네이버랩스 유럽(NAVER LABS Europe)은 산업과 일상 환경에서 자율 주행 로봇의 작업을 한층 수월하게 해줄 유니버설(범용) 인코더 '디바인(DIVINE)'을 23일 공개했다고 밝혔다.
자율 주행 로봇은 주변 환경을 인식하고 다양한 작업을 처리하기 위해 여러 개의 인공지능(AI) 인코더를 함께 사용해 왔다. 인코더는 로봇이 카메라, 라이다(LiDAR) 등 센서를 통해 수집한 데이터를 AI 모델이 처리할 수 있는 형태로 변환하는 장치다.
디바인은 이때 필요한 여러 인코더를 하나로 통합한 범용 인코더다. 기존에는 ▲위치 추정 ▲깊이 계산 ▲공간 이해 ▲사람 인식 등 작업마다 각각의 AI 모델이 별도의 인코더를 활용해 동일한 입력 데이터를 여러 번 중복 처리해 왔고, 이에 따라 메모리 사용량과 연산량이 과도하게 증가하는 문제점이 있었다.
네이버랩스 유럽은 각 전문 인코더가 학습한 정보 처리 능력의 핵심을 하나의 인코더에 통합하는 '다중 교사 증류(multi-teacher distillation)' 방식을 활용해 이 문제를 해결했다. 다중 교사 증류는 이미지, 공간, 사람 인식 등 각 분야에 특화된 전문가 '교사' 모델들로부터 핵심적인 지식만 추출해 하나의 '학생' 모델에 이식하는 방식이다. 이렇게 만든 학생 모델을 활용하면, 여러 개의 대형 전문가 모델을 두지 않고도 다양한 분야를 두루 처리할 수 있다.
디바인의 경우, 2D 이미지 이해와 3D 공간 재구성, 사람 인식 등을 각각 전문으로 처리하는 여러 인코더의 기능을 하나로 응축했다. 따라서 로봇에 여러 개의 서로 다른 인코더를 탑재할 필요 없이 디바인 하나만으로 다양한 AI 작업을 수행할 수 있다.
실제 실험 환경에서 디바인을 동작시킨 결과, 연산 부담은 줄어드는 반면 성능은 극대화된 것으로 나타났다. 여러 개의 인코더를 탑재했을 때 대비 인코더 메모리 사용량은 90%가량 절감됐으며, 인코딩 처리 속도는 최대 12배 높아졌다. 로봇의 전반적인 메모리 사용량은 약 62% 감소했고, 시스템 처리 속도는 최대 4배 향상됐다.
네이버랩스 유럽은 "비싸고 무거운 연산 장치를 갖춘 대형 하드웨어가 없어도 '빠르고 똑똑한 뇌'인 디바인을 장착하면 스스로 상황을 파악해 다양한 작업을 수행하는 자율 주행 AI 로봇을 얼마든지 운용할 수 있다"며 "AI 모델이 업그레이드될 때마다 해당 모델이 적용된 새로운 로봇을 도입하지 않더라도, 기존 로봇에 탑재된 디바인을 업데이트하면 성능을 손쉽게 끌어올릴 수 있다"고 했다.