성균관대학교 연구팀이 인공지능(AI) 비서의 연산 비용을 기존의 3분의 1 수준으로 줄이고 작업 성공률은 3배 이상 높이는 기술을 개발했다. 로봇과 자율주행차의 오작동 위험을 줄일 수 있는 AI 학습 기술도 선보였다.

성균관대는 전자전기공학부 권민혜 교수 연구팀의 AI 관련 연구 2편이 국제학술대회 '신경정보처리시스템학회(NeurIPS 2026)'에 채택됐다고 12일 밝혔다.

첫 번째 연구는 AI 비서가 필요한 순간에만 외부 AI의 도움을 받도록 하는 '선택적 검토(SAG)' 기술이다. 박희원 박사과정생이 제1저자로 참여했다.

기존 AI 비서는 복잡한 작업을 수행할 때 단계마다 다른 고성능 AI의 검토를 받는 방식으로 정확도를 높였다. 하지만 검토 과정이 반복되면서 연산 비용이 늘고 응답 속도가 느려지는 문제가 있었다.

연구팀은 AI가 자신의 판단에 얼마나 확신하는지 스스로 평가하도록 했다. 판단이 불확실할 때만 외부 AI의 도움을 받는 방식이다. 성공한 작업 경험을 축적해 외부 검토에 대한 의존도도 점차 낮추도록 설계했다.

가상 환경 실험 결과, 연산 자원 사용량은 기존 방식의 약 3분의 1 수준으로 줄었다. 반면 작업 성공률은 기존 24.6%에서 78.3%로 3배 이상 높아졌다.

두 번째 연구는 로봇과 자율주행차의 안전성을 높이기 위한 '고신뢰성 강화학습(VAN-Flow)' 기술이다. 강구현 석사과정생이 제1저자로 참여했다.

로봇이나 자율주행차는 사고 위험 때문에 과거에 수집한 데이터를 활용해 AI를 학습시키는 경우가 있다. 이 과정에서 우연히 성공한 위험한 행동까지 올바른 방법으로 학습하면 오작동으로 이어질 수 있다.

연구팀은 이 같은 문제를 해결하기 위해 안정적으로 성공하는 행동을 선별해 학습하는 알고리즘을 개발했다. 우연한 성공에 따른 잘못된 학습을 줄이는 것이 핵심이다.

연구팀은 40개 이상의 로봇 제어 시뮬레이션 과제에서 기술의 성능을 검증했다. 주변 방해 요소가 많거나 장시간 정밀한 조작이 필요한 환경에서도 대부분의 기존 최신 기술보다 높은 성공률을 기록했다.

이번 연구 성과 2건은 세계적인 AI 학술대회인 NeurIPS 2026에 나란히 채택됐다. 연구팀은 AI 비서의 운영 비용을 낮추고 로봇·자율주행 등 산업 현장에서 AI의 신뢰성을 높이는 데 활용할 수 있을 것으로 기대했다.

권 교수는 "학생 연구원들이 주도적으로 실생활과 산업 현장에 적용할 수 있는 원천 기술을 개발해 뜻깊다"며 "앞으로도 비용 부담을 줄이고 신뢰할 수 있는 차세대 자율 AI 시스템 구축에 기여하겠다"고 말했다.

kjh7@news1.kr