사람이 짧게 시범만 보여도 로봇이 초정밀 작업을 스스로 익히는 인공지능(AI) 기술이 개발됐다. 연구진은 적은 양의 동작 데이터만으로도 작업 상황에 맞춰 움직임의 정밀도를 조절하는 로봇 인공지능 모델 ‘디스포(DiSPo)’를 개발해 기존 최고 성능 모델보다 작업 성공률을 최대 81% 높였다.

기존 로봇 인공지능은 나사를 조이거나 좁은 틈에 부품을 끼우는 정밀 작업을 수행하려면 방대한 양의 동작 데이터를 학습해야 했다. 데이터 구축에 많은 시간과 비용이 드는 것이 한계로 지적돼 왔다.

28일 KAIST에 따르면 이 대학 전산학부 박대형 교수 연구팀은 이러한 문제를 해결하기 위해 로봇이 움직임의 변화를 스스로 예측하고 작업 상황에 따라 동작을 세밀하게 조절하는 인공지능 기술을 개발했다. 시간 변화 학습에 강한 상태공간모델(Mamba)과 다양한 행동을 생성하는 확산모델(Diffusion Model)을 결합해 적은 데이터만으로도 정밀한 동작을 구현하도록 설계했다.

연구 결과 디스포는 시뮬레이션에서 기존 최고 성능 모델보다 작업 성공률을 최대 81% 높였다. 실제 협동로봇 실험에서는 폭 2.5㎜의 좁은 틈에 부품을 끼우고 스마트폰 셔터 버튼을 정확하게 누르는 고난도 작업을 안정적으로 수행했다. 기존 모델보다 최대 4배 높은 성공률을 기록한 것이다.

연구팀은 이번 기술이 정밀 부품 조립과 케이블 연결, 의료 수술, 정밀 가공 등 높은 정확성이 요구되는 분야에 폭넓게 활용될 것으로 기대하고 있다. 적은 양의 데이터만으로도 고정밀 로봇을 학습시킬 수 있어 제조·의료·서비스 산업의 자동화 비용을 낮추고 로봇 활용 범위를 넓히는 데 기여할 것으로 전망했다.

박대형 교수는 “이번 연구는 로봇이 적은 양의 데이터만으로도 작업 상황에 맞게 스스로 정밀도를 조절할 수 있음을 보여준 사례”라며 “데이터 수집 비용을 크게 줄이면서도 다양한 산업 현장에서 활용할 수 있는 범용 로봇 학습 기술로 발전시켜 나가겠다”고 말했다.

이번 연구는 오나영 KAIST 김재철AI대학원 석사과정생이 제1저자로 참여했다. 연구 결과는 로봇공학 분야 최고 권위 국제학술대회인 ‘국제 로봇 및 자동화 학술대회(ICRA 2026)’에서 발표됐다.