이번 챌린지는 건설 및 산업 환경과 같이 구조적 변화가 빈번한 상황에서, 다양한 시간대에 수집된 라이다 스캔 데이터를 얼마나 정확하고 강인하게 정합할 수 있는지를 중심으로 평가한다. 특히 단일 시점 정합 정확도만을 보는 것이 아니라 다수의 시간대에 걸쳐 발생하는 구조 변화에도 대응하는 다중 세션 위치추정 및 지도작성(Multi-session SLAM) 기술을 다루어, 기술적 수준이 매우 높은 대회로 손꼽힌다.
어반 로보틱스랩팀은 다중 시간대와 공간에서 수집된 라이다 데이터 간의 정합 문제를 해결하는 독자적인 위치 추정 및 지도작성 기술로 3위 대만국립대학교와 2위인 중국 서북 이공대를 큰 점수 차이로 제치고 전체 1위를 차지했다. 수상팀에게는 상금 4,000달러가 수여될 예정이다.
어반 로보틱스랩팀은 사전 연결 정보 없이도 다수의 스캔을 강건하게 정합할 수 있는 다중 정합(multiway-registration) 프레임워크를 자체 개발하였다. 이 프레임워크는 스캔 내의 특징점을 요약하고 대응점을 찾아내는 알고리즘(CubicFeat), 찾아낸 대응점을 기반으로 전역 정합을 수행하는 알고리즘(Quatro), 그리고 변화 감지 기반 결과 정제를 위한 알고리즘(Chamelion)으로 구성된다. 이러한 기술 조합을 통해 변화가 심한 산업 환경에서도 고정 구조물 기반으로 정합 성능이 안정적으로 구현하도록 하였다.
라이다 스캔 정합 기술은 자율주행차, 자율로봇, 자율보행 시스템, 자율비행체, 자율운항 등 다양한 자율 시스템에서의 SLAM(Simultaneous Localization And Mapping)의 핵심 요소다.
명현 전기및전자공학부 교수는 “이번 수상 기술은 복잡한 환경 속에서도 서로 다른 스캔 사이의 상대 위치를 정밀하게 추정하는 성능을 극대화했다는 점에서 학문적 가치와 산업 응용 가능성을 동시에 입증한 사례로 평가된다.”라며 “난이도가 높아 많은 팀들이 포기한 상황에서도 끝까지 포기하지 않고 도전해 준 학생들에게 감사하다”고 밝혔다.
한편, 어반 로보틱스랩팀은 2022년에 처음 SLAM 챌린지에 출전하여 학계 2위를 수상하고, 2023년에는 라이다 부문 전체 1위, 비전 부문 학계 1위를 수상한 바 있다.
