18강 · 센서를 하나로 합쳐 위치 알기

02 · 3D 실험

직접 움직여 보기

바퀴 달린 작은 이동 로봇이 출발점에서 도착점까지 달리며, 움직임만 더해 짐작한 위치가 얼마나 어긋나는지 보는 학습용 모형입니다. 오차는 달린 거리에 오차 비율을 곱한 값 하나로만 계산하고, 기준점을 관측하면 끝 위치를 0.02 m 잔차로 다시 맞춘다고 가정합니다. 실제 SLAM 추정기가 아니고, 바퀴 미끄러짐·센서 잡음·센서마다 다른 출력 주기도 넣지 않았습니다. 그래서 결과는 원리를 보이는 값이고, 실제 로봇의 위치 추정 성능이 아닙니다. 3D 속 로봇도 휴머노이드가 아니라 바퀴 달린 이동 로봇입니다. 움직여 보기를 누르면 주황 원이 로봇을 따라가며, 짐작한 위치가 길에서 벗어난 만큼 옆으로 밀리고 커집니다. 기준점을 관측하는 조건이면 길 끝 옆 기둥 위의 기준점 표식이 초록으로 바뀌는데, 이 모형은 다시 맞춘 뒤의 결과만 그려서 주황 원이 처음부터 작게 남습니다.

조건을 바꾸면 아래 결과가 바로 바뀌고, 움직여 보기를 누르면 3D에서 그 조건의 움직임을 볼 수 있습니다. 3D를 열지 않아도 조절기와 결과는 그대로 쓸 수 있습니다.

교육용 예시 · 제조사 내부 설계가 아닙니다

주행 거리10 m

1 m20 m

누적 오차 비율5 %

0 %10 %

기준점 관측

학습용 모형의 결과

누적 오차가 남습니다

관측 전 오차: 0.5 m; 움직임만 더해 짐작한 위치가 실제 위치에서 벗어난 거리입니다. 이 모형에서는 달린 거리에 오차 비율을 곱해 구하고, 바퀴가 미끄러지는 것 같은 갑작스러운 오차는 넣지 않았습니다.
관측 후 오차: 0.5 m; 기준점을 본 뒤에 남는 오차입니다. 기준점을 관측하면 이 모형은 끝 위치를 0.02 m 잔차로 다시 맞추고, 관측하지 않으면 관측 전 오차가 그대로 남습니다.

가정과 한계

오도메트리 편향 = 거리 × 오차 비율. 기준점은 최종 위치를 0.02 m 잔차로 재설정하는 교육용 가정이며 실제 SLAM 추정기가 아닙니다.

학습용 모형입니다. 실제 제품의 성능 시험이나 AI 추론을 실행하는 화면이 아닙니다.

03 · 원리

왜 그렇게 되나

몸의 움직임만 이어 붙여 위치를 짐작하는 방법을 추측 항법(데드 레커닝)이라고 합니다. 바퀴가 몇 바퀴 돌았는지, IMU가 잰 가속과 회전을 차례로 더하면 출발점에서 얼마나 왔는지 셈할 수 있지만, 매번의 작은 오차도 버려지지 않고 쌓입니다. 위 실험의 기준 조건(주행 10 m, 누적 오차 비율 5%)이면 관측 전 오차가 0.5 m이고, 같은 비율로 20 m를 달리면 1 m로 늘어납니다. VectorNav의 관성 항법 안내도 바깥의 도움 없이 IMU를 적분하는 답은 시간이 갈수록 어긋난다고 설명하고, MathWorks의 SLAM 설명도 오차가 시간에 따라 쌓여 실제 값에서 크게 벗어난다고 적습니다. 움직임만 더하는 추정은 오래 움직일수록 더 틀립니다.

