로봇이 사람처럼 옳고 그름을 가리려면 그동안 수만 건의 평가 데이터가 필요했다. 그런데 단 몇 개의 영상만으로 인간의 판단 기준을 학습하는 기술이 국내 연구진의 손에서 나왔다. 피지컬 AI 상용화를 가로막던 오래된 걸림돌 하나가 걷히는 순간이다.
🎥 영상 몇 개로 충분한 이유
KAIST 전기및전자공학부 유창동 교수 연구팀은 ‘VOTP(Video-based Optimal TransPort Preference)’라는 기술을 개발했다. 기존에는 로봇이나 자율주행차가 사람의 판단 기준을 배우려면 수천에서 수만 건에 달하는 인간 평가 데이터를 쌓아야 했다. 사람이 일일이 좋다·나쁘다를 매긴 데이터를 대량으로 확보하는 과정 자체가 시간과 비용 모두에서 큰 부담이었다. VOTP는 좋은 행동과 나쁜 행동을 보여주는 영상 몇 개만으로 이 과정을 대신한다. 영상 AI의 시각적 이해 능력과 최적수송(optimal transport) 기법을 결합해, 영상 속 행동 사이의 미세한 차이를 수치화하고 비교하는 방식이다. 데이터를 만드는 데 드는 비용과 시간을 크게 줄였다는 점이 이 기술의 핵심으로 꼽힌다.
🤖 로봇팔부터 자율주행까지
이 기술이 겨냥하는 응용 분야는 넓다. 로봇팔 제어, 휴머노이드 로봇, 자율주행차, 스마트팩토리 설비, 드론, 수술 로봇은 물론이고 컴퓨터를 직접 조작하는 AI 에이전트까지 적용 대상으로 거론된다. 적은 수의 예시 영상만으로 사람의 기대에 맞는 행동을 학습할 수 있다면, 개발 기간과 비용을 동시에 줄이는 효과로 이어진다. 특히 사람과 가까운 거리에서 작동해야 하는 협동로봇이나 수술 로봇처럼 안전과 직결된 분야에서는, 정교한 판단 기준을 빠르게 반영할 수 있다는 점이 실질적인 이점으로 작용할 전망이다. 그동안 데이터 확보가 병목이었던 피지컬 AI 산업 전반에 파급력이 있을 것으로 보인다.
🏆 세계가 주목한 이유
이 연구는 2026년 7월 서울 코엑스에서 열린 국제 학회 ICML(International Conference on Machine Learning)에서 구두 발표 논문으로 채택됐다. 올해 ICML에 제출된 논문은 총 23,918편이었고, 그중 구두 발표로 선정된 논문은 168편, 비율로는 상위 0.7% 수준이다. 심사 경쟁이 치열하기로 알려진 학회에서 구두 발표로 뽑혔다는 것은, 데이터 구축이라는 산업계의 실질적 난제를 풀었다는 점에서 학문적 완성도와 실용성을 함께 인정받았다는 의미로 해석된다.
🔍 남은 과제
다만 넘어야 할 산도 있다. 소수의 영상만으로 학습하는 만큼, 예시 영상의 품질과 대표성이 떨어지면 오히려 잘못된 판단 기준이 학습될 위험도 존재한다. 또한 실험실 환경을 벗어나 다양한 산업 현장에 실제로 적용되기까지는 추가 검증 과정이 필요하다는 것이 학계 안팎의 대체적인 시각이다. 그럼에도 데이터 확보 비용을 큰 폭으로 낮췄다는 점에서, 피지컬 AI 상용화 속도를 앞당기는 전환점으로 평가하는 분위기가 우세하다.
정리
VOTP는 수만 건의 데이터 없이도 영상 몇 개로 인간의 판단 기준을 학습시키는 방법을 제시했다. 로봇, 자율주행, 스마트팩토리 등 물리 세계와 맞닿은 AI 산업에서 데이터 확보 부담을 낮추는 실마리로 평가받는다.