동작 정밀도 상황별 조절하는 로봇 AI 모델 ‘디스포(DiSPo)’ 개발
기존 모델 대비 작업 성공률 최대 81% 향상… 초정밀 작업 구현
KAIST 연구팀이 적은 양의 동작 데이터만으로도 정밀한 작업을 수행할 수 있는 로봇 인공지능 기술을 개발했다. 이번 기술은 작업 상황에 따라 로봇이 움직임의 세밀도를 스스로 조절하도록 설계돼 데이터 수집 부담을 낮추면서도 정밀 조립과 의료 분야 등에서 활용 가능성을 넓힐 수 있다는 점에서 주목된다.
24일 KAIST에 따르면 전산학부 박대형 교수 연구팀은 다중 정밀도 조작 모델 ‘디스포(DiSPo)’를 개발했다. 이 모델은 적은 양의 시범 동작 데이터만 학습한 뒤에도 실제 작업 단계에서 움직임을 더 작은 단위로 나눠 정교하게 수행할 수 있도록 설계된 것이 특징이다.
기존 로봇 학습 방식은 정밀 작업을 위해 사람의 움직임을 매우 짧은 시간 간격으로 기록한 대규모 데이터를 필요로 했다. 이 때문에 나사 체결이나 좁은 틈새 조립 같은 작업에서는 데이터 확보에 시간과 비용이 많이 들었다고 KAIST는 설명했다.
연구팀은 상태공간모델 ‘맘바(Mamba)’와 확산모델을 결합해 로봇이 상황에 따라 동작의 해상도를 조절하는 구조를 구현했다고 밝혔다. 이를 통해 로봇은 비교적 단순한 시범만으로도 실제 작업에서는 필요한 구간의 움직임을 더 세밀하게 나눠 수행할 수 있다.
성능은 시뮬레이션과 실험에서 제시됐다. KAIST에 따르면 디스포는 시뮬레이션 환경에서 기존 최고 성능 모델 대비 최대 81% 높은 작업 성공률을 기록했다. 실제 협동로봇 실험에서는 반경 2.5mm의 좁은 틈에 부품을 끼워 넣고 스마트폰 셔터 버튼을 누르는 작업을 수행했으며, 기존 인공지능 모델보다 최대 4배 높은 성공률을 보였다고 연구팀은 밝혔다.
산업계에서는 이 기술이 정밀 부품 조립, 케이블 연결, 정밀 가공, 의료 수술 보조 등 높은 정확도가 필요한 영역에서 활용될 가능성에 주목할 것으로 보인다. 특히 학습 데이터 부담을 줄일 수 있다면 제조 현장의 로봇 도입 비용과 개발 기간에도 영향을 줄 수 있다. 다만 실제 산업 현장 적용 수준과 범용성은 추가 검증이 필요하다.
이번 연구는 김재철 AI대학원 오나영 석사과정생이 제1저자로 참여했으며, KAIST에 따르면 지난 6월 1일 오스트리아 비엔나에서 열린 국제 로봇 및 자동화 학술대회(ICRA 2026)에서 발표됐다.
박대형 교수는 보도자료를 통해 “적은 양의 데이터만으로도 정교한 동작을 학습하고 작업 상황에 따라 스스로 정밀도를 조절할 수 있음을 보여준 사례”라며 “데이터 수집 비용을 줄이면서 다양한 산업 현장에 적용 가능한 로봇 학습 기술로 발전시켜 나가겠다”고 말했다.
헬로티 임근난 기자 |
