네이버, 범용 인코더 ‘디바인’으로 로봇 메모리 사용량 62% 감소

네이버랩스가 자율주행 로봇의 효율성을 극대화할 혁신적인 기술을 선보였다. 바로 범용 인코더 ‘디바인(DIVINE)’으로, 이 기술은 특히 자율주행 로봇이 실제 산업 및 일상 환경에서 원활하게 작업할 수 있도록 돕는 데 중점을 두고 있다. 최근 공개된 디바인은 여러 인코더의 기능을 하나로 통합함으로써, 메모리 사용량을 크게 줄이고 처리 속도를 개선하는 성과를 거두었다.

로봇의 인식 능력을 혁신하다

인코더는 로봇이 수집한 데이터를 AI 모델이 이해할 수 있는 형태로 변환하는 역할을 한다. 현재 자율주행 로봇들은 주변 환경을 인식하고 다양한 작업을 수행하기 위해 여러 개의 AI 인코더를 동시에 사용하고 있다. 각각의 작업에 대해 별도의 인코더를 활용하다 보니, 메모리 사용량과 연산량이 과도하게 증가하는 문제가 발생해왔다. 예를 들어, 위치 추정, 깊이 계산, 공간 이해, 사람 인식 등 다양한 작업을 위해 매번 동일한 데이터를 중복 처리해야 했던 것이다.

이러한 문제를 해결하기 위해 등장한 디바인은 여러 기능을 하나의 인코더로 통합한 범용 인코더다. 네이버랩스 유럽은 이를 위해 ‘다중 교사 증류(multi-teacher distillation)’라는 혁신적인 방식을 도입했다. 이 방식은 각 전문 분야에서 학습한 지식을 추출하여 하나의 ‘학생’ 모델에 통합하는 것으로, 이를 통해 로봇이 다양한 인식 작업을 보다 효율적으로 처리할 수 있게 되었다.

메모리와 처리 속도의 획기적인 개선

디바인의 도입으로 여러 인코더를 동시에 사용할 때와 비교해 메모리 사용량이 약 90% 감소하는 효과를 가져왔다. 실제 실험에서는 로봇의 전반적인 메모리 사용량이 평균 62% 줄어들었고, 시스템 처리 속도는 최대 4배까지 향상된 것으로 나타났다. 인코딩 처리 속도 또한 최대 12배 향상되어, 로봇이 주변 환경을 더 빠르게 인식하고 즉각적으로 반응할 수 있게 되었다.

이러한 성과는 특히 사람이 많은 환경에서 더욱 중요한 의미를 갖는다. 자율주행 로봇이 사람과 공존하는 공간에서 신속하게 반응할 수 있는 능력은 안전성과 효율성을 동시에 높이는 요소가 된다. 디바인은 이를 가능하게 하여, 로봇이 제한된 컴퓨팅 자원으로도 고도화된 인식 작업을 수행할 수 있도록 지원한다.

미래를 위한 기틀

네이버랩스 비전그룹의 이동한 리더는 “디바인은 일상 및 산업 현장에서 AI 로봇 도입 장벽을 낮추는 데 기여할 것”이라고 강조했다. 디바인은 향후 AI 모델을 업그레이드할 때마다 간단한 업데이트만으로도 성능을 끌어올릴 수 있어, 로봇 산업에 큰 변화를 가져올 것으로 기대된다.

결론적으로, 네이버랩스의 디바인은 자율주행 로봇의 인식 능력을 획기적으로 개선하며, 다양한 산업 전반에 걸쳐 AI 기술의 활용 가능성을 확장하는 데 큰 역할을 할 것으로 보인다. 이러한 혁신이 실제 환경에서 어떻게 적용될지는 앞으로의 기술 발전과 함께 지켜봐야 할 중요한 과제가 될 것이다.