Sir Airffic Go연구 논문에서 온 내용이 많지만 말은 쉽게 풀었어요. 잘 따라와 주세요.
이해의 네 단계
- 탐지: 영상 속 사람, 차, 전깃줄을 찾아서 네모 상자를 그려요.
- 추적: 찾아낸 물체가 다음에 어디로 움직이는지 따라가요.
- 자기 위치 추정: 영상의 움직임과 IMU를 합쳐서 내가 얼마나, 어디로 움직였는지 계산해요(VIO: 시각-관성 주행거리 측정).
- 이해와 지시: "빨간 지붕 집 뒤쪽을 확인해 줘" 같은 말을 알아듣고, 그 말을 눈에 보이는 것과 연결해요(VLM: 이미지와 언어를 함께 다루는 AI).
지도를 만들며 날기: SLAM과 VIO
2000년대 후반, 대학 연구실에서 카메라 한 대와 IMU로 작은 드론의 위치를 추정하기 시작했어요. 모든 것이 거기서 시작됐어요.
SVO, VINS-Mono, ORB-SLAM 같은 방법이 공개되어 모두가 쓰는 기반이 되었어요. 공개된 연구가 제품의 부품이 된 거예요.
오늘날 상업용 드론이 다리 밑과 실내에서 날 수 있는 것은 이렇게 쌓인 연구 덕분이에요.
위에서 보면 물체가 작고 비뚤어져 보여요
땅에서 찍은 사진으로 배운 AI는 위에서 내려다본 장면을 어려워해요. 사람은 점이 되고 차는 모양이 달라 보여요.
그래서 하늘에 맞는 AI를 훈련하려고 VisDrone, DOTA 같은 항공 데이터셋이 만들어졌어요.
데이터를 가진 쪽이 AI가 얼마나 똑똑해질지를 정해요. 파운데이션 모델 시대에도 이건 변하지 않았어요.
Sir Airffic GoAI 실력 차이는 알고리즘보다 항공 데이터를 얼마나 가졌느냐에서 나는 경우가 많아요. 전략 챕터에서 꼭 기억해 주세요.
AI가 인간 챔피언을 이긴 날
2023년, 취리히 대학교가 만든 AI 드론 Swift가 드론 레이싱 인간 세계 챔피언들을 이겼어요. 이 연구는 Nature에 실렸어요.
Swift는 카메라와 IMU만으로 자기 위치를 추정했고, 강화학습(시뮬레이션에서 수없이 연습하는 방법)으로 나는 법을 배웠어요.
다만 정해진 코스에서의 이야기예요. 날씨와 장애물이 계속 바뀌는 실제 하늘에서 같은 실력을 내는 것은 아직 풀리지 않은 과제예요.
심층 강화학습으로 챔피언급 드론 레이싱(취리히 대학교)
근거: [N124]
다음 물결: 보고, 생각하고, 말대로 움직이기
2023년 무렵부터 이미지와 언어를 함께 다루는 대형 AI 모델(파운데이션 모델)이 로봇의 두뇌로 쓰이기 시작했어요.
장면을 이해하면서 말로 된 지시를 따르는 드론 연구(항공 비전-언어 내비게이션)가 늘고 있어요.
대형 모델은 무거워서 기체 위에서 빠르게 돌리기가 아직 어려워요. 그래서 다음 챕터인 칩 이야기를 함께 읽어야 해요.
근거: [N133]
자주 묻는 질문
드론 컴퓨터 비전은 어떤 일에 쓰이나요?
다리와 전깃줄의 균열 찾기, 농작물 상태 확인, 수색 구조 때 사람 찾기, 보안과 교통 감시, 배송지 확인 등에 많이 쓰여요.
시각-관성 주행거리 측정(VIO)이란 무엇인가요?
영상의 움직임과 IMU가 잰 가속도·회전을 합쳐서 드론이 얼마나 움직였는지 계산하는 방법이에요. GPS 없이 날기 위한 기본 기술이에요.