로봇청소기 AI의 비밀, Lidar와 SLAM 쉽게 이해하기

요즘 로봇청소기 광고를 보면 "AI 매핑", "Lidar 탑재", "장애물 자동 회피" 같은 말이 빠지지 않습니다. 그런데 막상 뭐가 어떻게 다르길래 가격이 두세 배씩 차이 나는지는 잘 안 와닿죠.

이 글은 로봇청소기에 들어가는 AI와 센서 기술을 비개발자 눈높이에서 풀어봅니다. 저는 예전에 로보틱스 쪽 일을 했던 경험이 있어서, 그때 배운 개념을 일상 비유로 풀어보려 합니다.

코드도, 수식도 없습니다. 그냥 "내 집을 청소해주는 이 기계가 대체 뭘 보고 움직이는가" 정도만 알면 충분합니다.

로봇청소기 AI가 한눈에 안 들어오는 이유

로봇청소기에 들어간 AI는 크게 세 가지 일을 합니다. 자기 위치 파악, 집 구조 학습, 장애물 판단입니다.

이 세 가지가 동시에, 그것도 실시간으로 돌아가야 합니다. 그래서 한 단어로 설명이 안 되는 거죠.

기능	어떤 기술이 담당?	일상 비유
내가 어디 있지?	SLAM	낯선 동네에서 지도 그리며 걷기
집 구조는 어떻게 생겼지?	Lidar 또는 카메라	눈으로 둘러보며 외우기
저거 피해야 하나?	컴퓨터 비전 (AI)	양말인지 케이블인지 알아보기

광고 문구는 이걸 다 뭉뚱그려서 "AI"라고 부르기 때문에 헷갈립니다. 실제로는 각자 다른 기술이 협력하고 있어요.

Lidar(라이다)는 뭘 하는 센서인가

Lidar는 레이저 빛을 쏴서 물체까지의 거리를 재는 센서입니다. 사람으로 치면 "눈"보다는 "박쥐의 초음파"에 가깝습니다.

로봇청소기 윗면에 동그랗게 튀어나온 부분, 그게 Lidar입니다. 이 안에서 작은 레이저가 1초에 수천 번씩 360도로 회전하며 빛을 쏘죠.

빛이 벽에 닿고 돌아오는 시간을 재면 거리가 계산됩니다. 이걸 빠르게 반복하면 주변이 어떤 모양인지 점들의 집합으로 그려집니다.

   . . . . . . . . .
  .                 .
  .   [로봇청소기]   .  ← 이렇게 점으로
  .       *         .     주변 거리를
  .                 .     찍어냅니다
   . . . . . . . . .

Lidar의 강점은 어두워도 작동한다는 점입니다. 빛을 직접 쏘니까 조명이 꺼진 새벽에도 똑같이 잘 봅니다.

반대로 카메라 기반 청소기는 어두우면 길을 잃기 쉽습니다. 그래서 새벽 예약 청소를 자주 돌리는 분이라면 Lidar 모델이 훨씬 안정적입니다.

SLAM, 지도를 그리면서 동시에 자기 위치 찾기

SLAM은 Simultaneous Localization And Mapping의 줄임말로, "지도를 만들면서 동시에 내 위치도 파악하는 기술"입니다.

말이 어렵죠. 일상 비유로 풀면 이렇습니다.

💡 처음 가본 호텔 방. 불 꺼진 채로 화장실을 찾아간다고 생각해보세요. 손으로 벽을 더듬으며 "여기는 침대 끝, 여기는 벽 모서리…" 하고 머릿속에 지도를 그리는 동시에, "내가 입구에서 몇 걸음 왔지?"도 같이 계산합니다. 이게 SLAM입니다.

로봇청소기는 Lidar로 받은 점 데이터를 매 순간 비교합니다. "방금 본 벽 모양이랑 1초 전 본 벽 모양이 어떻게 달라졌지?" → "아, 내가 30cm 앞으로 갔구나."

이렇게 자기가 움직인 거리와 방향을 추정하면서, 동시에 지금까지 본 벽들을 합쳐서 집 전체 지도를 만들어냅니다.

1단계: 거실에서 출발
   ┌───────┐
   │   *   │   ← 보이는 영역만 지도로
   └───────┘

2단계: 부엌으로 이동, 정보 누적
   ┌───────┬─────┐
   │       │  *  │   ← 거실+부엌 합쳐서
   └───────┴─────┘

3단계: 한 바퀴 돌면 완성
   ┌───────┬─────┐
   │       │     │
   ├───┐   └─────┤
   │   │    *    │   ← 집 전체 지도 완성
   └───┴─────────┘

처음 청소를 돌릴 때 청소기가 좀 헤매는 듯 보이는 게 이 단계입니다. 두 번째부터는 이미 만들어둔 지도를 불러와서 훨씬 효율적으로 움직입니다.

