GlassGuard, 투명 유리 평면 매핑으로 로봇 내비게이션의 자유 공간 오염 줄인다

로봇 내비게이션 맵에서 투명 유리 표면을 정확히 점유하면서도 이동 가능한 자유 공간을 오염시키지 않는 평면 재구성이 가능한가?

투명 유리는 LiDAR 레이저를 통과시키거나 반사시켜 충돌 경계가 맵에 누락될 수 있다. 기존 재구성 방법은 유리 표면을 잘못 배치하면 오히려 지나갈 수 있는 자유 공간을 점유로 오염시켜 로봇의 이동을 막는다. 유리 자체에는 특징이 거의 없어 카메라 이미지에서 보이는 것은 뒤쪽 장면이나 반사상이므로, 이미지 기반 깊이 추정이 모호하고 구조 연관 오류가 발생하기 쉽다.

기존 접근법은 크게 두 계열이다. MonoGlass3D 같은 학습 기반 방법은 RGB에서 직접 유리 깊이나 평면 파라미터를 추론하지만, 유리의 무특성으로 인해 깊이와 방향 오류가 발생한다. GlassRecon 같은 파이프라인 기반 방법은 파운데이션 모델의 깊이 사전과 LiDAR 측정을 정합하지만, 유리 마스크를 잘못된 구조물(가림막이나 유리 뒤 구조물)에 연관시켜 잘못 배치된 평면을 만든다. 두 방법 모두 단일 프레임에서 배치 후 방향이나 깊이를 검증하지 않고 수정하지 않는다.

GlassGuard는 3단계로 구성된다. 첫째, SAM3를 구조적 프루닝으로 경량화한 Slim SAM3가 RGB 이미지에서 유리 인스턴스 마스크를 검출하고, 주변 LiDAR 점군으로부터 시드 점을 추출해 수직, 수평 기둥을 만들고 유계 평면 후보를 생성한다. 둘째, 깊이를 사용하지 않는 2D 투영 기하 검증을 수행한다. 마스크 경계선의 해석 평면으로부터 중력 벡터를 이용해 요 방향 기준을 복원하고, LiDAR 후보의 요 방향과 비교해 각도 오차가 허용 범위를 넘으면 거부한다. 셋째, 전역 관리자가 시드 지지 수에 따라 평면을 병합하고, 바닥 증거와 다중 시점 재투영 검증으로 모순된 평면을 제거한다. 수용된 평면은 월드 프레임에 유지되며 내비게이션 맵에 점유로 삽입된다. 이 전체 파이프라인은 온보드에서 실행되며 RTX 5070 Ti 노트북 GPU에서 프레임당 약 0.74초가 걸린다.

실물 Mecanum 휠 로봇에 Livox Mid-360 LiDAR와 Ricoh Theta 파노라마 카메라를 장착해 9개 건물 규모 장면(실내외 6개 환경, 주야간)에서 1시간 이상, 2.1km를 주행하며 평가했다. 동일 핀홀 입력 기준으로 GG-pin의 Ever 커버리지는 82.1%로, MonoGlass3D의 61.0%, GlassRecon의 44.4%보다 높았다. 파노라마 버전 GG-360은 85.2%를 기록했다. 프레임당 평균 거짓 점유 복셀 수는 GG-pin이 16.7개, GG-360이 15.3개인 반면 GlassRecon은 85.4개, MonoGlass3D는 290.2개로, 기존 방법 대비 5~17배 적었다. 1.0m 복셀 해상도에서 현재 맵 커버리지는 충돌 위험 구간인 0~2m에서 GG-360이 89.1%, GG-pin이 84.4%, 2~5m에서 각각 91.5%, 89.0%였다. 초기 검출 후 유지율은 두 변형 모두 90% 이상이었다. 컴포넌트 제거 실험에서 각도 게이트를 제거하면 동시 거짓 점유가 75% 증가하고 누적 거짓 복셀이 126% 늘어나 가장 큰 기여를 하는 것으로 나타났다. 다중 시점 검증은 누적 오염을 10% 줄이지만 근거리 커버리지를 5.4포인트 낮추는 트레이드오프를 보였다.

이 연구는 프리프린트로 동료 심사를 거치지 않았다. 저자들은 현재 평면이고 거의 수직인 유리만 가정하며, 곡면 유리나 크게 기울어진 유리는 처리하지 못한다고 밝혔다. 프레임당 0.74초의 추론 시간은 LiDAR 10Hz 주기에 비해 느려 업데이트 속도 향상이 필요하다. 깊이 자체는 독립적으로 검증하지 않으며, 다중 시점 검증이 이를 보완하지만 근거리 커버리지를 희생하는 한계가 있다. 평가는 단일 로봇 플랫폼에서 이루어졌고, 코드 공개 여부는 논문에 보고되지 않았다.