오차를 끊으려면 바깥의 기준이 필요합니다. 라이다나 카메라로 미리 아는 벽·표식(기준점)을 다시 알아보면, 지금 어디에 있는지를 쌓인 오차와 상관없이 새로 잴 수 있습니다. 위 실험에서 비교 조건처럼 기준점을 관측하면 관측 후 오차가 0.02 m로 줄어듭니다. 이 값은 실험이 정한 가정이고, 실제로는 지금 본 것이 지도의 어느 기준점인지 맞혀야 바로잡을 수 있습니다. 지도를 그리며 그 안에서 자기 위치를 함께 찾는 방법이 SLAM이고, MathWorks의 설명은 한 바퀴 돌아 출발점에 왔을 때 쌓인 오차를 알아채고 지우는 일(루프 클로저)이 중요하다고 적습니다. 기준점은 쌓인 오차를 한 번에 끊어 주는 바깥의 답입니다.

센서를 함께 쓰는 까닭은 서로 다른 방식으로 틀리기 때문입니다. IMU는 빛이 없어도 자주 값을 내지만 시간이 갈수록 오차가 쌓이고, 라이다는 바깥 세상을 보고 위치를 바로잡지만 IMU보다 덜 자주 값을 냅니다. 라이다 서비스 문서상 G1의 라이다 안 IMU는 200 Hz, 점구름은 10 Hz여서 G1에서는 점구름 한 장 사이 IMU 값이 20번 나옵니다(제조사 문서). 그 사이의 움직임은 IMU가 메우고, 다음 점구름이 IMU의 어긋남을 바로잡는 셈입니다. 약점도 다릅니다. MathWorks의 설명은 카메라가 어둡거나 빠르게 움직일 때 흔들릴 수 있고, 라이다는 어떤 표면 재질에서 어려움을 겪을 수 있다고 적습니다. 이런 값을 섞는 방법으로 칼만 필터가 쓰입니다. VectorNav는 IMU를 위성 위치 신호와 칼만 필터로 묶으면 오차가 오래 쌓이지 않는다고 설명하고, 라이다 점과 IMU 자료를 한 필터로 묶은 연구(FAST-LIO)는 빠르게 움직이거나 잡음이 많은 곳에서도 견고하게 위치를 추정한다고 보고합니다.

공개 자료로 보면 세 로봇이 위치를 잡는 재료도 서로 다릅니다. G1 개발 문서는 머리의 라이다와 깊이 카메라 시야를 합친 그림을 싣고, 라이다 서비스 문서는 라이다와 그 안 IMU의 자료를 따로 내보낸다고 적습니다. 옵티머스(2022 시제품)의 발표는 카메라 영상에서 특징점을 찾아 프레임마다 따라가며, 걷는 동안의 자기 위치와 궤적을 더 잘 추정한다고 설명합니다. Figure 03은 손바닥 카메라로 주 카메라가 가려져도 손 가까이를 계속 본다고 설명하는데, 이는 같은 감각(카메라)을 다른 자리에 하나 더 둔 예이고 물건을 잡을 때의 이야기입니다. 다만 이 아카데미가 확인한 세 회사의 자료에는 위치 추정이 얼마나 정확한지가 숫자로 나오지 않습니다.

비유

센서 융합은 눈을 감고 걸음 수를 세며 방 안을 걷다가, 가끔 눈을 떠 문틀을 보고 제자리를 고치는 것과 닮았습니다. 걸음 수(IMU·바퀴)는 끊김 없이 셀 수 있지만 조금씩 어긋나고, 문틀(기준점)을 보는 순간 그 어긋남을 한꺼번에 고칩니다.

비유가 맞지 않는 곳

사람은 눈을 뜨면 어느 문틀인지 바로 알지만, 로봇은 지금 보는 벽이 지도의 어느 벽인지부터 맞혀야 합니다. 비슷한 복도가 이어지는 곳에서 엉뚱한 기준점을 고르면 오히려 틀린 자리로 고칠 수 있어서, 기준점은 알아보는 일까지 맞아야 오차를 줄입니다.

