【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[IT뉴스]"유리컵만 꺼내줘"…필요한 정보만 찾아쓰는 로봇 AI

온카뱅크관리자

2026-10-26 13:17:25

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">ETRI·GIST</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="FLEkRzsAiz">
          <figure class="figure_frm origin_fig" contents-hash="230eedba36a1f283f364e41e5306109a9fa627e4f699fd4cb613b89dd73f279a" dmcf-pid="3IYWDR5Te7" dmcf-ptype="figure">
           <p class="link_figure"><img alt="주변 환경에서 얻은 정보를 기억했다가 필요한 순간에 스스로 찾아 확인하는 로봇 인공지능(AI) 기술이 개발됐다. 향후 가정·서비스 로봇에 활용될 것으로 기대된다.ChatGPT 생성이미지" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/26/dongascience/20261026131323784jtht.png" data-org-width="680" dmcf-mid="ZhYbZm4qiK" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/26/dongascience/20261026131323784jtht.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            주변 환경에서 얻은 정보를 기억했다가 필요한 순간에 스스로 찾아 확인하는 로봇 인공지능(AI) 기술이 개발됐다. 향후 가정·서비스 로봇에 활용될 것으로 기대된다.ChatGPT 생성이미지
           </figcaption>
          </figure>
          <p contents-hash="d60c8a80276499203a802a5aaf8313340692b3c6d818278a45f34486f70cc79d" dmcf-pid="0CGYwe1yJu" dmcf-ptype="general">"식탁 위에서 유리컵만 옮겨줘", "켜져 있는 전자제품 모두 꺼줘" 등 물체의 재질과 상태, 위치를 구분해야 하는 복잡한 작업을 로봇이 더 잘 수행하도록 돕는 로봇 인공지능(AI) 기술이 개발됐다. 주변 환경을 3D로 구조화해 기억하고 작업에 필요한 정보만 찾아 활용하는 방식으로 주요 공개 모델에서 기존 방식보다 임무 성공률을 20%포인트(p) 이상 높였다.</p>
          <p contents-hash="0e4d70b3be52ad21722d80ad02e8c2c34d3c663fe3009a8f1bf2e01d1e338409" dmcf-pid="phHGrdtWiU" dmcf-ptype="general"> 한국전자통신연구원(ETRI)은 광주과학기술원(GIST)과 함께 주변 환경에서 얻은 정보를 기억했다 필요한 순간에 스스로 찾아 확인하는 AI 에이전트 기술 '씬쿼리플래너(SceneQueryPlanner)'를 개발했다고 26일 밝혔다. 연구결과는 국제학술대회 'EMNLP 2026 파인딩스'에서 25일 발표됐다.</p>
          <p contents-hash="dffe987f737fe219ea2b6a4d5c6a512394aae07e1de83454eb88cb587259ad60" dmcf-pid="UlXHmJFYRp" dmcf-ptype="general"> 최근 로봇은 대형언어모델(LLM)을 활용해 사람의 말을 이해하고 여러 단계의 작업을 수행하도록 개발된다. 실제 생활환경에서 지시를 수행하려면 물체의 이름 외에도 재질·상태·위치 관계 파악이 필수다. 여러 공간을 오갈 때 앞서 확인한 정보도 기억해야 한다.</p>
          <p contents-hash="b4bd02764bd589e498f8d8f4a62df03d000fcca6074fc2370975afe02c5c29d5" dmcf-pid="uSZXsi3GJ0" dmcf-ptype="general"> 기존 AI 에이전트는 관측한 환경정보를 긴 문장으로 한번에 전달받는 방식을 사용하기 때문에 정보가 쌓일수록 중요한 정보가 묻힌다. 필요한 정보가 누락되면 LLM이 잘못 추측하는 문제도 발생한다.</p>
          <p contents-hash="4f764f0ab01ff7c3456e5ce5c937a8d0b4ee4461e3155548c209d1addc967af2" dmcf-pid="7v5ZOn0HJ3" dmcf-ptype="general"> 연구진은 로봇이 관측한 방·가구·물체 위치·속성 등을 '3차원 장면 그래프' 형태로 저장하는 기술 '씬쿼리플래너'를 개발했다. 주변 환경을 입체 지도처럼 기억하는 방식으로 물체의 재질과 열림·닫힘, 켜짐·꺼짐 등 상태를 각 요소의 관계를 고려해 구조화한다. 기억은 새로운 정보가 관측될 때마다 갱신된다.</p>
          <figure class="figure_frm origin_fig" contents-hash="1844e23c2afaef6f3cfcd708e1b90c043fc6d7e0c486e59acdc49ba6d9c39355" dmcf-pid="zT15ILpXMF" dmcf-ptype="figure">
           <p class="link_figure"><img alt="씬쿼리플래너 개념도. ETRI 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202610/26/dongascience/20261026131325091vcfn.png" data-org-width="680" dmcf-mid="59uRBGLxLb" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202610/26/dongascience/20261026131325091vcfn.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            씬쿼리플래너 개념도. ETRI 제공
           </figcaption>
          </figure>
          <p contents-hash="ce1813a3b4d0d3b10b35325938c4267ba6690868a1a738bc16a7989df5151052" dmcf-pid="qyt1CoUZLt" dmcf-ptype="general">씬쿼리플래너의 핵심은 저장된 기억을 활용하는 방식이다. 씬쿼리플래너는 로봇이 직접 움직이며 주변을 확인하는 '환경 그라운딩'과 저장한 기억에서 필요한 정보만 골라내는 '메모리 그라운딩'을 함께 사용한다.</p>
