물은 색이 거의 없고 바닥 무늬를 비쳐 보인다. 로봇청소기가 투명한 액체를 피한다고 할 때 ‘카메라 AI가 물을 본다’는 설명만으로는 부족하다. 무엇이 빛을 비추고 어떤 영상 변화가 모델 입력이 되며 장애물 거리 센서는 어디까지 관여하는지를 나눠야 실제 집에서 실패할 조건을 예상할 수 있다. 삼성전자의 2026년형 출시 자료는 RGB 카메라와 적외선 LED를 이용해 유색 액체와 투명 액체를 인식한다고 밝힌다. 동시에 액체 양·크기·형태에 따라 인식 성능이 달라질 수 있다고 적는다. 즉 기술의 핵심은 ‘완전한 물 감지’가 아니라 조명과 영상에서 얻은 단서를 제한된 조건에서 분류하는 것이다.
출발점은 색이 아니라 광학 단서의 부족이었다
유색 음료는 RGB 영상에 경계와 색 차이를 남기기 쉽다. 투명한 물은 바닥의 색과 무늬를 그대로 비추고, 얇게 퍼지면 윤곽도 흐리다. 주변 조명이 강하거나 반사가 많은 타일, 검은 바닥, 무광 바닥에서는 같은 액체가 서로 다른 영상으로 보인다. 학습 모델은 ‘물’ 그 자체보다 반사, 굴절, 하이라이트, 젖은 영역의 질감 변화 같은 간접 신호를 본다.
바닥에 놓인 투명 유리나 낮은 장애물과도 문제가 다르다. 장애물은 높이·형상·거리 단서가 있지만 얇은 액체막은 주행 가능한 평면 위에 있다. 그래서 장애물 회피 센서가 있다고 곧 액체를 감지하는 것은 아니다. 제품 설명에서 센서 이름과 주장 기능을 정확히 연결해야 한다.
RGB만 쓰면 주변광과 바닥 무늬에 쉽게 흔들린다
초기 시각 방식은 RGB 영상의 색·모양과 학습된 물체 범주를 이용한다. 데이터가 충분하면 컵, 케이블, 양말처럼 반복되는 물체를 찾기 좋지만, 투명 액체는 조명 방향과 카메라 노출에 따라 대비가 사라진다. 동일한 물웅덩이라도 낮과 밤, 천장등과 창가, 로봇의 접근 각도에 따라 픽셀 패턴이 바뀐다.
이 문제를 줄이려면 입력을 통제하거나 다른 파장의 조명을 보탠다. 적외선 LED는 사람이 보는 실내 조명과 다른 조건으로 장면을 비추고 카메라에 추가 반사 패턴을 만든다. 다만 공식 자료는 세부 파장, 편광, 분류 모델이나 거리 계산 원리를 공개하지 않는다. 그러므로 특정 광학 구조를 제품에 있다고 추정하지 않는다.
적외선 조명 결합이 제품 설명의 전환점이다
삼성 발표가 명시한 전환은 RGB 카메라와 IR LED의 결합이다. 능동 조명은 주변 밝기가 바뀌어도 비교 가능한 단서를 만들 여지가 있고, 투명 액체 표면의 반사 변화를 영상에 더 드러낼 수 있다. 그러나 이것은 가능한 메커니즘 설명이지 회사가 공개하지 않은 내부 알고리즘을 확정하는 말이 아니다.
위 조건을 교차하면 ‘한 번 피했다’가 아니라 검출률과 오검출률을 구할 수 있다. 물처럼 보이는 광택 바닥, 투명 매트, 그림자와 반사선도 음성 사례로 넣어야 청소를 불필요하게 멈추는 비용을 알 수 있다.
현재 스택에서 dToF와 낙상 센서는 다른 일을 맡는다
- 맑은 물과 유색 음료를 분리해 시험한다.
- 타일·마루·무광·짙은색 바닥을 바꾼다.
- 얇게 번진 액체와 깊은 웅덩이, 작은 방울을 나눈다.
- 창가 역광·천장등·야간의 주변광을 바꾼다.
- 정면·사선 접근과 주행 속도를 기록한다.
