펜실베이니아대학교 연구진은 이벤트 카메라의 비동기식 데이터를 로봇이 쓸 수 있는 시각 표현으로 바꾸는 AI 기술 '패스트 피처 필드(Fast Feature Field, F³)'를 개발했다. 이벤트 카메라는 화면 전체를 일정 간격으로 찍는 대신, 각 픽셀의 밝기 변화가 생길 때만 신호를 만든다. 빠른 움직임이나 급격한 조명 변화에 강점이 있지만, 데이터 구조가 일반 영상과 달라 기존 컴퓨터 비전 기법을 바로 쓰기 어렵다. 연구진은 과거 이벤트를 바탕으로 이후 신호를 예측하도록 학습시켜, 개별 신호를 단순 누적하는 방식보다 효율적으로 환경 정보를 표현하게 했다.
실험에서 F³는 고해상도 환경에서 120Hz, VGA 해상도에서 440Hz로 시각 표현을 생성했고, 고해상도에서 물체 인식과 깊이 추정까지 포함한 후속 작업은 초당 25~75회 수준이었다. 이는 기존 이벤트 카메라 기반 방식보다 약 2~5배 빠른 수치다. 연구진은 자동차, 사족보행 로봇, 드론 데이터로 물체 인식·거리 추정·움직임 추적을 시험했고, 도심 주행으로 학습한 모델이 추가 학습 없이 다른 플랫폼과 숲, 실내 환경에서도 작동하는 일반화 성능을 확인했다. 또 실제 이벤트가 없는 영역의 연산을 줄여 대량 신호를 더 효율적으로 처리했다.