Embargo		-
배포일자 : 2026.11.6.(금)				배포번호 : 2026-79호
문의	대경권연구본부		본부장		변우진(053-670-8100)	E-mail : wjbyun@etri.re.kr
	대경권연구본부		모빌리티AI융합연구실장		이래경(053-670-8045)	E-mail : laeklee@etri.re.kr
	대외협력부		홍보실장		정길호(042-860-0670)	E-mail : khchong@etri.re.kr
	홍보실		행정원		박예지(042-860-6670)	E-mail : yeji@etri.re.kr
매수 : 보도자료 3매 (참고자료 4매, 사진자료 9매)						배포처 : ETRI 홍보실

국내 연구진이 세계적인 로봇 학술대회에서 열린 국제 자율탐사 경진대회에서 우승을 차지했다. 로봇이 처음 접하는 실내 공간에서 스스로 탐사 경로를 결정하고, 수집한 정보를 기지로 전달하는 기술의 우수성을 세계 무대에서 입증한 성과다.

한국전자통신연구원(ETRI)은 지난 9월 말 미국 피츠버그에서 열린 세계적 로봇 학술대회 ‘IROS 2026’연계 실내 자율탐사 경진대회에서 단일 로봇(Single-agent) 부문 1위를 차지했다고 밝혔다.

이번 대회는 IROS 2026의 ‘지능형 정보수집을 위한 단일·다중 로봇 시스템 워크숍’과 연계해 열린 국제 경진대회로, 미국 브리검영대학교(BYU)와 카네기멜런대학교(CMU), 싱가포르 난양공과대학교(NTU)와 싱가포르국립대학교(NUS) 연구진이 공동 주최했다. ETRI에서는 안수용 책임연구원과 이래경 실장이 ‘MobilityAI’팀으로 참가했다.

❑ 비공개 실내환경 평가서 1위… 탐사 성능 입증

실내 자율탐사 경진대회는 로봇이 사전에 알지 못하는 공간을 스스로 탐사하면서 제한된 시간 안에 얼마나 많은 공간 정보를 확보해 기지로 전달하는지를 겨룬다. 단일 로봇과 다중 로봇 부문으로 나뉘며, ETRI는 로봇 한 대의 자율탐사 능력을 평가하는 단일 로봇 부문에 참가했다.

최종 평가는 참가자에게 공개되지 않은 10개 실내환경 지도에서 지도별 4개의 서로 다른 시작 위치를 적용해 진행됐다. 단순 탐사 면적이 아니라 탐사한 정보가 실제 기지까지 전달된 비율인 ‘기지 정보 확보율(Base-station Coverage)’을 기준으로 평가했다.

그 결과 ETRI MobilityAI 팀은 최종 평가점수인 기지 정보 확보율 40.26%를 기록하며 단일 로봇 부문 1위에 올랐다. 최종 순위에 오른 10개 팀 가운데 종합점수는 물론 소형·대형 지도 그룹에서도 가장 높은 점수를 기록했다.

기지 정보 확보율은 전체 공간 가운데 로봇이 탐사한 정보가 기지까지 전달된 영역의 비율을 의미한다. 단순히 로봇이 이동한 거리나 탐사한 면적이 아니라, 실제로 기지가 확보한 공간 정보를 평가하는 지표다.

❑ 탐사 위치·귀환 시점 스스로 판단… 탐사 효율 향상

이번 우승의 핵심은 로봇이 탐사할 위치와 기지로 돌아올 시점을 스스로 판단하는 자율탐사 알고리즘에 있다.

기존의 대회 기본 알고리즘은 가까운 미탐사 영역을 우선 탐색하거나 일정한 주기로 기지에 복귀하는 방식을 사용했다. 반면 ETRI 연구진은 실제 이동거리와 새롭게 확보할 수 있는 정보량을 함께 고려해 탐사 효율이 높은 지역을 우선 선택하도록 했다.

또한 남은 탐사 시간과 기지까지의 귀환 경로를 계산해 복귀 가능한 범위에서 최대한 탐사를 지속한 뒤 기지로 돌아오도록 귀환 시점을 최적화했다.

쉽게 말해 로봇이 무조건 가까운 곳부터 탐색하거나 정해진 시간마다 돌아오는 대신, 어디를 탐사해야 더 많은 정보를 얻을 수 있는지, 언제 돌아와야 확보한 정보를 안전하게 전달할 수 있는지를 스스로 판단하는 방식이다.

특히 이 기술은 별도의 학습 데이터나 사전학습 인공지능 모델 없이 작동해, 사전에 학습하지 않은 새로운 공간에서도 적용할 수 있도록 설계됐다. 대회에서 공개한 예제 환경을 이용한 자체 비교 실험에서는 대회 기본 알고리즘의 평균 기지 정보 확보율을 33.4%에서 61.8%로 높여 탐사 효율을 크게 개선했다.

❑ 물류·재난현장 활용 기대… 자율탐사 기술 고도화

이번 기술은 사전 지도를 충분히 확보하기 어려운 물류창고, 산업시설, 지하공간, 대형 건축물, 재난 현장 등에 활용될 것으로 기대된다. 특히 통신 연결이 불안정한 환경에서도 로봇이 스스로 탐사 경로와 귀환 시점을 판단해 확보한 정보를 기지로 전달하는 자율탐사 기술로 활용 가능성이 높다.

ETRI 대경권연구본부 변우진 본부장은 “이번 우승은 우리 연구진이 개발한 자율탐사와 경로계획 기술의 우수성을 국제적으로 인정받은 성과”라며 “사전 지도가 없는 환경에서도 로봇이 스스로 판단하고 탐사하는 기술은 물류와 산업시설, 재난 대응 등 다양한 분야에서 활용될 수 있을 것”이라고 말했다.

