AI TREND NOW

#SLAG: 로봇공학의 미래를 여는 초고속 대규모 장면 인코딩 프레임워크

SLAG는 멀티 GPU 기반의 초고속 대규모 장면 인코딩 프레임워크로, 2D 시각-언어 모델 특징을 3D 장면에 통합하여 손실 함수 없이 병렬 처리를 통해 속도와 확장성을 극대화합니다. 16 GPU 환경에서 OpenGaussian 대비 18배의 속도 향상을 달성하며, 로봇공학 분야의 혁신을 주도할 것으로 기대됩니다.

****

재난 구조, 스마트 시티, 광산 등 대규모 로봇 애플리케이션은 시간에 민감하고 방대한 데이터를 처리해야 하는 어려움을 안고 있습니다. 특히, 제한된 연산 자원을 가진 로봇에 이러한 기술을 적용하는 것은 더욱 큰 과제였습니다.

하지만 이제 희소식이 있습니다! Laszlo Szilagyi, Francis Engelmann, Jeannette Bohg 세 연구원이 개발한 SLAG (Scalable Language-Augmented Gaussian Splatting) 이 그 해답을 제시합니다. SLAG은 멀티 GPU 기반의 프레임워크로, 대규모 장면을 초고속으로 인코딩하는 혁신적인 기술입니다.

SLAG의 핵심은 2D 시각-언어 모델 특징을 3D 장면에 통합하는 데 있습니다. SAM과 CLIP을 활용하여 시각 정보와 언어 정보를 결합, 기존 방식과는 차별화된 접근 방식을 보여줍니다. 가장 흥미로운 점은 손실 함수를 사용하지 않는다는 것입니다. 기존 방식은 Gaussian embedding 계산에 손실 함수를 사용했지만, SLAG은 3D Gaussian 장면 매개변수를 통해 정규화된 가중 평균을 이용하여 embedding을 도출합니다. 이를 통해 고도의 병렬 처리가 가능해져 속도와 확장성이 획기적으로 향상되었습니다.

더 나아가, SLAG은 효율적인 embedding 저장 및 검색을 위한 벡터 데이터베이스를 도입했습니다. 실험 결과, 16 GPU 환경에서 OpenGaussian 대비 18배의 속도 향상을 달성하면서도 ScanNet과 LERF 데이터셋에서 embedding 품질을 유지하는 놀라운 성과를 보였습니다. (자세한 내용은 프로젝트 웹사이트 참조)

SLAG은 단순한 기술 향상을 넘어, 시간에 민감한 대규모 로봇 애플리케이션의 가능성을 넓히는 혁신적인 도약입니다. 이 기술의 발전은 앞으로 재난 구조, 스마트 시티 구축, 그리고 광산 작업 등 다양한 분야에서 로봇의 역할을 더욱 확대할 것으로 기대됩니다. SLAG의 등장은 로봇 공학의 미래를 밝게 비추는 한 줄기 빛과 같습니다. ✨