          <p contents-hash="3b479fedec32e955f4f8ba3b7d80e225d1214e61e6cf15690cb6071de3f484a2" dmcf-pid="BWFthgu5n1" dmcf-ptype="general">모든 기억을 한꺼번에 읽지 않고 현재 작업에 필요한 물체의 속성이나 위치관계 등을 선택적으로 조회한다는 뜻이다. 어떤 동작을 수행할지뿐만 아니라 더 확인할 정보도 스스로 계획한다.</p>
          <p contents-hash="e9a3dea5ce0910e6dfed8d3434075188af5344cea19a20b4a92c495d5eb8f368" dmcf-pid="bY3Fla71R5" dmcf-ptype="general"> "식탁 위 유리컵은 선반에, 플라스틱 컵은 캐비닛에 정리해줘"라는 명령을 받으면 로봇은 우선 식탁 위 컵들을 확인한다. 저장된 기억에서 각 컵의 재질 정보를 조회한 뒤 유리컵과 플라스틱 컵을 구분해 지정된 장소로 옮긴다. 재질을 임의로 추측하지 않고 확인한 정보에 따라 행동하는 것이다.</p>
          <div class="video_frm" dmcf-pid="Kp9K5s8BLZ" dmcf-ptype="embed">
           <div class="layer_vod">
            <div class="vod_player">
             <iframe allowfullscreen class="player_iframe" dmcf-mid="1nt1CoUZiB" dmcf-mtype="video/youtube" frameborder="0" height="370" id="video@1nt1CoUZiB" scrolling="no" src="https://www.youtube.com/embed/W01Fi554aY0?origin=https://v.daum.net&amp;enablejsapi=1&amp;playsinline=1" width="100%"></iframe>
            </div>
           </div>
          </div>
          <p contents-hash="62a7763628d6ac94448677132e1d89e3cc64682e05809516251fcdda8e4abbb1" dmcf-pid="9U291O6bdX" dmcf-ptype="general">연구진은 기술 성능을 검증하고자 복잡한 가정환경에서 AI의 작업 수행능력을 평가하는 '앳플랜-벤치(AttPlan-Bench)'를 개발했다. 여러 방을 이동하며 물건을 옮기고, 청소하는 등 10가지 복합작업 유형이 포함됐다.</p>
          <p contents-hash="160f50d4e8196615d851cce0f45eb416be230317a663fbfe81e73bd534014dd9" dmcf-pid="2uV2tIPKLH" dmcf-ptype="general"> 검증 결과 씬쿼리플래너는 오픈소스와 상용 모델 모두에서 기존 방식보다 높은 임무 성공률을 보였다. 메타의 '라마(LLaMA 3.1)'와 알리바바의 '큐원(Qwen 2.5)' 등 공개 모델에서 성공률이 각각 46.8%에서 69.6%로, 44.0%에서 68.0%로 향상됐다.</p>
          <p contents-hash="fcb021c9c0b065a9e4d9fe576c38ac8d904ffafd565e20c0f140f2f37179e616" dmcf-pid="V7fVFCQ9MG" dmcf-ptype="general"> 오픈AI의 상용 모델 'GPT-4o'에서도 모든 평가환경에서 기존 방식을 앞섰다. 물체의 재질·상태 등을 구분해야 하는 복합작업 성공률은 17.2%p 향상됐다.</p>
          <p contents-hash="115c13e4b8765df069828a1a7ce365936f2757bf0456d6e7de52d394edfe90a2" dmcf-pid="fz4f3hx2RY" dmcf-ptype="general"> 씬쿼리플래너는 로봇이 단순히 많은 정보를 기억하는 수준을 넘어서 필요한 순간에 정확한 정보를 찾아 활용하도록 구현했다. 향후 가정·돌봄·서비스 로봇 등 실제 환경에서 스스로 판단하고 행동하는 피지컬AI 기술 발전에 기여할 것으로 기대된다.</p>
          <p contents-hash="cbbdc247cec3ec5e298b618516aa7f48d488f1b24470fadd2b534fb3e33ae919" dmcf-pid="4q840lMVRW" dmcf-ptype="general"> 연구진은 씬쿼리플래너와 앳플랜-벤치의 코드·벤치마크를 후속 연구에 활용할 수 있도록 공개했다. 앞으로 카메라와 센서에서 들어오는 불완전한 환경정보를 다루는 실제 로봇 환경으로 기술을 확대할 계획이다.</p>
          <p contents-hash="cd71b62c9821d0c26d7f2008827591d6a6d87e4ed9ede9d5b855a8d022b4a984" dmcf-pid="8B68pSRfLy" dmcf-ptype="general"> 김의환 GIST 교수는 "3차원 장면 그래프로 각종 실제환경 내 요소 관계를 구조화한 기억을 단순히 저장하는 데 그치지 않고 에이전트가 필요한 정보를 스스로 질의해 꺼내 쓰는 능동적 메모리로 발전시켰다"고 말했다.</p>
          <p contents-hash="e8ffd253c71870aad21a0594e68a110c1bfa0204b21f01abc98c0a2ba2c0442d" dmcf-pid="6bP6Uve4nT" dmcf-ptype="general"> 최재우 ETRI 소셜로보틱스연구실 선임연구원·UST 인공지능 전공 조교수는 "앞으로 실제 생활환경에서도 로봇이 불확실한 정보를 추측하기보다 자신의 경험과 기억을 확인하며 안정적으로 행동하도록 기술을 고도화하겠다"고 밝혔다.</p>
          <p contents-hash="f09d4f8895bdd3d5e43e9c28133520c5584db8373015ecfef5e3acbec1c4ddbf" dmcf-pid="PKQPuTd8ev" dmcf-ptype="general">[문혜원 기자 moony@donga.com]</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 동아사이언스. 무단전재 및 재배포 금지.</p>

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기