예시 답변 1
약 104초
SLAM 이해→접근 방식→구현 경험→결론 결
SLAM 알고리즘 개발에서 사용해 본 접근 방식은 2D 환경에서 LiDAR 데이터를 활용한 Graph-based SLAM을 구현하고, 루프 클로징 조건을 실험적으로 조정한 것이었습니다. SLAM은 지도 생성과 자기 위치 추정을 동시에 해야 하기 때문에, 두 과정이 서로 영향을 주는 구조를 이해하는 것이 중요합니다.
Front-end 처리로 연속된 LiDAR 스캔 간의 변환을 추정하는 ICP를 사용해 상대 자세를 추정하고, pose graph에 노드와 엣지로 기록했습니다. Back-end 최적화로 루프 클로징이 감지되면 그래프 최적화로 누적 오차를 보정해 전체 지도의 일관성을 유지했습니다.
루프 클로징 오탐이 발생하면 지도가 크게 뒤틀리기 때문에, 루프 감지 기준을 보수적으로 설정하는 것이 중요합니다. 실내 환경에서는 동일한 구조가 반복되어 false positive가 생기기 때문에, 추가 검증이 필요합니다. ICP 기반 front-end와 그래프 최적화 back-end가 SLAM의 핵심이라는 결론을 갖고 있습니다.
이 결의 특징
필터 기반과 그래프 기반의 명확한 구분(실시간 vs 일관성, 확장성 제한 vs 계산 비용)이 드러나고, 그 선택이 막연한 '기술을 썼다'가 아니라 구체적 근거가 있는 답입니다.
이 결이 통하는 자리
'프론트엔드에서 특징점 추출·오도메트리 계산', '백엔드에서 위치 그래프 최적화·루프 클로저 감지'라는 구체적 층 구조가 나타날 때 통합니다. 막연히 기술을 알기보다 왜 그 방식이 적합한지를 짚은 자리에서 면접관이 '설계 사고'로 보는 결이 있습니다.