네이버랩스 유럽, 로봇 눈 혁신할 범용 인코더 '디바인' 최초 공개

• '다중 교사 증류' 기술 적용해 로봇 비전 모델 메모리 사용량 90% 극적으로 절감
• 처리 속도 최대 12배 향상… 저사양 초경량 소형 로봇도 온디바이스 AI 탑재 가능

네이버랩스 유럽(NAVER LABS Europe)이 산업과 일상 환경에서 자율주행 로봇의 작업을 한층 수월하게 해줄 유니버설(범용) 인코더 ‘디바인(DIVINE)’을 23일 공개했다. 사진=네이버

 

네이버의 연구개발 자회사인 네이버랩스 유럽(NAVER LABS Europe)이 자율주행 로봇의 시각 처리 효율을 개선해 소형 기기에서도 복잡한 연산을 소화할 수 있는 범용 시각 인코더 '디바인(DIVINE)'을 발표했다.

반응형

기존 자율주행 로봇은 자기 위치 추정(SLAM), 사물과의 물리적 거리 계산, 장애물 인지 등을 실시간 처리하기 위해 작업별로 여러 개의 개별 인코더(Encoder, 데이터를 연산 모델에 맞게 변환하는 모듈)를 분산 구동해야 했다.

 

네이버랩스는 공간감 및 사물 식별 능력이 뛰어난 복수의 '교사(Teacher) AI' 모델들의 유기적 핵심 지식을 하나의 압축된 '학생(Student) AI' 모델에 전수하는 다중 교사 증류(Multi-Teacher Distillation) 기술을 도입해, 연산 장치 성능이 낮은 초경량 소형 디바이스에도 온디바이스 AI(On-device AI, 네트워크 연결 없이 기기 내부에서 동작하는 인공지능) 형태로 탑재할 수 있는 가벼운 지능을 완성했다.

 

디바인 프레임워크 적용 시 로봇 시스템 내부의 인코더 전용 메모리 사용량은 90% 절감되며, 종합적인 시스템 처리 속도는 기존 시스템과 대조해 최대 4배에서 12배까지 상승하는 성과를 냈다. 이는 물류 이송 로봇(AGV)부터 도심 소형 택배 로봇에 이르기까지 복잡한 실내외 공간 상황을 한정된 전력 자원만으로 즉각 분석 및 가동하게 돕는다. 단, 다양한 형태의 상용 물리 로봇 플랫폼에 디바인 인코더를 결합하여 실제 주행 정밀도를 실증하는 장기 현장 검증은 거쳐야 한다.

 

출처:네이버