로봇청소기 LiDAR vs 카메라 매핑, 가구 배치별 청소 커버리지 차이

LiDAR와 카메라 매핑, 핵심 원리부터 정리

로봇청소기의 매핑 기술은 크게 LiDAR(LDS) 방식과 카메라(vSLAM) 방식으로 나뉩니다. LiDAR는 레이저 펄스를 360도로 발사해 돌아오는 시간을 측정하고, 이를 통해 벽·가구·장애물까지의 거리를 밀리미터 단위로 파악합니다. 조명 상태에 관계없이 작동하기 때문에 어두운 방이나 야간 청소에서도 정밀한 3D 공간 지도를 생성할 수 있습니다.

카메라(vSLAM) 방식은 로봇 상단이나 전면에 장착된 카메라로 천장·벽·가구의 시각적 특징점을 촬영하고, 이 이미지를 소프트웨어로 분석해 자신의 위치와 공간 구조를 파악합니다. 색상·질감·패턴 같은 시각 정보를 활용하기 때문에 물체의 종류를 식별하는 데 유리하지만, 조도가 낮은 환경에서는 매핑 정확도가 떨어질 수 있습니다.

직접 비교해 봤는데, 이 두 방식의 가장 큰 차이는 “거리 측정 정밀도”와 “환경 의존도”에 있습니다. LiDAR는 빛이 전혀 없어도 센티미터 단위의 거리 데이터를 생성하는 반면, 카메라는 AI로 깊이를 추정해야 하므로 주변 조명과 바닥 색상에 영향을 받습니다. 검은색이나 반사가 심한 바닥에서 카메라 방식의 네비게이션이 불안정해졌다는 후기가 꾸준히 보고되는 이유가 여기에 있습니다.

최근에는 한 가지 센서만 쓰는 대신, LiDAR와 카메라를 동시에 탑재하는 스마트 청소기 구매가이드에서도 확인할 수 있듯 하이브리드 모델이 빠르게 늘고 있습니다. LiDAR가 공간 구조를 잡고, 카메라가 장애물 종류를 식별하는 역할 분담 구조입니다.

매핑 방식별 성능 차이 한눈에 비교

LiDAR와 카메라 매핑의 차이를 한눈에 정리하면 아래 표와 같습니다. 저는 웬만하면 이 표를 기준으로 내 집 환경에 맞는 쪽을 먼저 체크해 보는 걸 권합니다.

오픈형 거실 구조에서 커버리지 차이

넓은 거실에 소파와 TV장만 벽 쪽에 배치된 오픈형 구조는 로봇청소기에게 가장 쉬운 환경입니다. 이런 공간에서는 LiDAR와 카메라 모두 높은 커버리지를 보여주는데, 실제로 해보면 차이가 나는 지점은 “첫 번째 청소 속도”와 “경로 효율성”입니다.

LiDAR 모델은 레이저로 벽까지의 거리를 즉시 파악하기 때문에 직선 주행 패턴을 빠르게 설계합니다. 30평대 아파트 거실 기준으로 초기 매핑에 약 8~12분이 소요되며, 이후 청소 시에는 저장된 지도를 바탕으로 체계적인 지그재그 경로를 따릅니다. 카메라 방식은 시각 특징점을 충분히 수집해야 하므로 같은 공간에서 초기 매핑에 15~20분 정도 걸리는 경우가 많습니다.

오픈형 구조에서 두 방식 모두 90% 이상의 바닥 면적을 커버하는 것은 동일하지만, 카메라 방식은 조명이 꺼진 상태에서 경로가 불규칙해지거나 이미 청소한 구역을 다시 지나가는 중복 주행이 늘어납니다. 저 같은 경우 외출 중에 청소를 예약해 두는데, 이때 커튼이 쳐진 거실은 사실상 어두운 환경이라 카메라 모델이 한쪽 구석을 빠뜨리는 경우가 있었다는 후기를 여럿 확인했습니다.

가구 밀집·복잡 구조에서 커버리지 차이

식탁 의자 4~6개, 화분, 아이 장난감, 반려동물 용품이 바닥에 놓인 복잡한 구조에서는 두 매핑 방식의 차이가 뚜렷하게 드러납니다. 이런 환경에서 LiDAR는 장애물의 윤곽과 거리를 실시간으로 파악해 좁은 통로도 정확하게 진입하는 반면, 카메라 방식은 시각 정보가 복잡해지면 경로 계산에 더 많은 시간이 소요됩니다.

한 가지 흥미로운 점은, 카메라 방식이 오히려 “작은 물체 회피”에서 강점을 보인다는 것입니다. AI 물체 인식 기능이 탑재된 카메라 모델은 바닥에 떨어진 양말, 충전 케이블, 반려동물 배설물 등을 종류별로 식별해서 피해 갑니다. LiDAR만으로는 이런 납작한 물체의 정체를 판단하기 어렵습니다.