삼성 VR70F00SGG 지원 페이지는 장애물 감지에 dToF 센서와 범퍼, 추락 방지 센서, 위치 인식에 dToF 라이다를 표시한다. 이 목록은 제품의 공간 인식 구성을 알려 주지만 투명 액체 인식을 dToF가 수행한다고 쓰지 않는다. 출시 자료가 액체 기능을 RGB 카메라와 IR LED에 연결하므로 두 설명을 합쳐 ‘3D 센서가 물의 깊이를 측정한다’고 말하면 근거를 넘는다.
dToF 계열은 빛의 왕복 시간을 이용해 거리 단서를 얻는 데 적합하지만 재질·입사각·수광 조건에 영향을 받는다. 범퍼는 물리 접촉 뒤 장애물을 알려 주며, 추락 방지 센서는 계단 같은 바닥 단절을 피하는 용도다. 센서 융합은 지도와 회피를 안정화할 수 있어도, 각 센서가 제공하지 않는 물질 분류를 자동으로 만들어 주지는 않는다.
실제 운용에서는 감지 뒤 행동도 중요하다. 액체 영역을 지도에 표시해 우회하는지, 재접근하는지, 사용자에게 어떤 경고를 주는지, 물걸레가 이미 젖은 상태와 외부 액체를 어떻게 구분하는지를 본다. 인지 정확도와 주행 정책을 따로 기록하면 어느 층에서 실패했는지 찾기 쉽다.
아직 풀리지 않은 것은 ‘모든 투명 액체’라는 일반화다
공식 각주는 액체 양, 크기와 형태에 따라 성능이 달라진다고 명시한다. 점도가 높은 투명 액체, 거품, 얼음 조각, 바닥 틈에 스민 물, 유리 아래 반사처럼 공개 자료에 없는 조건은 별도 검증 대상이다. 카메라가 오염되거나 적외선 창에 먼지가 쌓였을 때의 진단과 청소 주기도 확인해야 한다.
구매 판단은 ‘AI 액체 인식’ 로고보다 실패 비용에 맞춘다. 반려동물 배설물이나 전기기기 주변 물처럼 한 번의 누락 비용이 큰 환경은 감지 기능만 믿지 말고 금지 구역, 사전 점검, 누수 센서 같은 독립 통제를 둔다. 반대로 광택 때문에 자주 멈추면 사용자 개입이 늘어나므로 오경보 기록도 중요하다.
삼성의 2026년 제품 시연 자료은 RGB 카메라와 IR LED로 유색·투명 액체를 회피하거나 집중 청소하는 기능을 다시 설명한다. 공개 시연은 기능 존재를 확인하는 자료이지 바닥별 검출률 보고서는 아니다. 앱에 액체 위치·재시도 여부가 어떻게 표시되는지 실제 모델에서 확인하고, 감지 뒤 바퀴나 걸레가 액체 가장자리를 스치지 않는지 주행 궤적까지 관찰한다.
검증 표본은 성공 장면만 모으지 않는다. 같은 양의 물을 바닥 이음새 위와 평면에 놓고, 로봇의 센서 창을 깨끗한 상태와 제조사가 허용한 청소 전 상태로 나눠 본다. 사용자에게 경보가 전달되지 않았거나 우회 뒤 다시 접근했다면 인식 성공과 작업 성공을 따로 판정한다. 이 기록이 있어야 제품 업데이트 뒤 개선과 회귀를 비교할 수 있다.
장기 지도 기억과 환경 변화 문제는 MIT DAaM의 3D 지도·장기 기억에서, 서로 다른 물체 취급 능력의 비교는 Amazon Vulcan과 Proteus 비교에서 이어 볼 수 있다. 액체 회피 한 기능을 범용 공간지능 전체로 확장하지 않는 것이 정확한 읽기다.
현장에서 다시 확인할 질문
투명 액체 감지에는 RGB 카메라만 필요한가요?
삼성의 2026 제품 설명은 RGB 카메라와 적외선 LED의 결합을 명시한다. 주변광 속 색 영상과 능동 적외선 조명에서 생기는 단서를 함께 쓰는 것으로 읽을 수 있지만, 세부 모델과 광학 구조는 공개 자료만으로 확정할 수 없다.
투명한 물이면 크기와 상관없이 모두 피하나요?
아니다. 삼성 공식 각주도 액체의 양·크기·형태에 따라 인식 성능이 달라질 수 있다고 밝힌다. 바닥 재질, 조명, 접근 각도, 카메라 오염까지 포함해 사용 환경에서 따로 시험해야 한다.
자료 마지막 확인: 2026년 8월 26일