고자 대칭 인코딩과 의사 중심 손실 함수를 최적화한 보행 인식 방법인 SCGait를 제안했습니다. 이 기술은 대상자의 보행 패턴을 분석하여 비협조적인 상황에서도 개인을 식별합니다.

팩트SCGait는 카시아-비(CASIA-B) 데이터셋의 세 가지 하위 집합에서 평균 82.2%의 테스트 정확도를 기록했습니다. 이 결과는 보행 인코딩 방식과 손실 함수가 우수한 일반화 능력을 갖추었음을 입증합니다.

팩트연구진은 SCGait를 객체 탐지 모델인 욜로(Yolo)와 결합하여 로봇용 개인 식별 및 추적 시스템을 구축했습니다. 다수의 사람이 등장하는 테스트 환경에서 91.8%의 식별 정확도를 달성했습니다.

팩트해당 시스템은 초당 36프레임(FPS)의 처리 속도를 보이며 실시간 추적 성능을 확보했습니다. 이는 가정용 동반 로봇과 산업용 순찰 로봇 환경에서 모두 효과적으로 작동합니다.

교차검증보행 인식 기술은 조명 변화나 복잡한 배경 등 외부 환경 요인에 따라 성능이 변할 수 있습니다. 연구진은 이를 보완하고자 다양한 데이터셋을 활용해 일반화 성능을 검증했습니다.

교차검증본 연구의 보행 인식 방식은 데이터 기반 학습 모델이므로 학습 데이터에 포함되지 않은 특이 보행 패턴에서는 인식률이 낮아질 가능성이 존재합니다. 따라서 다양한 보행 유형에 대한 추가 데이터 확보가 필요합니다.

팩트연구진은 개발된 알고리즘의 소스 코드를 깃허브(GitHub)를 통해 공개했습니다. 관심 있는 연구자들은 해당 저장소에서 기술을 검증하고 활용할 수 있습니다.

팩트본 연구는 다족 보행 로봇의 자율성을 높이는 핵심 기술로 평가받습니다. 로봇이 사람을 식별하고 추적하는 기능은 서비스 로봇 상용화에 필수적인 요소입니다.

출처네이처(Nature)의 자매지인 사이언티픽 리포트(Scientific Reports)에 게재된 논문과 깃허브 저장소를 교차 검증했습니다.