04 · 방식 비교

같은 일을 하는 다른 방식

크기·재는 주기·오차의 모양·가격으로 본 방식 비교
방식	크기	재는 주기	오차의 모양	가격	쓰이는 곳
이미지 센서16강에서 뜯어보기	카메라 한 대 크기 · 거리까지 재는 깊이 카메라 모듈도 있음(16강)	이 강의가 확인한 G1 소개·라이다 서비스 문서에는 G1의 깊이 영상 주기가 없음 · G1 깊이 카메라 예제 문서의 프레임률은 예제 코드의 설정값(운영 주기 아님)이고, USB 연결 방식에 따라 달라질 수 있다고 적음 · 한 깊이 카메라 제품은 사양상 초당 최대 90장	어둡거나 빠르게 움직일 때 흔들릴 수 있음(SLAM 설명 자료) · 사진 한 장으로는 거리가 직접 나오지 않음	이 강의가 확인한 자료에는 카메라 단가가 없음	옵티머스(2022 시제품)의 걷는 동안 위치 추정, Figure 03의 손바닥 카메라, G1의 깊이 카메라(90장은 제품 사양이며 G1에서 잰 값이 아님)
라이다17강에서 뜯어보기	별도 장치 하나 · 로봇용 한 제품은 265 g(제품 페이지)	G1 라이다 점구름 10 Hz(개발 문서) · 둘레를 한꺼번에 봄	벽·기둥 같은 모양으로 위치를 바로잡음 · 어떤 표면 재질에서는 어려움(SLAM 설명 자료)	이 강의가 확인한 자료에는 라이다 단가가 없음	G1 머리(개발 문서 · 무게는 제품 사양이며 G1에서 잰 값이 아님), 자율주행차(한 로보택시는 라이다 4대), 반사판으로 위치를 잡는 공장 무인 운반차
IMU17강에서 뜯어보기	칩 하나 · 라이다나 깊이 카메라 안에 함께 들기도 함	G1 라이다 안 IMU 200 Hz(개발 문서) · 빛이나 무늬 없이 잼	짧게는 믿을 만하지만 적분할수록 쌓임 · 바깥 기준으로 바로잡아야 함(관성 항법 안내)	공장 보정을 거친 한 산업용 모듈은 1,000개씩 살 때 한 개 정가 379.68달러부터 · 소비자용 칩 단가는 확인한 자료에 없음	G1 라이다 안·몸통·골반(공개 자료 · 정가는 다른 IMU의 제품 정가이며 G1의 부품 값이 아님), 위성 신호와 묶는 관성 항법 장치, 드론

산업용 팔에서는

바닥에 고정해 쓰는 산업용 팔이라면 놓인 자리가 곧 기준이라, 자기 위치를 따로 추정할 일이 거의 없습니다. 공장 안을 다니는 무인 운반차(AGV)는 다른 길을 씁니다. 한 센서 회사의 블로그는 자사 항법 센서가 운반차의 길을 따라 붙인 반사 테이프 같은 표식을 찾아 차의 절대 위치를 정하고, 반사판 없이 주변 윤곽 정보만 넘기는 방식도 고를 수 있다고 설명합니다. 반사판을 쓰는 공장은 기준점을 미리 붙여 두지만, 집에는 그런 표식이 없습니다. 그래서 집과 사무실을 다닐 휴머노이드는 반사판 없이 윤곽을 쓰는 쪽처럼, 벽·가구 같은 주변 모양을 기준점으로 삼아 카메라와 라이다로 알아봐야 합니다.

05 · 공급망 표

누가 만드나

방식마다 부품을 만드는 기업과 상장 시장·종목 코드, 공개된 공급 관계를 모았습니다.

실시간 주가나 투자 추천이 아닌 사업 구조 학습 자료입니다.

어느 로봇에 납품하거나 쓰이는지는 ‘확인’ 표시가 붙은 공급 관계에서만 알 수 있습니다.

확인: 공시나 공식 발표에 고객 이름이 나옵니다.
고객 미공개: 회사가 고객 이름 없이 공식적으로 밝혔습니다.
보도: 주요 언론·증권사 보도입니다. 매체와 날짜를 함께 적습니다.

