사람 많은 곳에서도 "요리조리"…DGIST, 여러 기능 간 충돌 줄이는 소형 AI 학습 기술 개발

AI 요약

DGIST 박대희 교수 연구팀이 KAIST 연구팀과 공동으로 주변 사람들의 움직임 예측과 로봇의 안전한 이동 경로 계획을 하나의 소형 AI 모델에서 동시에 수행하면서도 성능 저하를 줄이는 학습 기술을 개발했습니다. 연구팀은 서로 다른 기능이 모델 내부에서 학습 간섭을 일으키는 '스킬 충돌'을 규정하고 이를 해결하기 위해 각 기능이 모델의 다른 부분을 중심으로 학습하도록 하는 분리형 파라미터 학습(DPT)과 희소 병합을 도입해 모델 크기를 작게 유지하면서 JRDB와 JTA 데이터에서 움직임 예측 정확도를 높이고 경로 오차와 충돌 가능성을 낮추었으며 자율주행 AI에도 성능 향상을 확인했습니다. 이 연구에는 DGIST 서태원 석사과정과 전선애 학부연구생이 참여했고 박대희 교수가 교신저자를 맡았으며 연구 성과는 10일부터 12일까지 스웨덴 말뫼에서 열리는 ECCV 2026에서 충돌 인식 분리 매개변수 학습을 통한 통합 예측 및 계획(Unified Prediction and Planning via Conflict-Aware Disjoint Parameter Training-다운)이라는 제목으로 발표되고 엔비디아 학술 하드웨어 지원 프로그램의 지원을 받았습니다.