ETRI는 이번 성과를 바탕으로 미지 환경 자율탐사와 자율주행, 환경 인식 및 경로계획 기술을 고도화하고, 실제 모바일 로봇을 활용한 현장 적용 연구를 확대할 계획이다.

이번 연구는 과학기술정보통신부의 ‘대경권 전략산업(로봇·모빌리티·AI·의료 등) 기술 고도화 및 사업화(모빌리티)’ 과제의 지원을 받아 수행됐다. <보도자료 본문 끝>

용어설명

1) IROS(IEEE/RSJ International Conference on Intelligent Robots and Systems) : 로봇공학 및 지능형 시스템 분야의 대표적인 국제 학술대회로, 로봇의 인식·제어·자율주행·인공지능 등 다양한 분야의 최신 연구성과가 발표되는 국제 학술 행사임.

2) 자율탐사(Autonomous Exploration) : 로봇이 사전에 주어진 지도 없이 센서로 주변 환경을 인식하면서 아직 탐사하지 않은 영역을 스스로 판단하고, 다음 탐사 목표와 이동 경로를 결정해 환경 정보를 획득하는 기술임.

3) Indoor Exploration Competition(실내 자율탐사 경진대회) : IROS 2026의 ‘지능형 정보수집을 위한 단일·다중 로봇 시스템 워크숍’과 연계해 개최된 자율탐사 경진대회로, 로봇이 미지의 실내환경을 탐사하고 획득한 공간 정보를 제한된 시간 안에 베이스 스테이션까지 전달하는 알고리즘의 성능을 평가함.

4) Single-agent / Multi-agent : Single-agent는 한 대의 로봇이 독립적으로 환경을 탐사하는 방식을 의미하며, Multi-agent는 여러 대의 로봇이 협력해 환경을 탐사하는 방식을 의미함. 본 대회에서는 Single-agent는 로봇 1대, Multi-agent는 로봇 2~5대를 대상으로 평가함.

5) Base-station Coverage / 기지 정보 확보율 : 제한된 탐사 시간이 끝났을 때 로봇이 획득한 공간 정보 중 베이스 스테이션까지 전달돼 최종적으로 확보된 영역이 전체 환경에서 차지하는 비율. 값이 높을수록 제한된 시간 안에 많은 환경 정보를 탐사하고 기지까지 성공적으로 전달했음을 의미함.

6) 일반화 성능(Generalization) : 알고리즘이 개발이나 성능 조정 과정에서 접하지 않은 새로운 환경이나 조건에서도 안정적인 성능을 유지하는 능력을 의미함. 본 대회에서는 참가자에게 사전 공개되지 않은 지도와 시작 위치를 사용해 이를 평가함.

7) 사전학습 모델(Pre-trained Model) : 대규모 데이터 등을 이용해 미리 학습한 뒤 새로운 작업에 활용하는 인공지능 모델을 의미함. ETRI 연구진이 개발한 본 자율탐사 알고리즘은 별도의 학습 데이터나 사전학습 모델 없이 동작함.

8) 탐사 경로계획(Exploration Path Planning) : 로봇이 아직 관측하지 않은 영역을 효율적으로 탐사하기 위해 이동거리, 예상 정보 획득량, 장애물, 남은 탐사 시간 등을 고려해 다음 탐사 목표와 이동 경로를 결정하는 기술임.

참고1

실내자율탐사 경진대회 단일로봇(Single-agent) 부문 최종 결과

1	MobilityAI (ETRI)	40.26%	52.06% (1위)	41.03% (2위)	30.82% (1위)
2	Xplore	39.65%	51.26% (2위)	40.72% (5위)	30.14% (2위)
3	OpenSpaceLab	39.53%	50.53% (3위)	42.53% (1위)	29.04% (3위)
4	DZT328	37.41%	48.95% (4위)	39.15% (7위)	27.46% (4위)
5	HORIZON	36.63%	48.24% (5위)	41.02% (3위)	24.63% (7위)
6	HeRoLab	35.78%	45.07% (8위)	40.83% (4위)	25.01% (5위)
7	Expedition33	35.55%	45.93% (7위)	39.42% (6위)	24.86% (6위)
8	TAMU-UADY-Robotics	35.35%	48.06% (6위)	37.22% (8위)	24.42% (8위)
9	FAIR-KAIST	27.70%	39.39% (9위)	28.31% (9위)	18.49% (9위)
10	BlueWaspDevTech	24.17%	35.71% (10위)	23.06% (10위)	16.34% (10위)

참고2

단일로봇(Single-agent) 부문 1위 인증서

참고3

단일로봇(Single-agent) 부문 1위 수상 기념촬영

<대경권연구본부 변우진 본부장, 모빌리티AI융합연구실 안수용 책임연구원, 이래경 실장>

참고4

제안 방법 개요 및 결과

<매 스텝의 의사결정 흐름: 귀환 판단 → (탐사 지속 시) 목표 선택 → 예외 상황 처리 → 이동>

<공개된 대형 지도에서 같은 시작 위치·같은 시간 예산으로 탐사한 결과: 베이스라인(좌) 11.2%, 제안 방법(우) 45.1% (t = 1960 시점, 기지 전달 기준)>

구분	대회 제공 베이스라인	제안 방법(MobilityAI)
평균 Base-station Coverage	33.4%	61.8%
가장 낮은 실행	2.0%	43.2%
커버리지 20% 미만 실행	4회 / 28회	0회 / 28회