Lidar 모델 vs 카메라 모델, 뭐가 다를까

가격대가 갈리는 가장 큰 기준이 이 두 방식의 차이입니다. 둘 다 SLAM은 하지만, 무엇을 보고 SLAM을 하느냐가 다릅니다.

구분	Lidar 방식	카메라(비전) 방식
거리 측정	레이저로 직접 측정	영상에서 추정
어두운 곳	잘 작동	약함
장애물 종류 인식	약함 (모양만 봄)	강함 (양말/케이블 구분)
가격대	중급~고급	보급형~프리미엄 다양
대표 약점	낮은 장애물 못 봄	야간·어두운 방 취약

요즘 프리미엄 모델들은 둘 다 답니다. Lidar로는 큰 구조를 잡고, 카메라로는 바닥에 떨어진 양말이나 충전 케이블을 인식하는 식이죠.

예를 들어 재택근무하면서 책상 밑에 케이블이 항상 늘어져 있는 분이라면, 카메라 기반 장애물 인식이 있는 모델이 훨씬 스트레스가 적습니다. 반대로 강아지를 키우는데 거실이 항상 어둑한 편이라면 Lidar 우선이 좋습니다.

장애물 회피 AI는 어떻게 양말과 케이블을 구분할까

여기가 진짜 "AI"라고 불릴 만한 부분입니다. 딥러닝 기반 이미지 인식이 들어가는 영역이거든요.

로봇청소기 앞쪽 카메라가 찍은 영상을 작은 AI 모델이 실시간으로 분석합니다. "이 픽셀 덩어리는 양말 모양에 가깝다", "이건 가늘고 긴 게 케이블 같다" 식으로요.

그런데 이 AI를 학습시키려면 수만 장의 사진이 필요합니다. 양말 사진, 케이블 사진, 강아지 배설물 사진(...), 슬리퍼 사진을 다 모아서 라벨링한 뒤 학습시킵니다.

💡 그래서 광고에서 "○○종 장애물 인식"이라고 광고하는 겁니다. 30종, 50종, 100종 — 숫자가 클수록 AI가 학습한 카테고리가 많다는 뜻이에요.

다만 학습되지 않은 물건은 못 알아봅니다. 가끔 화제가 되는 "강아지 배설물 못 피한 사례"가 그래서 나오는 거죠. 학습 데이터에 그 케이스가 적으면 성능이 떨어집니다.

구매 전 체크할 만한 포인트

기술을 알았으니, 실제 살 때 뭘 봐야 하는지로 정리해봅니다.

• ☐우리 집이 어두운 시간대에 자주 돌리는가? → Lidar 필수
• ☐바닥에 케이블·양말이 자주 굴러다니는가? → 카메라 인식 모델
• ☐집이 복층이거나 방이 5개 이상인가? → 멀티맵 저장 기능
• ☐가구 배치를 자주 바꾸는가? → 재학습 속도 빠른 모델
• ☐카펫이 많은가? → 카펫 인식 + 흡입력 자동조절

가격 차이의 상당 부분은 센서 종류와 AI 모델 성능에서 나옵니다. 본체 디자인이나 흡입력은 의외로 중급기랑 고급기 차이가 크지 않은 경우가 많아요.

저는 개인적으로 "Lidar + 기본 카메라 인식"이 들어간 중상급 모델이 가성비 구간이라고 봅니다. 최상위 모델의 100종 인식까지는 일상에서 체감 차이가 크지 않더라고요. (어디까지나 제 사용 경험 기준입니다.)

마무리

로봇청소기 광고에서 "AI"라고 뭉뚱그려진 기술은 사실 Lidar(거리 센서) + SLAM(위치·지도 동시 계산) + 컴퓨터 비전(장애물 인식) 세 가지의 조합입니다.

이 중에 우리 집 환경에서 어떤 게 가장 쓸모 있는지를 따져보면 모델 선택이 훨씬 쉬워집니다. 어두운 시간대 청소가 잦으면 Lidar, 바닥에 잡동사니가 많으면 카메라 인식 — 이 정도만 기억해도 매장 직원의 설명이 다르게 들릴 거예요.

다음에는 로봇청소기 외에 자율주행차에 들어가는 SLAM이 어떻게 다른지도 한 번 풀어볼 생각입니다. 같은 기술이지만 스케일이 달라지면 고민해야 할 게 완전히 달라지거든요.