그렇다면 복잡한 구조에서 전체 바닥 면적 대비 실제 청소한 비율, 즉 커버리지는 어떨까요. 해외 테스트 결과에 따르면 AI 카메라+LiDAR 하이브리드 모델이 첫 번째 청소에서 약 94%의 바닥 면적을 커버한 반면, LiDAR 단독 모델은 71% 수준에 그쳤다는 보고가 있습니다. 이는 LiDAR가 가구 하부의 낮은 공간을 “진입 불가”로 판단해 건너뛰는 비율이 높았기 때문입니다.

솔직히 말하면, 이 수치는 가구 밑 높이가 10cm 미만인 소파·침대가 많은 환경에서 측정된 것이라 모든 집에 그대로 적용되지는 않습니다. 가구 밑 공간이 충분하다면 LiDAR 모델도 커버리지 차이가 크지 않으니, 자기 집 가구의 하부 간격을 먼저 재보는 게 중요합니다.

가구 배치가 복잡한 환경에서 로봇청소기를 효율적으로 쓰려면 몇 가지 배치 원칙을 알아두면 좋은데, 소형 공간 로봇청소기 추천 글에서 원룸·소형 공간에 맞는 모델과 배치 팁을 함께 확인할 수 있습니다.

로봇청소기가 잘 청소하려면 가구를 벽 쪽으로 정리해 바닥 중앙 통로를 확보하고, 의자 다리 사이 간격을 최소 40cm 이상 유지하는 것이 좋습니다.

가구 밑 진입과 LiDAR 돌출 높이 문제

LiDAR 센서가 로봇 상단에 타워 형태로 돌출된 모델은 전체 높이가 9.5~10.5cm에 달합니다. 침대나 소파 밑 공간이 10cm 미만인 경우 로봇이 물리적으로 진입하지 못하거나, 진입 후 타워가 가구 하부에 걸려서 끼이는 문제가 발생합니다.

이 문제를 해결하기 위해 최근에는 LiDAR 센서를 본체 내부에 내장하는 설계가 늘고 있습니다. 에코백스 T50 Pro, 드리미 X50 Ultra 같은 모델은 LiDAR를 본체 안에 넣어 전체 높이를 약 8~9cm로 낮추면서도 360도 스캐닝 성능을 유지합니다. 실제로 해보면 타워형 대비 가구 밑 청소 커버리지가 눈에 띄게 올라갑니다.

카메라 방식은 센서 자체가 납작하기 때문에 본체 높이를 7~8cm 수준으로 설계하기 쉽습니다. 가구 밑 공간이 특히 좁은 집이라면 카메라 모델이 물리적 접근성 면에서 우위를 갖는 셈입니다. 다만 가구 하부는 대부분 어두운 환경이라, 카메라 모델이 진입은 하되 내부에서 매핑 정확도가 떨어져 벽면을 따라 한 바퀴만 돌고 나오는 경우도 있습니다.

이 부분이 바로 “진입 가능 여부”와 “실제 청소 완료 여부”가 다른 이유입니다. 개인적으로는 가구 밑 높이가 10cm 이상이면 LiDAR 내장형, 8~10cm 사이면 카메라+보조 센서 모델, 8cm 미만이면 슬림 전용 모델로 나눠서 생각하는 게 현실적이라고 봅니다.

로봇청소기를 더 효과적으로 쓰려면 물걸레 기능까지 함께 점검하는 것이 좋습니다.

하이브리드 매핑이 대세가 된 이유

2025년 이후 출시된 프리미엄 로봇청소기 대부분은 LiDAR와 카메라를 동시에 탑재한 하이브리드 방식을 채택하고 있습니다. 로보락의 StarSight 3D 네비게이션, 에코백스의 듀얼 레이저 LiDAR+AINA 딥러닝 모델, 드리미의 OmniSight 시스템 등이 대표적입니다.

이러한 하이브리드 매핑의 핵심은 역할 분담에 있습니다. LiDAR가 벽·가구·문틀 같은 고정 구조물의 거리와 형태를 측정해 공간의 뼈대를 잡으면, 카메라와 AI가 바닥 위의 소형 장애물(케이블, 양말, 반려동물 배설물 등)의 종류를 판별하고 대응 방식을 결정합니다. 이 조합 덕분에 암실 수준의 어두운 환경에서도 공간 구조 파악이 가능하면서, 동시에 바닥 위 소형 물체도 종류별로 회피할 수 있습니다.

CES 2026에서 공개된 신규 모델들을 보면, 단순히 “LiDAR+카메라 탑재”를 넘어서 구조광 센서, 초음파 센서를 추가로 결합하는 멀티 센서 융합이 확대되고 있습니다. 계단을 인식해 오르내리는 로보락 Saros Z70이나, 로봇 팔로 장애물을 직접 치우는 모델까지 등장하는 추세입니다.

