KAIST-ETRI 로봇, 자체 점검을 통해 글로벌 내비게이션 대회에서 우승

지시를 완벽하게 따르면서도 잘못된 방으로 들어가는 로봇은, 기업들이 실내 이동형 로봇에 부여하려는 자율성의 정도를 은연중에 제한해 온 실패 사례입니다. 한국의 KAIST와 전자통신연구원(ETRI)의 합동 연구팀은 이번 주, 말뫼에서 열린 ECCV 2026 컴퓨터 비전 컨퍼런스의 일환인 ‘VLNVerse 챌린지’에서 다른 111개 팀을 제치고 우승했다고 밝혔다. 임무를 완료했다고 선언하기 전에 스스로 수행 결과를 확인하는 로봇을 개발해 111개 경쟁 팀을 제쳤다고 밝혔다. ‘URL-FRRS’로 명명된 이 팀은 현명 교수가 이끄는 KAIST 미래도시로봇공학연구실과 ETRI의 현장로봇 연구 그룹으로 구성되었으며, 두 가지 내비게이션 과제에서 평균 90.7%의 성공률을 기록해, 동일한 점수를 기록했으나 결과를 늦게 제출한 2위 팀을 근소한 차이로 제쳤다. 동일한 기반 시스템을 활용한 이 팀은 RSS 2026 로봇 공학 학술대회와 병행하여 열린 별도의 내비게이션 경연 대회에서도 2위를 차지했다.

로봇들이 평가를 받은 과제는 ‘비전-언어 내비게이션’으로, 이동형 로봇이 낯선 건물 내에서 특정 파란색 소파를 찾으라는 식의 구두 또는 서면 지시를 이해한 뒤, 사전 구축된 지도 없이 카메라 영상만 이용해 그곳으로 이동하도록 하는 연구 분야입니다. 비전-언어 내비게이션이 상업적으로 중요한 이유는, 이 기술이 미리 매핑된 시설에서만 작동할 수 있는 로봇과 새로운 병원, 창고, 사무실 건물에 투입되어 로봇 공학 훈련을 받지 않은 직원의 평이한 언어 지시를 즉시 따를 수 있는 로봇을 구분 짓는 기술적 계층이기 때문이다. ETRI는 대전 소재의 한국을 대표하는 국공립 전자통신 연구기관으로, 이 기관의 현장 로봇공학 연구팀은 학술적 성과에 그치지 않고 향후 상용 서비스 및 검사용 로봇에 적용될 수 있는 내비게이션 시스템을 개발하는 데 수년간 매진해 왔다.

구분을 짓게 한 ‘자체 검증’ 단계

우승 팀

URL-FRRS 팀의 우승을 이끈 핵심 혁신은 팀이 ‘CoRe-VLN’이라 부르는 기술로, 이는 ‘시각-언어 내비게이션을 위한 커버리지 기반 복구(coverage-based recovery for vision-language navigation)’를 의미합니다. 대부분의 비전-언어 내비게이션 시스템은 내부 모델이 설명된 목적지에 도달했다고 추정하면 이동을 중단하는데, 이 설계 방식은 모델의 신뢰도가 잘못되었을 때 실패하게 되며, 카메라 시점에서 시각적으로 유사한 방, 복도, 가구로 가득 찬 실제 건물에서는 이러한 오류가 꽤 자주 발생합니다. 반면 CoRe-VLN은 로봇이 추정된 목적지에 도달하면 잠시 멈추게 하고, 이미지와 텍스트를 통합적으로 해석하는 다중 모달 AI 모델을 활용해 주변을 살피고, 최종 결정에 앞서 세 가지 사항을 재확인합니다. 즉, 현재 위치가 지시받은 내용과 일치하는지, 물체의 색상과 모양이 찾으라는 요청과 일치하는지, 그리고 목표물이 단순히 멀리서 보이는 것이 아니라 실제로 손이 닿는 거리에 있는지 여부를 확인합니다. 이 중 어느 하나라도 확인에 실패하면, 로봇은 단순히 멈추고 오류를 보고하는 데 그치지 않습니다. 첫 번째 최선의 추측을 최종 결과로 받아들이기보다는 새로운 경로를 따라 검색을 재개합니다.

