Sean Woo
핵심 요약
- SLAM은 주변 지도와 로봇의 현재 위치를 함께 추정하는 기술입니다.
- 바퀴가 얼마나 돌았는지와 센서가 무엇을 봤는지를 맞춰 오차를 줄입니다.
- 이미 방문한 장소를 다시 알아보면, 쌓인 경로 오차를 보정할 수 있습니다.
- 지도를 만드는 일과 장애물을 피해 움직이는 일은 서로 다른 역할입니다.
- 실제 성능은 센서·조명·공간 구조·평가 조건을 함께 봐야 판단할 수 있습니다.
처음 들어간 도서관에서 생기는 두 가지 질문
처음 방문한 도서관에서 책을 운반하는 로봇을 떠올려 보겠습니다. 로봇은 먼저 ‘책장과 통로가 어디에 있지?’를 알아야 합니다. 그런데 주변 모습을 기록하려면 ‘지금 내가 어느 위치에서 어느 방향을 보고 있지?’도 알아야 합니다. 지도가 있어야 위치를 알기 쉽고, 위치를 알아야 지도를 그리기 쉽다는 문제가 동시에 생깁니다.
SLAM은 Simultaneous Localization and Mapping, 즉 ‘동시 위치 추정 및 지도 작성’입니다. 이동하며 얻는 관측으로 지도와 자기 위치·방향을 함께 추정합니다. 처음부터 완성된 정답을 얻는 것은 아닙니다. [ORB-SLAM2 원문·서론]
1. 조금 움직이고, 주변을 다시 재어 봅니다
쉽게 이해하기 위해 바퀴와 거리 센서가 달린 로봇을 생각해 보겠습니다. 바퀴가 회전한 양으로 이동 거리를 예상하고, 라이다가 읽은 벽과 선반의 거리 배열을 이전 관측과 비교합니다. 로봇이 예상보다 덜 움직였다면, 두 자료가 잘 맞도록 위치 추정치를 조정합니다. SLAM Toolbox는 실제로 이동 추정 자료와 레이저 스캔을 받아 스캔 정합, 위치 추정, 지도 생성을 수행합니다. [SLAM Toolbox 공식 설명]
예를 들어 바퀴 계산으로는 1m 전진했지만 주변 벽과의 관계를 비교하면 0.95m 정도 움직인 것으로 보일 수 있습니다. 5cm의 차이를 발견했다고 센서 하나를 무조건 정답으로 삼는 것은 아닙니다. 각 관측의 불확실성을 고려해 더 일관된 위치를 찾습니다. 이 숫자는 원리를 설명하기 위한 가상 예시이며 특정 로봇의 실측 정확도가 아닙니다.
카메라를 쓰는 방식도 있습니다. ORB-SLAM2는 영상에서 다시 찾을 수 있는 특징점을 이용하고, 한 대의 카메라·두 대의 카메라·깊이 정보가 있는 카메라 입력을 지원합니다. 따라서 SLAM은 특정 센서의 이름도, 모두 같은 방식으로 작동하는 단일 제품도 아닙니다. 그림 속 거리 측정 장면은 여러 구현 가운데 한 가지를 단순화한 예입니다. [ORB-SLAM2 원문·구조]
2. ‘여기 아까 왔던 곳이네’가 중요한 이유
작은 위치 오차도 이동하는 동안 쌓이면 경로가 조금씩 틀어질 수 있습니다. 도서관 책장을 한 바퀴 돌고 출발점으로 돌아왔는데, 로봇이 기억한 경로의 끝이 시작점에서 어긋나는 식입니다. 이때 이전에 본 장소를 다시 알아보는 절차를 ‘루프 폐쇄’라고 부릅니다. 실제로는 다른 곳인데 비슷하게 생겼다는 이유만으로 같은 장소라고 판단하면 안 됩니다.
