ETRI, ICRA 2025에서 비정형 지형 AI 분할 기술로 세계 2위 달성
🤖 AI 추천
이 콘텐츠는 AI 기반 객체 분할 기술의 최신 동향을 파악하고, 실외 비정형 환경에서의 AI 성능을 평가하는 지표(mIoU)와 관련된 기술 발전 현황에 관심 있는 IT 연구원, AI 개발자, 신기술 동향 분석가에게 유용합니다.
🔖 주요 키워드

핵심 트렌드
ICRA 2025 경진대회에서 ETRI가 비정형 지형에서의 2D 영상 데이터 의미론적 분할(Semantic Segmentation) 기술로 세계적인 수준의 성능을 입증하며 IT 및 로봇 공학 분야의 AI 기술 경쟁력을 보여주었습니다.
주요 변화 및 영향
- 비정형 환경에서의 AI 성능 향상: 들판, 산림, 건설 현장 등 복잡하고 예측 불가능한 야외 환경에서 객체(수풀, 돌, 나무, 땅 등)를 픽셀 단위로 정확하게 구분하는 AI 모델의 성능이 중요해지고 있습니다.
- 객관적 성능 평가 지표의 중요성 부각: 'mIoU(mean Intersection over Union)'는 AI 모델의 시맨틱 분할 정확도를 정량적으로 평가하는 핵심 지표로, 기술 개발의 기준점 역할을 합니다.
- 국제 경쟁력 강화: 한국전자통신연구원(ETRI) 팀이 대만 팀에 이어 2위를 차지하며, 해당 분야에서 한국의 기술력을 세계 무대에 알렸습니다.
- 로봇 및 자율주행 기술 발전 기여: 실외 환경에서 정확한 인지 및 분할 능력은 자율주행 로봇, 드론, 농업 로봇 등의 핵심 기술로, 해당 분야의 발전 가능성을 시사합니다.
트렌드 임팩트
이번 성과는 복잡한 실제 환경에서 AI의 인지 능력을 한층 끌어올리는 기술 개발의 중요성을 강조하며, 향후 모빌리티, 환경 모니터링, 재난 대응 등 다양한 분야에 적용될 AI 기반 솔루션의 실효성을 높일 것으로 기대됩니다.
업계 반응 및 전망
ETRI의 이번 성과는 세계적인 로봇 학술대회에서의 수상이라는 점에서 의미가 크며, AI 기반 컴퓨터 비전 기술의 발전이 실제 산업 현장에서 더욱 가속화될 것임을 보여줍니다. 특히, 비정형 환경에서의 강건한 AI 모델 개발은 미래 기술 경쟁의 핵심 요소가 될 것입니다.
📚 실행 계획
비정형 야외 환경에 특화된 2D 영상 데이터의 의미론적 분할(Semantic Segmentation) AI 모델 개발에 집중 투자하고, mIoU 성능 향상을 위한 알고리즘 연구를 심화한다.
AI 모델 개발
우선순위: 높음
ICRA, CVPR 등 주요 컴퓨터 비전 및 로봇 공학 학회에서 발표되는 객체 분할 및 인지 기술 관련 최신 연구 동향과 경쟁사 기술을 지속적으로 모니터링한다.
기술 동향 모니터링
우선순위: 중간
다양한 비정형 야외 환경(산림, 건설 현장, 농경지 등)을 포함하는 고품질의 2D 영상 데이터셋을 구축하고 라벨링하여, AI 모델 학습 및 평가에 활용한다.
데이터셋 구축
우선순위: 중간