이러한 복구 행동은 “로봇이 스스로를 재확인한다”는 식의 한 줄 요약이 간과하기 쉬운 구체적인 메커니즘이며, 또한 이러한 종류의 내비게이션 시스템이 상용화 준비 단계에 근접했는지 평가하는 이들에게 가장 중요한 세부 사항이기도 합니다. 잘못된 방을 자신 있게 올바른 방이라고 보고하기보다는, 자신의 불확실성을 인식하고 이에 따라 행동할 수 있는 로봇은 ‘조용한 실패’의 범주를 속도는 느리지만 스스로 수정해 나가는 ‘성공’의 범주로 전환시킵니다. 이는 실제 환자, 재고 또는 직원이 있는 건물에 자율 주행 시스템을 도입하려는 운영자에게 있어 실질적으로 다른 위험 프로필을 의미합니다. '침묵하는 실패'는 상업적 배포 환경에서 더 큰 비용을 초래하는 유형입니다. 이는 오류로 표시되지 않고 사용자가 원인을 알 수 없는 혼란을 겪는 형태로 나타나며, 눈에 띄게 되돌아가 다시 시도하는 로봇에 비해 사후 디버깅이 훨씬 더 어렵기 때문입니다.

A

작업 분담을 기반으로 한 두 번째 시스템

RSS 2026 컨퍼런스 내비게이션 챌린지에서 2위를 차지한 이 팀은 PRISM-Nav라는 관련성이 있지만 아키텍처상으로는 구별되는 시스템을 사용했는데, 이 시스템은 하나의 대형 모델이 문제의 모든 측면을 한 번에 처리하는 방식 대신, 내비게이션 작업을 여러 개의 소규모 AI 모델에 분산시키는 방식을 채택했습니다. PRISM-Nav의 설계에 따르면, 한 모델은 음성 명령과 일치하는 유력한 목적지를 식별하는 역할을 맡고, 두 번째 모델은 바퀴나 트랙이 달린 로봇이 안전하게 내려갈 수 없는 계단과 같은 위험 요소를 감지하는 데 특화되어 있으며, 세 번째 모델은 어떤 경로가 차량 통행로나 출입 금지 구역이 아닌 보행자 전용 도로인지와 같은 공간적 규칙을 인식합니다. 연구팀이 직접 수행한 비교 결과, 이러한 전문화된 다중 모델 접근 방식이 동일한 작업을 수행하는 대규모 단일 모델 시스템보다 우수한 성능을 보인 것으로 나타났는데, 이는 로봇 공학 분야의 내비게이션 성능이 주로 기반 AI 모델의 규모나 범용성에 비례한다는 통념과는 상반되는 결과이다.

이 결과는 연구 시연이 아닌 상용 서비스 로봇용 내비게이션 스택을 구축하는 기업들에게 직접적인 시사점을 제공한다. 즉, 목적지, 위험 요소, 교통 규칙을 동시에 추론해야 하는 하나의 대형 모델보다, 더 작고 전문화된 모델들에 각각 뚜렷하고 좁은 범위의 책임을 할당하는 시스템 아키텍처가 정확도를 저하시키지 않으면서도 운영 비용이 저렴하고 현장에서 디버깅하기가 더 쉬울 수 있다. 내비게이션 시스템이 연구실의 서버 클러스터가 아닌 로봇의 온보드 하드웨어에서 지속적으로 실행되어야 할 경우, 컴퓨팅 비용과 추론 지연 시간은 더 이상 학문적인 문제만이 아닙니다. 또한, 내부 추론 과정을 파악하기 훨씬 어려운 단일 모놀리식 모델에 비해, 특화된 다중 모델 파이프라인은 로봇이 예상치 못한 행동을 보일 때 운영자가 어떤 특정 구성 요소가 원인인지 더 명확하게 파악할 수 있게 해줍니다. 내부 추론 과정을 파악하기 훨씬 더 어려운 단일 모놀리식 모델에 비해, 운영자가 어떤 특정 구성 요소가 문제를 일으켰는지 더 명확하게 파악할 수 있게 해줍니다.

로봇을 사전 매핑된 환경에서 벗어나게 하기 위한 더 광범위한 경쟁

레일

현재 병원, 창고, 호텔에 배치된 대부분의 모바일 로봇은 여전히 사전에 매핑되고 표시된 시설에 의존하고 있습니다. 이는 고정된 자석 스트립, 미리 탑재된 평면도, 또는 로봇이 무인 상태로 작동하기 전에 기술자가 수행하는 전용 매핑 작업을 통해 이루어집니다. 이러한 의존성은 실질적인 배치 비용으로 작용한다. 병원이나 창고에서 새로운 층이나 동이 생기거나 계절에 따라 가구 배치가 변경될 때마다, 로봇이 다시 그 공간을 스스로 찾아다닐 수 있도록 신뢰하기 위해서는 매핑 작업을 다시 수행해야 하며, 이러한 유지보수 부담은 운영자가 자동화를 원하는 현장 수에 비례하여 증가한다. KAIST와 ETRI가 이번 주에 발표한 연구를 포함한 비전-언어 기반 내비게이션 연구는, 로봇이 미리 구축된 디지털 평면도를 참조하는 대신 주변을 둘러보고 음성 지시를 따르는 방식으로, 마치 인간 직원이 그러하듯 지도화되지 않은 새로운 환경을 해석할 수 있게 함으로써 이러한 의존성을 제거하는 데 정면으로 초점을 맞추고 있습니다.

