로봇청소기 장애물 회피란 — ToF·구조광·AI 카메라와 인식 한계

로봇청소기 장애물 회피는 주행 중 바닥 위 물체를 인식해 부딪치거나 빨아들이지 않고 우회하는 동작입니다. 흔히 “회피되니까 바닥에 뭘 둬도 알아서 피하겠지”로 여기지만, 그 말은 절반만 맞습니다. 장애물 회피는 바닥 정리 수고를 줄이는 보조 기능일 뿐, 모든 장애물을 항상 피한다는 보장은 아니다 — 인식에는 분명한 한계가 있다.

장애물 회피를 따질 때 핵심은 인식 방식과 인식 실패, 두 가지입니다.

• 무엇으로 인식하나 — 3D ToF·구조광·AI 카메라를 단독 또는 조합으로 써서 전선·양말·가구 다리를 인식
• 무엇을 못 피하나 — 얇은 전선·투명 물체·검은색 카펫 등에서 인식률이 떨어지거나 오류가 남

개별 제품 추천 대신, 회피가 어떤 센서로 작동하고 얇은 전선·투명 물체·검은 카펫에서 왜 실패하는지를 분명히 해 판단 기준으로 삼아야 합니다.

Avoidance limits

물체/환경	회피 기대	실패 가능성
양말·가구 다리	비교적 높음	조명·각도 영향
얇은 충전선	중간 이하	빨려 들어갈 수 있음
투명 플라스틱	낮음	거리 센서 오인식
검은 러그	낮음	절벽 센서 오인식

로봇청소기 장애물 회피란

장애물 회피는 로봇청소기가 주행하면서 전방 바닥의 물체를 감지하고, 그 물체를 밟거나 빨아들이지 않도록 경로를 바꾸는 동작입니다. 공간 전체의 지도를 만드는 매핑과는 다른 문제로, 매핑이 어디를 도느냐를 정한다면 회피는 그 경로 위의 물체를 어떻게 처리하느냐를 다룹니다.

핵심은 “회피 기능이 있다”는 것과 “모든 물건을 항상 피한다”는 것은 별개라는 점입니다. 센서는 물체를 감지하려 하지만, 감지가 잘 되는 조건과 안 되는 조건이 뚜렷이 갈리고 여기에 이 기능의 구조적 한계가 있습니다.

센서 종류별로 못 보는 것이 다르다

회피는 거리를 재는 센서와 영상을 분류하는 센서의 조합으로 동작합니다. 어떤 조합을 쓰는지는 제품마다 갈리고, 센서마다 못 보는 사각이 다릅니다 — 그래서 “센서가 있다”가 아니라 “어떤 센서가 무엇을 놓치느냐”가 핵심입니다.

방식	동작	강한 지점	약한 지점
3D ToF	빛이 돌아오는 시간으로 거리·형태 측정	입체 장애물 거리 파악	얇거나 투명한 물체는 거리 측정이 빗나감
구조광(Structured Light)	투사한 광 패턴의 변형으로 형태 인식	가까운 물체 형태 인식	짙은 색·반사 표면에서 패턴 인식 저하
AI 카메라	영상으로 전선·양말·가구 다리 등을 분류	물체 종류 식별, 배설물 회피	조명·각도·작은 물체에서 분류 실패

여러 제품이 이 방식들을 조합해 전선·양말·가구 다리 인식을 높였고, AI가 반려동물 배설물을 식별해 피하는 기능도 상용화됐습니다.

여기서 한계를 분리해야 합니다. 회피 기술은 발전 중이지만 완전하지 않습니다. 얇은 전선은 ToF가 거리로 잡기에 너무 가늘고, 투명한 물체는 빛이 통과해 거리를 잘못 읽으며, 검은색 카펫은 빛을 흡수해 센서가 바닥 높이를 오인합니다. AI 배설물 식별도 조명·각도·형태에 따라 빗나갈 수 있습니다. 즉 회피는 바닥 정리 수고를 줄이는 보조 수단이지, 정리 자체를 면제하는 장치가 아닙니다.

