로봇을 이용한 라스트마일 배송의 기술적 난제 중 하나는 상품을 배송하기 위해 출입문이나 현관의 위치를 찾는 것이다. 로봇에게 길을 안내해주는 지도 위에 현관이나 출입문의 GPS 좌표값을 표시해주더라도 진입로를 찾지 못하거나 집의 구조를 이해하지 못한다면 상품을 인도할 장소를 찾지못해 로봇이 어려움을 겪을 수 있다. 계절별로 주택의 설치물이 바뀌는 경우도 있어 GPS 좌표를 무작정 신뢰할 수 없다. 또 지도상에 모든 세대의 현관문이나 출입구를 좌표로 표시하는 것이 프라이버시 문제를 초래할 수도 있다.

‘MIT 뉴스’에 따르면 MIT 연구진은 포드자동차와 협력해 라스트 마일 배송의 걸림돌로 인식되고 있는 현관이나 출입문을 기존 내비게이션의 좌표값이 아니라 ‘의미론적(semantic)’으로 이해할 수 있는 새로운 내비게이션 알고리즘을 개발했다. 로봇은 지도상의 좌표값이 아니라 ‘현관’ 등 일반적인 의미를 담고 있는 용어로 기술된 맵을 활용해 목적지와 경로를 설정할 수 있다. 로봇은 진입로, 인도 등을 인식할 수 있도록 시각 데이터 기반의 훈련 과정을 거친다. 진입로와 인도를 확인해야만 현관으로 갈수 있는 가능성이 높아진다.

최근 로봇 산업계 연구자들은 로봇에게 주변 객체에 의미론적인 라벨을 붙여 사물을 인식하는 훈련을 시키고 있다. 이를 통해 로봇은 자연어나 의미론적인 언어를 이해하는 데 한발짝 더 다가가고 있다. 이런 과정이 있어야만 현관문을 직사각형의 장애물이 아니라 사람이 드나들 수 있는 현관문으로 인식하게 된다.

MIT 연구진은 데이터로부터 의미론적인 단서나 맥락을 갖고 있는 새로운 맵을 만드는 기존의 알고리즘을 활용했다. 이를 ‘의미론적인 SLAM’이라고 칭할 수 있는데 시각 데이터에 의미론적인 라벨을 붙여 로봇이 주변의 사물을 인식할 수 있도록 하는 것이다.

MIT 연구진은 기존의 알고리즘에 ‘이동 비용 추정자(cost-to-go estimator)’라는 새로운 알고리즘을 적용했다. 이 알고리즘은 기존의 SLAM 알고리즘에 의해 만들어진 의미론적인 지도를 '2번째의 지도(second map)'로 변환해준다. 2번째로 만들어진 지도는 목적지에 가까워질수록 색상이 변한다. 흰색에서 검은색까지 색상이 변하는 그레이 스케일(gray-scale) 방식을 채택, 목적지에 가까워지면 점점 밝은 색상으로 변하고, 목적지에서 멀어지면 점점 어두워진다.

연구팀은 위성으로 촬영한 ‘빙맵(Bing Map)’의 이미지를 활용해 도심과 부도심 지역 77가구를 대상으로 ‘의미론적인 지도(semantic map)’를 ‘이동 비용 지도(cost-to-go map)’로 변환해 훈련을 시켰다. 처음에는 시뮬레이션 환경에서 테스트한 후 훈련 데이터 밖의 환경에서 로봇을 테스트했다. 연구진은 이동 비용 지도 알고리즘을 채택한 결과 전통적인 내비게이션 알고리즘에 비해 현관 또는 출입문을 찾는 속도가 189% 빨라졌다고 밝혔다. 이번 연구는 국제로봇컨퍼런스인 '2019 IROS'에 발표됐다.