성균관대, 로봇 판단 속도 최대 4배 줄인 AI 구조 개발
로봇이 복잡한 환경에서 다음 행동을 정하는 데 걸리는 시간을 줄이는 AI 구조가 나왔다. 성균관대학교(총장 유지범)는 전자전기공학부 권민혜 교수 연구팀이 로봇 제어 AI 프레임워크 'LAC(Light Actor, deep Critic)'를 개발했다고 9월 10일 밝혔다.
로봇 분야에서는 사람이 미리 모아둔 행동 데이터로 안전하게 배우는 '오프라인 강화학습'과, 정교한 행동을 만들어내는 생성형 AI(디퓨전 기술 등)가 주목받아 왔다. 다만 이런 방식은 로봇이 실제로 움직일 때마다 계산을 여러 번 거듭해야 해 행동이 느려지고 배터리 소모가 커지는 한계가 있었다.
가르치는 쪽은 깊게, 움직이는 쪽은 가볍게
연구팀은 강화학습에서 점수를 매겨 가르치는 '비판자(Critic)'와 실제 행동을 수행하는 '행위자(Actor)'의 관계에 착안했다. 실전에서 움직일 행위자는 가볍게 두고, 훈련 과정에서 가르치는 비판자만 깊고 정교하게 만드는 비대칭 설계다. 행동을 고르는 계산은 가벼운 쪽이 맡으니 판단이 빨라진다.
깊은 비판자를 안정적으로 학습시키기 위해 세 가지 기술을 결합했다.
- 정보가 층을 건너 곧바로 흐르게 하는 잔차 연결 구조(ResMLP)
- 먼 미래의 결과까지 내다보는 n-step 예측
- 점수 값의 범위를 정해진 구간 안에 묶어두는 분류 방식 손실함수(Categorical loss)
이를 통해 신경망을 128층까지 깊게 쌓으면서도 학습을 안정적으로 유지했다.
임무 성공률 유지하며 결정 속도 단축
이렇게 학습한 가벼운 행위자는 복잡한 생성형 AI를 쓰지 않고도 기존 최고 수준 모델과 대등하거나 더 높은 임무 성공률을 기록했다. 인간형 로봇의 미로 탈출, 로봇 팔의 물체 조작 같은 고난도 제어 실험(OGBench)에서는 기존 모델 대비 행동 결정 속도를 최대 4배 줄였다.
연구팀은 AI가 현장에서 결정을 내릴 때 걸리는 지연 시간을 줄인 만큼, 자율주행 로봇과 드론, 스마트 가전처럼 연산 장치 용량이 작은 기기에서도 고성능 AI를 실시간으로 돌릴 여지가 생겼다고 설명했다.
이번 연구는 제1저자로 강구현 석사과정생이 참여했고, 숭실대학교 이재휘 석사졸업생과 공동으로 수행했다. 논문 제목은 'Simple Actors and Deep Critics for Scalable Reinforcement Learning'이며, 오는 11월 7~11일 이탈리아 로마에서 열리는 'ACM CIKM 2026' 정식 논문으로 채택됐다. 이 학회의 이번 채택률은 27%다.
자료: 성균관대학교