Wi-Fi 주파수로 숨겨진 물체까지 ‘꿰뚫어 보는’ AI 기술 등장: mmNorm의 혁신

최근 MIT 연구진이 Wi-Fi 주파수를 이용하여 숨겨진 3D 물체를 놀라운 정확도로 재구성하는 기술, ‘mmNorm’을 개발하여 인공지능(AI) 분야에 새로운 가능성을 제시했습니다. 이 기술은 상자 안, 벽 뒤, 다른 물체 아래 등 가시성이 제한된 환경에서 AI가 더욱 효과적으로 작동할 수 있도록 돕습니다. mmNorm은 기존 레이더 기술의 한계를 극복하고 다양한 분야에서 활용될 잠재력을 지니고 있어 큰 주목을 받고 있습니다.

기존 레이더 기술의 한계와 mmNorm의 등장

기존 레이더 기술은 주로 후방 투영 방식을 사용했습니다. 하지만 이 방식은 해상도가 낮고, 도구나 식기류처럼 작고 가려진 물체에는 적용하기 어렵다는 단점이 있었습니다. MIT 연구진은 이러한 문제점을 해결하기 위해 전파 반사의 특성, 즉 '반사율'에 주목했습니다. 기존 방식처럼 단순히 신호가 반사되는 위치를 측정하는 대신, mmNorm은 표면의 방향, 즉 '표면 법선'을 추정합니다.

mmNorm의 핵심 원리: 표면 법선 추정

mmNorm의 핵심은 밀리미터파가 거울 이미지처럼 반사되는 '반사율'이라는 물리적 특성을 활용하는 것입니다. 연구진은 반사 지점의 위치뿐만 아니라 그 지점에서의 표면 방향까지 추정하는 방식을 개발했습니다. 다양한 안테나 위치에서 수집된 정보를 종합하여 물체의 3D 곡률을 재구성하고, 머그컵 손잡이의 미묘한 모양이나 칼과 숟가락의 차이까지 구별해낼 수 있습니다.

안테나 투표 시스템과 높은 재구성 정확도

각 안테나는 숨겨진 물체의 방향에 따라 다양한 강도로 반사파를 수집합니다. mmNorm은 이러한 반사파의 강도를 '투표'로 간주하고, 가장 강력한 '투표'를 한 안테나의 정보를 중심으로 표면 법선을 추정합니다. 여러 안테나 위치에서 수집된 정보를 종합하여 하나의 합의된 표면 법선을 생성하는 방식으로, 60개 이상의 물체를 대상으로 실험한 결과 96%의 재구성 정확도를 달성했습니다. 이는 기존 방식의 78% 정확도를 훨씬 뛰어넘는 수치입니다.

다양한 재질에 대한 적용 가능성 및 한계

mmNorm은 나무, 플라스틱, 유리, 고무 등 다양한 재질의 물체에 대해 우수한 성능을 보였습니다. 하지만 밀도가 높은 금속이나 두꺼운 장벽에는 여전히 어려움을 겪고 있습니다. 연구진은 해상도와 재질 민감도를 개선하기 위해 지속적으로 연구를 진행하고 있습니다.

mmNorm의 잠재적 활용 분야

mmNorm 기술은 보안 검색이나 군사 작전 상황에서 가방이나 상자를 열지 않고도 숨겨진 물체의 모양을 파악하는 데 활용될 수 있습니다. 또한 창고 자동화, 수색 및 구조, 심지어는 생활 지원 환경에서 AI 기반 로봇의 성능을 향상시키는 데에도 기여할 수 있습니다. 예를 들어, 창고 로봇이 상자 안의 물건을 식별하거나, 재난 현장에서 잔해 속에 묻힌 생존자를 찾는 데 활용될 수 있습니다.

결론

mmNorm은 Wi-Fi 주파수를 이용하여 숨겨진 물체의 3D 형태를 정확하게 재구성하는 혁신적인 기술입니다. 보안, 군사, 물류, 재난 구조 등 다양한 분야에서 활용될 잠재력을 가지고 있으며, AI 기술의 새로운 지평을 열 것으로 기대됩니다. 앞으로 해상도와 재질 민감도 개선을 통해 더욱 다양한 분야에서 활용될 수 있도록 연구 개발이 지속될 것으로 전망됩니다.