방식별로 부품을 만드는 기업과 공개된 공급 관계
기업	국가	상장	공급 관계
이미지 센서렌즈로 모은 빛을 화소마다 전기 신호로 바꾸는 반도체 칩(CMOS 이미지 센서)입니다. 센서는 칩이고, 렌즈와 기판을 붙여야 카메라가 됩니다. 화면 전체를 한순간에 찍는 글로벌 셔터 센서는 빠르게 움직이는 장면에서도 상이 덜 휩니다.쓰이는 곳 Tesla Optimus 위치 미공개 공식 자료 출처2022 시제품은 자동차 오토파일럿의 시각 신경망(점유 네트워크)을 그대로 옮겨 쓰되 학습 자료는 새로 모았고, 카메라 영상에서 특징점을 찾아 프레임마다 따라가며 걷는 동안의 자기 위치와 궤적을 더 잘 추정한다고 발표했습니다(47:51~49:05). 카메라 수·위치와 이미지 센서 제조사는 밝히지 않았습니다. Figure 위치 미공개·손 공식 자료 출처 출처Figure 02는 RGB 카메라 6개로 주변을 보고, 로봇 안의 시각 언어 모델이 카메라 영상으로 빠르게 상황을 판단한다고 발표했습니다. 카메라 위치와 이미지 센서 제조사는 밝히지 않았습니다.Figure 03은 새 카메라 구조가 카메라마다 프레임률 2배, 지연 4분의 1, 시야 60% 넓음을 낸다고 발표했습니다. 무엇과 비교한 값인지는 적지 않았고, 카메라 수와 위치도 밝히지 않았습니다.Figure 03은 손마다 시야가 넓고 지연이 짧은 손바닥 카메라를 넣어, 손이 찬장 안으로 들어가 주 카메라가 가려져도 손 가까이를 본다고 발표했습니다.
이 방식을 만드는 기업
인피니언	독일	독일 IFX	이 자료에 실린 공급 관계 없음
소니 세미컨덕터 솔루션즈	일본	모회사 Sony Group · 도쿄 6758	이 자료에 실린 공급 관계 없음
삼성전자	한국	코스피 005930	이 자료에 실린 공급 관계 없음
라이다레이저 빛을 쏘아 반사돼 돌아온 빛으로 물체까지의 거리를 재는 센서입니다. 빛줄기를 여러 방향으로 보내며 재어 주변을 점의 집합(점구름)으로 그립니다. 머리가 도는 회전형과 움직이는 부품이 없는 고정형(솔리드 스테이트)이 있습니다.쓰이는 곳 Unitree G1 머리 공식 자료 출처 출처개발 문서는 G1 머리에 LIVOX-MID360 라이다를 단다고 적고, 수평 360°·수직 최대 59°를 보는 전방위 스캔이라고 설명합니다(제조사 공식 개발 문서 기준, 2026-09-17 갱신본).라이다 서비스 문서는 Mid-360이 머리 가운데에 거꾸로 달려 있고 점구름을 10 Hz로 낸다고 적습니다. 2026년 4월 이후 생산한 G1은 라이다를 Mid-360S로 바꿨다고 안내합니다. 2026-09-17에 갱신된 G1 소개 문서는 여전히 MID360으로 적어 두 문서가 다르므로, 모델명은 생산 시기와 함께 봐야 합니다.
이 방식을 만드는 기업
라이복스	중국	비상장	확인 유니트리의 G1 개발 문서는 Livox Mid-360 라이다가 G1 머리 가운데에 달려 있다고 적고, 2026년 4월 이후 생산한 G1은 라이다를 Mid-360S로 바꿔 Livox 공식 개발 도구를 새로 받아야 한다고 안내합니다. 문서는 장착 사실과 사용법만 안내하며, 구매 계약·물량·가격은 공개되지 않았습니다. 출처 · 유니트리 G1 개발 문서: 라이다 서비스 인터페이스(2026-06-04 갱신, 머리의 Livox Mid-360·2026년 4월 이후 Mid-360S)
지크	독일	비상장	이 자료에 실린 공급 관계 없음
아우스터	미국	나스닥 OUST	이 자료에 실린 공급 관계 없음
유니트리	중국	상하이 688836	이 자료에 실린 공급 관계 없음
오비중광	중국	상하이 688322	이 자료에 실린 공급 관계 없음
LG이노텍	한국	코스피 011070	이 자료에 실린 공급 관계 없음
허사이	중국	나스닥 HSAI	이 자료에 실린 공급 관계 없음
에스오에스랩	한국	코스닥 464080	이 자료에 실린 공급 관계 없음
IMU가속도계와 자이로(회전 속도를 재는 센서)를 한 칩이나 모듈에 묶어, 몸이 어느 쪽으로 움직이고 얼마나 빨리 도는지 재는 관성 센서입니다. 손톱보다 작은 MEMS 칩부터 공장에서 보정해 내보내는 산업용 모듈까지 있고, 라이다나 깊이 카메라 안에 함께 들어가기도 합니다.쓰이는 곳 Unitree G1 머리·몸통 공식 자료 출처 출처같은 문서는 Mid-360 안에 IMU가 들어 있어 라이다와 회전 없이 몇 cm 떨어져 있고, 이 IMU 자료를 점구름(10 Hz)과 따로 200 Hz로 낸다고 적습니다.유니트리가 공개한 G1 URDF(29자유도 모델 파일)는 몸통(torso_link)과 골반(pelvis)에 IMU 좌표계 imu_in_torso·imu_in_pelvis를 둡니다. 좌표계 이름으로 적은 것이라 IMU 칩의 모델과 제조사는 알 수 없습니다.
이 방식을 만드는 기업
아날로그 디바이스	미국	나스닥 ADI	이 자료에 실린 공급 관계 없음
TDK	일본	도쿄 6762	이 자료에 실린 공급 관계 없음