다만 하이브리드 모델은 센서가 많은 만큼 가격대가 높은 편이라, 예산과 집 구조를 함께 고려해야 합니다. 찾아보니까 30평 이하 단순 구조에서는 LiDAR 단독 모델로도 커버리지가 충분하다는 평가가 많았습니다.

집 구조별 매핑 방식 선택 기준

매핑 방식 선택을 고민할 때 가장 실용적인 기준은 “집의 넓이”, “가구 배치 복잡도”, “가구 하부 높이”, “조명 조건” 이 네 가지입니다. 아래 표로 정리하면 자기 집 상황에 맞는 방식을 빠르게 판단할 수 있습니다.

제 기준에서는 대부분의 한국 아파트(20~30평대)에서 LiDAR 기반 모델이 커버리지 안정성 면에서 가장 무난한 선택입니다. 가구를 자주 옮기거나 바닥에 물건이 많은 환경이라면 카메라 AI 기능이 추가된 하이브리드 모델이 스트레스를 줄여줍니다.

무선청소기와 로봇청소기를 함께 활용하는 분들이 늘고 있는데, 흡입력 기준을 비교하고 싶다면 아래 글을 참고해 보세요.

2026년형 로봇청소기 매핑·장애물 성능 비교

아래 영상에서는 2026년형 플래그십 로봇청소기들의 매핑 정확도, 가구 밑 진입 성능, 장애물 인식 능력을 실제 테스트로 비교합니다. LiDAR 내장형과 돌출형의 차이, 카메라 AI 물체 인식의 실전 성능을 직접 확인할 수 있습니다.

실제 사례 및 이용자 반응 정리

국내외 커뮤니티에서 수집한 이용자 반응을 보면, 매핑 방식에 따른 체감 만족도는 “집 구조”에 따라 극단적으로 갈리는 모습입니다.

Reddit RobotVacuums 커뮤니티(2025년 12월)에서 한 사용자는 LiDAR 모델이 가구 밑에 물리적으로 들어가면서도 청소를 하지 않는 문제를 보고했는데, 앱에서 “커튼 구역(Curtain Zone)”을 설정해 측면 센서 무시 명령을 주니 해결되었다고 밝혔습니다. 이 사례는 LiDAR가 가구 하부를 “벽”으로 인식해 회피하는 구조적 한계를 보여줍니다.

네이버 블로그(2026년 2월)에서는 DJI, 로보락, 드리미 세 브랜드의 2026년형 모델을 비교한 글이 화제가 되었는데, 침대·소파 밑 공간이 10cm 이상이면 세 모델 모두 진입에 문제가 없었지만 8cm 이하 환경에서는 LiDAR 내장형인 로보락 모델이 가장 낮은 본체 높이 덕분에 유일하게 진입에 성공했다는 결과였습니다.

카메라 전용 모델에 대해서는 “낮에 커튼 열어두고 돌리면 문제없는데, 외출 중 예약 청소 때 거실 커튼을 닫아두면 소파 뒤쪽을 빈번하게 빠뜨린다”는 반응이 여러 커뮤니티(미국 Reddit, 국내 클리앙 등)에서 반복적으로 확인됩니다. 이 점이 야간·외출 중 청소를 자주 하는 사용자에게 LiDAR 모델이 선호되는 핵심 이유로 꼽힙니다.

하이브리드 모델 사용자들의 반응은 대체로 긍정적이지만, “가격 대비 카메라 AI의 오인식이 가끔 있다”는 피드백도 있습니다. 검은색 양말을 반려동물 배설물로 오인해 회피하거나, 리모컨을 장애물로 인식해 주변을 청소하지 않는 사례가 보고되었습니다. 이런 오인식은 펌웨어 업데이트로 개선되는 추세이지만, 완벽하지는 않다는 점을 감안할 필요가 있습니다.

마무리 제안 및 체크포인트

여러 사례를 비교해 보니, 로봇청소기 매핑 방식 선택에서 가장 중요한 건 결국 “내 집 가구 밑 높이”와 “평소 청소 시간대(밝은지 어두운지)”라는 두 가지 조건이었습니다. 기술 스펙만 보면 LiDAR가 전반적으로 우위인 것 같지만, 실제로는 가구 밑 공간이 좁은 집에서 돌출형 LiDAR 모델이 오히려 커버리지가 낮아지는 역전 현상이 일어납니다.

넓고 복잡한 구조에서 야간 예약 청소까지 할 계획이라면 LiDAR 기반(내장형 권장)이 안정적이고, 밝은 환경에서 주로 쓰면서 가구 밑 공간이 좁은 편이라면 카메라 슬림 모델이나 하이브리드 모델이 실질적인 커버리지를 더 높여줍니다. 소파·침대 하부 간격을 줄자로 한 번만 재보면 선택이 훨씬 수월해집니다.