같은 장소라는 관계가 확인되면, 그래프 기반 방식은 현재 위치만 순간적으로 옮기는 데 그치지 않고 여러 시점의 위치 관계를 함께 조정할 수 있습니다. SLAM Toolbox의 공식 설명도 루프가 발견되면 위치 관계를 담은 그래프를 최적화하고 추정치를 갱신한다고 명시합니다. 그림의 닫힌 선은 이 원리를 보여 주는 표현이지, 실제 오차가 완전히 없어졌다는 측정 결과는 아닙니다. [SLAM Toolbox 처리 과정]
3. 지도가 있다고 안전한 주행까지 완성되지는 않습니다
어제 만든 지도에 통로가 비어 있어도 오늘은 그 자리에 상자가 놓일 수 있습니다. 로봇은 현재 센서로 상자를 확인하고, 지나갈 공간과 자신의 크기를 고려해 다른 경로를 선택해야 합니다. SLAM이 ‘지도와 내 위치’를 다루는 역할이라면, 경로 계획과 주행 제어는 ‘어디로, 어떻게 움직일지’를 다루는 역할입니다. Nav2의 공식 저장소도 위치 추정, 장애물 정보를 다루는 지도, 경로 계획, 제어 기능을 별도 구성 요소로 제공합니다. [Nav2 공식 저장소]
따라서 ‘SLAM 탑재’라는 문구만으로 사람을 반드시 피한다거나 모든 좁은 통로를 통과한다고 결론 내리면 안 됩니다. 예를 들어 로봇 폭이 60cm이고 통로 폭이 70cm라면, 정확히 가운데 있더라도 좌우 여유는 각각 5cm뿐입니다. 이것은 단순한 기하 계산이며 안전 통과를 보장하는 기준이 아닙니다. 위치 오차와 회전 시 차체가 차지하는 공간까지 따져야 합니다.
논문 속 숫자는 어떤 조건에서 나왔을까요
기술을 비교할 때는 ‘정확하다’는 말보다 평가 조건을 먼저 보는 편이 좋습니다. ORB-SLAM2 연구진은 KITTI·EuRoC·TUM RGB-D라는 세 가지 공개 데이터셋으로 평가했습니다. 논문은 Intel Core i7-4790, 메모리 16GB 환경에서 각 시퀀스를 5회 실행하고, 추정 경로 정확도는 중앙값으로 제시했다고 설명합니다. 이는 연구진의 공개 데이터 평가이며 모든 실내 서비스 로봇의 운행 성능을 검증한 결과는 아닙니다. [ORB-SLAM2 원문·평가 조건]
이 논문의 최초 공개는 2016년 10월 20일이며, 여기서 확인한 버전은 2017년 6월 19일 수정본입니다. 2021년 5월 13일 출판된 SLAM Toolbox 논문은 지도를 저장했다가 다음 작업에서 다시 불러와 보완하는 기능을 설명합니다. 오래된 연구를 새 발표로 소개하는 것이 아니라, SLAM의 기본 원리와 실제 소프트웨어 구현을 이해하기 위한 근거로 읽어야 합니다. [ORB-SLAM2 공개 이력] [SLAM Toolbox 논문]
로봇을 고를 때 확인할 질문이 달라집니다
카메라 기반 방식에서는 가려짐이나 급격한 움직임 때문에 추적을 놓칠 수 있고, 단안 방식은 실제 거리의 크기를 알아내는 데 별도 어려움이 있습니다. 또한 지도에 기록한 환경이 크게 달라졌다면 저장 지도 활용 조건도 달라집니다. 센서가 하나 더 달렸다는 이유만으로 이런 문제가 모두 해결됐다고 보기는 어렵습니다. [ORB-SLAM2 원문·서론과 위치 추정 모드]
독자에게 중요한 질문은 ‘SLAM이 있나요?’에서 한 단계 더 나아갑니다. 우리 공간에서 위치를 잃으면 어떻게 복구하는지, 책장 배치가 바뀌면 지도를 어떻게 갱신하는지, 새 장애물 앞에서 어떤 조건으로 멈추는지를 확인해야 합니다. 이는 앞서 살펴본 기능 분리를 바탕으로 한 ITTimes의 해석입니다. 보기 좋은 지도 한 장보다, 지도가 틀리거나 환경이 달라졌을 때의 대응까지 확인하는 것이 로봇의 실제 활용 가능성을 이해하는 데 도움이 됩니다.
읽어 본 원문
- ORB-SLAM2 원문 v2 · 2017-06-19
- SLAM Toolbox 공식 저장소 · 수시 갱신 기술문서
- SLAM Toolbox: SLAM for the dynamic world · 2021-05-13
- Nav2 공식 저장소 · 수시 갱신 기술문서
자료 확인: 2026년 9월 13일
글쓴이 Sean Woo
15년 이상 로보틱스 기술·사업 방향성 수립 업무를 해왔습니다. 공개된 기술문서·논문·기업 발표를 바탕으로 로봇과 AI의 변화를 이해하기 쉽게 분석합니다. 이 매체의 해석은 특정 회사나 기관의 공식 입장을 대변하지 않습니다.