공급망 지도에서 전체 보기 이 강의의 기업 모아 보기

06 · 투자자 관점

무엇이 이익이 되고, 무엇이 과대 해석인가

센서 융합은 부품보다 소프트웨어에 가까운 일이라, 같은 센서를 사도 위치를 얼마나 잘 아는지는 회사마다 다를 수 있습니다. 그래서 "위치 오차 몇 cm" 같은 발표는 얼마나 움직인 뒤 어떤 곳에서 잰 값인지, 조건과 함께 읽어야 합니다. 융합은 센서 구성을 바꾸는 근거도 됩니다. Waymo는 6세대 자율주행 장치가 카메라·라이다·레이더로 서로 겹치는 시야를 만들고, 비용은 크게 줄였다고 밝혔습니다. 휴머노이드에서도 구성이 갈립니다. G1은 라이다와 깊이 카메라를 함께 밝혔고, Figure(02·03)와 옵티머스(2022 시제품)는 카메라를 중심으로 설명했습니다(공개 기준). 센서 회사에는 로봇 회사가 다음 세대에서 어떤 센서를 빼고 더하는지가 곧 수요의 변화입니다. 세대가 바뀔 때마다 감각 구성표를 다시 견줘 보면, 그 변화가 먼저 보입니다.

07 · 뉴스 해부 연습

이 기사, 무엇을 더 확인할까

아래 기사를 읽고 더 확인해야 할 것을 모두 고른 뒤 "확인"을 누르세요. 항목마다 이유가 열립니다.

학습용 가상 뉴스

휴머노이드 업체 M사, "새 위치 추정 기술로 실내 위치 오차 1 cm 달성"

08 · 퀴즈와 다음 예고

세 문제로 확인하기

세 문제를 모두 맞히면 이 강의를 완료로 기록합니다.

위 실험에서 주행 8 m, 누적 오차 비율 4%이고 기준점을 관측하지 않으면 관측 전 오차는?
G1에서 점구름 한 장이 나오는 사이 IMU 값이 여러 번 나오는 것은 융합에 어떻게 쓰이나?
G1 개발 문서에 실린 "라이다와 깊이 카메라 시야를 합친 그림"이 보여 주는 것은?

다음 강의에서 볼 것

5장 감각은 여기까지입니다. 6장 두뇌의 첫 강의에서는 이렇게 모은 센서 자료를 받아 계산하는 로봇 안의 컴퓨터, 곧 로봇용 칩과 제어기를 뜯어봅니다.