KAIST 전기및전자공학부 유창동 교수 연구팀이 소수의 선호 영상만으로 AI가 인간의 판단 기준을 스스로 학습하는 피지컬AI(Physical AI) 원천기술 ‘VOTP(Video-based Optimal TransPort Preference)’를 세계 최초로 개발했다. 기존에는 AI가 올바른 행동을 학습하기 위해 사람이 로봇 행동을 수천에서 수만 차례 직접 평가해야 했으나, VOTP는 10개 안팎의 시범 영상만으로 그 역할을 대체할 수 있다. 이 성과는 오는 7월 서울 코엑스에서 열리는 세계 최대 AI 학술대회 ICML 2026에 채택됐으며, 전체 제출 논문 2만 3918편 가운데 상위 0.7%인 168편에만 주어지는 구두 발표 논문으로도 선정됐다.
피지컬AI는 텍스트·이미지를 생성하는 기존 AI를 넘어 로봇이나 자율주행차처럼 현실 세계에서 직접 움직이고 판단하는 AI를 가리킨다. 로봇이 실제 현장에서 동작하려면 기계 스스로 어떤 행동이 인간의 의도에 부합하는지 알아야 한다. 이를 위해 필요한 것이 ‘보상함수(reward function)’로, AI가 좋은 행동과 나쁜 행동을 구분하는 기준이 된다. 보상함수를 만들려면 인간이 직접 대량의 평가 데이터를 제공해야 했고, 이 과정에 드는 시간과 비용이 피지컬AI 상용화의 주요 장벽으로 지적돼 왔다.
연구팀은 사람이 몇 번의 시범만 보고도 새로운 일을 배운다는 인간 학습 방식에 착안했다. VOTP는 좋은 시범 영상과 나쁜 시범 영상 각각 10개 안팎을 입력받아, 비디오 AI가 로봇 행동의 미세한 차이를 시각적으로 분석한 뒤 ‘최적 전송(Optimal Transport)’이라는 수학적 기법으로 수많은 상황에 대한 선호도를 자동 추론한다. 이를 통해 AI는 사람이 평가하지 않은 다양한 상황에서도 더 바람직한 행동을 스스로 판단하고 학습할 수 있다. 연구팀은 다양한 환경과 작업을 대상으로 한 실험에서 VOTP의 학습 효율성과 일반화 성능을 확인했다고 밝혔다. 이번 연구에는 전기및전자공학부 루 민 퉁 박사과정 학생이 제1저자로 참여했다.
VOTP는 로봇 팔 제어, 휴머노이드 로봇, 자율주행차, 스마트팩토리, 수술 로봇 등 피지컬AI 전반에 적용될 수 있다. 컴퓨터 화면을 보고 스스로 작업을 수행하는 소프트웨어 AI 에이전트 분야에도 활용 가능성이 열려 있다. 특히 새로운 로봇을 산업 현장에 투입할 때 전문가가 현장 영상 몇 개만 선별해 평가하면 AI가 다수의 상황을 분석하고 최적의 행동을 학습하는 구조로, 테스트 기간과 데이터 구축 비용을 대폭 줄일 수 있을 것으로 기대된다. 글로벌 로봇·자율주행 산업에서 데이터 수집 비용 절감이 핵심 과제로 부상한 가운데, 이번 연구는 국내 피지컬AI 경쟁력을 높이는 원천기술로 평가받는다.
