디지스트(DGIST)는 박대희 전기전자컴퓨터공학과 교수 연구팀이 KAIST 연구팀과 공동으로, 주변 사람들의 움직임 예측과 로봇의 안전한 이동 경로 계획을 하나의 소형 AI 모델에서 동시에 수행하면서도 두 작업의 성능 저하를 줄이는 학습 기술을 개발했다고 11일 밝혔다.
사람이 많은 곳을 이동하는 로봇은 주변 사람들의 향후 이동경로를예측하는 동시에, 충돌을 피할 수 있는 안전한 이동 경로를 계획해야 한다. 두 작업을 각각 별도의 AI 모델로 수행하면 더 많은 연산 자원과 메모리가 필요해 실제 로봇에 탑재하기에는 부담이 크다. 따라서 하나의 소형 AI 모델이 두 작업을 함께 수행하도록 만드는 기술이 필요하다.
하지만 여러 기능을 하나의 모델에 담으면, 각 기능이 모델 내부의 같은 영역을 사용하면서 서로의 학습을 간섭하고 성능을 떨어뜨릴 수 있다. 연구팀은 움직임 예측과 경로 계획 사이에서 나타나는 이러한 현상을 '스킬 충돌(Skill Conflict)'이라고 정의하고, 실제 실험을 통해 그 영향을 확인했다.
연구팀은 이를 해결하기 위해 각 기능이 AI 내부의 서로 다른 부분을 중심으로 학습하도록 하는 '분리형 파라미터 학습(DPT)'을 개발했다. 이후 각 기능에 꼭 필요한 부분만 골라 하나의 모델로 합쳐, 모델 크기는 작게 유지하면서 두 기능이 서로 방해하지 않고 함께 작동하도록 했다.
JRDB와 JTA 등 로봇 움직임 분야의 대표 데이터로 성능을 검증한 결과, 기존 방식보다 주변 사람들의 움직임을 더 정확하게 예측하고 로봇의 이동 경로 오차와 충돌 가능성도 낮춘 것으로 나타났다. 자율주행 AI에 적용한 추가 실험에서도 성능이 향상돼, 향후 로봇과 자율주행 등 다양한 피지컬 AI 분야에 활용될 가능성을 확인했다.
박대희 교수는 “로봇이나 자율주행처럼 실제 공간에서 움직이는 AI는 제한된 컴퓨터 자원으로 여러 판단을 동시에 내려야 한다”며 “이번 연구는 여러 기능을 하나의 작은 AI에 담을 때 발생하는 성능 저하 문제를 해결한 것으로, 앞으로 실제 로봇에 적용해 활용 가능성을 검증할 계획”이라고 밝혔다.
이번 연구에는 DGIST 서태원 석사과정생과 전선애 학부연구생이 참여했으며, 박대희 교수가 교신저자를 맡았다. 엔비디아 Academic Hardware Grant Program 지원을 받아 수행된 이번 연구성과는 최근 컴퓨터비전 분야 세계 3대 국제학회 중 하나인 'ECCV 2026'에 채택됐으며, 10일부터 12일까지 스웨덴 말뫼에서 열리는 학회에서 발표된다.
대구=정재훈 기자 jhoon@etnews.com