우리 집 바닥 위 물체가 인식 가능한 종류인가

장애물 회피의 값어치는 집이 만드는 바닥 위 물체의 종류에 따라 갈립니다. 핵심은 면적이 아니라, 우리 집에 자주 놓이는 물체가 센서가 잘 잡는 종류인지 못 잡는 종류인지입니다.

상황	회피의 값어치	먼저 확인할 것
전선·충전 케이블이 자주 바닥에 있음	큼 — 끼임 사고 감소	얇은 전선까지 잡는 센서 조합인지
반려동물과 함께 거주	큼 — 배설물 회피로 사고 예방	AI 배설물 식별 지원·실패 가능성
검은색 러그·유리·반사 가구가 많음	작음 — 인식 오류가 잦은 조건	해당 조건에서 회피 동작 한계

짙은 색 카펫이나 투명·반사 표면이 많은 집은 회피가 가장 약한 조건에 해당해, 라이다 vs 카메라 매핑의 매핑 성능과 별개로 회피만 따로 한계를 확인해야 합니다.

줄이려는 물체가 인식되는 종류인지부터

같은 회피 기능이라도 무엇을 줄이려는지와 그 물체가 인식이 잘 되는 종류인지를 함께 따져야 검토 순서가 어긋나지 않습니다.

• 청소 전 바닥 정리를 최대한 줄이고 싶다 — 센서 조합이 풍부한 제품을 보되, 얇은 전선·투명 물체는 여전히 직접 치워야 함을 전제
• 반려동물 사고 예방이 핵심 — AI 배설물 식별을 우선 확인하되, 식별 실패 가능성을 인지하고 운용

즉 “회피되니 신경 안 써도 된다”가 아니라, 어떤 물체를 줄이려는지와 그 물체가 인식이 잘 되는 종류인지를 함께 따져야 기대가 어긋나지 않습니다.

렌즈 오염·펌웨어가 회피율을 깎는다

회피 기능 자체는 소프트웨어·센서이므로 별도 소모품을 만들지 않습니다. 비용보다 렌즈 오염과 펌웨어 적용 상태가 회피율을 결정합니다 — 새 제품을 사도 이 둘이 밀리면 회피 성능은 출고 시보다 내려갑니다.

항목	관리 포인트	비고
카메라·센서 렌즈	먼지 쌓이면 인식률 저하	주기적 닦기 — 소모품 아님, 관리 항목
펌웨어 업데이트	AI 인식 모델 개선 반영	미적용 시 회피 성능 제자리
본체 공통 소모품	필터·브러시 등	본체 사양으로 별도 누적

핵심은 회피는 비용보다 관리·업데이트로 성능이 갈린다는 점입니다. 렌즈 오염이나 펌웨어 미적용은 새 제품을 산 효과를 떨어뜨립니다.

회피를 믿으면 안 되는 조건

장애물 회피가 모든 가정에 같은 우선순위는 아닙니다. 다음은 회피 성능에 기대를 두기보다 조정하는 편이 합리적입니다.

• 얇은 전선·투명 물체가 바닥에 상시 있는 경우 — 인식이 가장 어려운 조건이라 회피만 믿기 어렵습니다
• 검은색 카펫·러그가 많은 경우 — 센서가 바닥 높이를 오인해 회피·주행 오류가 잦을 수 있습니다
• AI 배설물 회피의 100% 동작을 전제로 두는 경우 — 식별이 빗나갈 수 있어 완전하지 않습니다
• 청소 전 바닥 정리를 전혀 안 할 생각인 경우 — 회피는 정리를 줄일 뿐 면제하지 않습니다

다음에 읽을 글

• 매핑 방식 차이: 라이다 vs 카메라 매핑
• 청소기 본체 선택 기본: 로봇청소기