실시간으로 연속적인 포인트 스트림 (point streams)을 처리하는 모바일 로봇을 위한 옥트리 (octrees) 구축은 상당한 계산 및 메모리 문제를 야기합니다. 표준적인 전역 구조 (global structures)는 종종 높은 지연 시간 (latency)과 불균형한 트리 성장 문제를 겪습니다. 본 논문에서는 로봇의 즉각적인 주변 환경으로 매핑 공간을 동적으로 제한하는 3D 슬라이딩 윈도우 (sliding window) 역할을 하는 공간 데이터 구조인 에고-센트릭 옥트리 (Ego-Centric Octree, ECO)를 소개합니다. ECO는 환경을 shift-out, shift-in, 그리고 overlap 영역으로 분류하는 효율적인 점진적 업데이트 (incremental update) 알고리즘을 사용하여 중복되는 전역 좌표 변환 (global coordinate transformations)을 제거합니다. KITTI 벤치마크를 통한 평가 결과, ECO는 전체 정적 재구성 (full static reconstruction) 대비 업데이트 시간을 최대 25.60% (평균 24.87%) 단축하였으며, 제한된 점진적 베이스라인 (bounded incremental baseline) 대비 최대 67.52% (평균 54.60%) 단축함을 입증했습니다. 또한, ECO는 다운스트림 태스크 (downstream tasks)의 전체 시스템 지연 시간을 실질적으로 낮추며, 복셀 맵 (voxel-map) 생성 시 전체 재구성 방식보다 최대 34.17% 더 빠르게 실행됩니다. 동적인 장면 (dynamic scenes)에서 ECO는 움직이는 객체에 대한 단기적 시간 메모리 (temporal memory)를 자연스럽게 유지하여, 업데이트 비용을 제한하고 실시간 공간 인지 (spatial perception)를 위해 트리의 균형을 유지하면서도 유용한 시간적 맥락 (temporal context)을 제공합니다.