인도주의 지뢰 제거 로봇을 위한 다중 센서 데이터셋 MineInsight

초록

MineInsight는 지상 무인 차량(UGV)과 로봇 팔에 장착된 두 개의 LiDAR와 RGB, 단색, VIS‑SWIR, LWIR 등 네 종류의 카메라를 포함한 8개의 센서를 이용해 수집한 다중 스펙트럼·다중 뷰 데이터셋이다. 35개의 목표물(실제 지뢰 15종, 일상 물품 20종)을 3개의 트랙에 배치하고, 주·야간 및 다양한 식생 조건에서 약 1시간 동안 38 000개의 RGB, 53 000개의 VIS‑SWIR, 108 000개의 LWIR 프레임을 기록하였다. 자동 파이프라인과 인간 검수를 결합한 2D 바운딩 박스 라벨도 제공한다.

상세 분석

본 논문은 인도주의 지뢰 제거 분야에서 로봇 비전 연구가 직면한 데이터 부족 문제를 해결하고자, 기존 데이터셋이 갖는 한계를 체계적으로 분석한 뒤 MineInsight라는 새로운 벤치마크를 제시한다. 첫째, 기존 데이터셋은 대부분 UAV 기반이며, 지면에서의 깊이 정보와 다중 시점 확보가 어려워 실제 현장 적용에 한계가 있었다. MineInsight는 UGV와 로봇 팔에 각각 센서를 장착해 두 개의 관측 위치(베이스와 팔 끝)에서 동시에 데이터를 수집함으로써, 장애물에 가려진 지뢰를 다른 시점에서 포착할 수 있는 ‘다중 뷰’ 특성을 제공한다. 둘째, 센서 구성은 2대의 LiDAR(베이스와 팔 각각)와 가시광선(RGB·단색), 가시광선‑단파 적외선(VIS‑SWIR), 장파 적외선(LWIR) 카메라를 포함한다. 이는 색상·반사율·열특성 등 서로 보완적인 정보를 동시에 활용할 수 있게 하여, 기존에 단일 스펙트럼에 의존하던 검출 알고리즘의 한계를 극복한다. 셋째, 라벨링 파이프라인은 자동 객체 검출·클러스터링을 통해 초기 바운딩 박스를 생성하고, 인간 전문가가 검수·수정하는 하이브리드 방식을 채택했다. 이 과정에서 라벨 정확도를 높이고, 라벨링 비용을 절감하는 동시에 데이터셋 재현성을 확보하였다. 넷째, 데이터 포맷은 ROS 2 기반 bag 파일과 표준화된 메타데이터(시간 동기화, 캘리브레이션 파라미터)를 제공해, 연구자들이 손쉽게 센서 퓨전, 시점 변환, 시계열 분석 등을 수행할 수 있다. 다섯째, 환경 변수(식생 밀도, 조명, 온도)와 목표물 배치가 다양하게 설계되어, 알고리즘의 일반화 성능을 평가하기에 충분히 도전적인 조건을 제공한다. 특히 야간 LWIR 데이터는 열신호 기반 검출기의 성능을 검증할 수 있는 귀중한 자료가 된다. 마지막으로, 데이터 양(총 199 000여 프레임)과 라벨 품질을 고려할 때, 딥러닝 기반 객체 검출·세그멘테이션 모델을 학습·테스트하기에 충분히 규모가 크며, 기존 소규모 데이터셋 대비 과적합 위험이 낮다. 종합적으로, MineInsight는 다중 센서·다중 시점·다양한 스펙트럼을 결합한 최초의 UGV 기반 지뢰 탐지 데이터셋으로, 향후 센서 융합, 멀티모달 학습, 실시간 로봇 제어 연구에 중요한 기반이 될 것으로 기대된다.