사람이 붐비는 공간에서 로봇이 주변 사람의 움직임을 예측하면서 안전한 이동 경로까지 스스로 계획할 수 있도록 하는 소형 AI 학습 기술이 개발됐다.대구경북과학기술원(이하 DGIST)는 전기전자컴퓨터공학과 박대희 교수 연구팀이 KAIST 연구팀과 공동으로 여러 기능을 하나의 AI 모델에서 수행할 때 발생하는 성능 저하 문제를 줄이는 기술을 개발했다고 11일 밝혔다.사람이 많은 공간을 이동하는 로봇은 주변 사람들의 움직임을 미리 예측하고 충돌을 피할 수 있는 이동 경로를 동시에 계산해야 한다. 각각 별도의 AI 모델을 사용하면 연산량과 메모리 사용량이 늘어나 소형 로봇에 탑재하기 어렵다는 문제가 있다.연구팀은 두 기능을 하나의 소형 모델에 넣을 경우 AI 내부의 동일한 영역을 사용하면서 서로의 학습에 간섭하는 현상에 주목했다. 이를 ‘스킬 충돌(Skill Conflict)’로 정의하고 실험을 통해 기능 간 충돌이 모델 성능을 떨어뜨리는 현상을 확인했다.이를 해결하기 위해 연구팀은 각 기능이 AI 내부의 서로 다른 부분을 중심으로 학습하도록 하는 ‘분리형 파라미터 학습(DPT)’ 기술을 개발했다. 이후 각 기능에 필요한 부분만 선별해 하나의 모델로 통합하는 방식으로 모델 크기는 유지하면서 기능 간 간섭을 줄였다.연구팀은 로봇 움직임 분야의 대표 데이터인 JRDB와 JTA 등을 활용해 성능을 검증했다. 그 결과 기존 방식보다 주변 사람의 움직임을 정확하게 예측하면서 로봇의 이동 경로 오차와 충돌 가능성도 낮아졌다.자율주행 AI를 대상으로 한 추가 실험에서도 성능 개선이 확인돼 로봇과 자율주행차 등 실제 공간에서 작동하는 피지컬 AI 분야에 활용 가능성을 확인했다.이번 연구 결과는 컴퓨터비전 분야 주요 국제학회인 ‘ECCV 2026’에 채택됐다. 연구팀은 지난 10일부터 12일까지 스웨덴 말뫼에서 열린 학회에서 연구 결과를 발표했다.논문에는 DGIST 서태원 석사과정생과 전선애 학부연구생이 참여했으며 박대희 교수가 교신저자를 맡았다. 연구는 엔비디아(NVIDIA) Academic Hardware Grant Program의 지원을 받아 진행됐다.박대희 교수는 “실제 공간에서 움직이는 로봇이나 자율주행 AI는 제한된 컴퓨팅 자원으로 여러 판단을 동시에 수행해야 한다”며 “여러 기능을 하나의 소형 AI에 통합할 때 발생하는 성능 저하를 줄인 만큼 향후 실제 로봇에 적용해 활용 가능성을 검증할 계획”이라고 말했다.