국내 연구진이 적은 양의 동작 데이터만으로도 로봇이 정밀 작업을 수행할 수 있도록 하는 인공지능(AI) 기술을 개발했다. 작업 상황에 따라 로봇이 움직임의 정밀도를 조절할 수 있는 것이 특징이다.
박대형 카이스트 전산학부 교수 연구진은 다중 정밀도 조작 모델 '디스포(DiSPo)'를 개발했다고 24일 밝혔다. 이 기술은 사용자가 요구하는 작업 수준에 맞춰 로봇의 움직임을 세밀하게 생성하도록 설계됐다.
기존 로봇 AI는 나사를 조이거나 좁은 틈에 부품을 끼워 넣는 작업을 배우기 위해 짧은 시간 간격으로 기록한 대규모 동작 데이터를 필요로 했다. 정밀한 움직임을 학습하려면 많은 시범 데이터와 수집 시간이 필요해 실제 산업 현장에 적용하는 데 부담이 컸다.
연구진은 로봇이 움직임의 변화를 예측하면서 다양한 행동을 학습할 수 있는 구조를 도입했다. 특히 작업 난도에 따라 동작을 더 잘게 나누거나 비교적 크게 조절할 수 있도록 했다.
이를 위해 연구진은 시간에 따른 변화를 학습하는 상태공간모델 '맘바(Mamba)'와 다양한 행동을 생성하는 확산모델을 결합했다. 그 결과 로봇은 제한된 데이터로 학습한 뒤에도 실제 작업에서는 필요한 만큼 움직임을 세분화해 정밀하게 동작할 수 있다.
디스포는 시뮬레이션 환경에서 기존 최고 성능 모델보다 최대 81% 높은 작업 성공률을 보였다. 실제 협동로봇 실험에서도 반경 2.5㎜의 좁은 틈에 부품을 끼우거나 스마트폰의 작은 셔터 버튼을 누르는 작업을 수행했다. 성공률은 기존 인공지능 모델보다 최대 4배 높았다.
이번 기술은 정밀 부품 조립, 케이블 연결, 정밀 가공, 의료 수술 보조 등 높은 정확도가 필요한 분야에 활용될 수 있다. 적은 데이터로 로봇을 학습시킬 수 있다는 점에서 데이터 수집 비용을 줄이고 자동화 적용 범위를 넓히는 데도 도움이 될 전망이다.
박대형 교수는 "이번 연구는 로봇이 적은 데이터만으로도 정교한 동작을 학습하고 작업 상황에 따라 정밀도를 조절할 수 있음을 보인 사례"라며 "정밀 제조와 의료 등 다양한 현장에서 활용 가능한 로봇 학습 기술로 발전시켜 나가겠다"고 말했다.
연구 결과는 지난 1일 오스트리아 빈에서 열린 국제 로봇 및 자동화 학술대회(ICRA 2026)에서 발표됐다.
참고 자료
arXiv(2026), DOI: https://doi.org/10.48550/arXiv.2409.14719