NAVER Labs Europe 소속 팀을 비롯한 다른 대학 및 기업 연구소 연구 그룹들도 지난 몇 달 동안 동일한 근본적인 문제에 대한 경쟁적인 접근 방식을 발표했는데, 이는 비전-언어 기반 내비게이션이 틈새 학술 분야를 벗어나 모바일 로봇 공학 분야에서 가장 활발히 경쟁이 벌어지는 연구 전선 중 하나로 자리 잡았음을 시사한다. 구체적인 기술적 접근 방식은 서로 다르며, 일부는 새로운 환경에 대한 재훈련이 필요 없는 적응을 강조하는 반면, 다른 일부는 KAIST-ETRI 연구진이 제시한 특징인 자체 검증과 다중 모델 특화를 강조하지만, 이러한 노력들이 공유하는 목표는 동일합니다. 비용이 많이 드는 매핑 및 보정 과정을 거치지 않고도, 새로운 건물로 배송된 로봇이 당일 바로 작업을 시작할 수 있게 하는 것이다. 구매자들은 이러한 다양한 기술적 접근 방식을, 단일 기업의 독점적인 방법으로 수렴되고 있다는 신호라기보다는 해당 핵심 기술이 빠르게 성숙하고 있다는 신호로 받아들여야 하며, 이는 이 기술의 어떤 형태가든 시장에 출시될 가능성을 높여준다.

어떤 연구실에서 먼저 발표하든 그에 얽매이지 않고, 향후 몇 년 내에 여러 공급업체의 상용 제품을 폭넓게 활용할 수 있게 될 것입니다.

인증받지 않은 연구 결과가 조달 일정에 여전히 영향을 미치는 이유

학계 로봇 공학 벤치마크 대회에서 우승했다고 해서 그 제품이 바로 현장에 도입되는 것은 아니며, CoRe-VLN과 PRISM-Nav는 아직 출시일이나 라이선스 경로가 명확히 정해진 상용 제품이 아닌 연구용 시스템으로 남아 있습니다. 이러한 결과가 가져오는 변화는, 서비스 로봇 및 시설 자동화 구매자들이 비전-언어 내비게이션을 장기적인 연구 투자 대상이 아닌 단기적인 실용 기술로 신뢰할 수 있는 수준이 높아진다는 점이다. ECCV와 RSS는 각각 컴퓨터 비전 및 로봇공학 분야에서 가장 경쟁이 치열하고 주목받는 행사 중 하나이며, 111개 경쟁 팀을 상대로 90.7%의 성공률을 기록한 것은, 일반적으로 시스템에 부담을 주는 스트레스 테스트보다는 시스템을 유리하게 보이도록 선별된 조건에서 촬영되는 공급업체의 내부 데모 영상보다 훨씬 더 높은 기준을 충족한 것입니다.

병원, 호텔, 물류 현장을 위해 실내 이동형 로봇을 평가하는 시설 운영자 및 시스템 통합업체는 이 결과를 신호로 삼아, 벤더 후보 목록에 오른 업체들에게 “로봇이 음성 명령을 이해합니까?”라는 질문보다 더 구체적인 질문을 던져야 합니다. 즉, 기반이 되는 내비게이션 시스템에 자체 검증 또는 복구 메커니즘이 전혀 없는지, 아니면 내부 신뢰도 점수가 임계값을 넘기면 단순히 성공을 보고할 뿐 자신의 실수를 포착할 메커니즘이 없는지 여부를 물어야 합니다. 판매 시연에서는 대체로 드러나지 않는 이러한 차이점이야말로 CoRe-VLN이 해소하기 위해 개발된 바로 그 격차이며, 향후 몇 차례의 제품 주기를 거치며 더 많은 공급업체들이 비전-언어 내비게이션을 학술적 벤치마크에서 벗어나 상용 시범 운영 단계로 도입함에 따라 이는 표준 평가 기준이 될 가능성이 높습니다.

KAIST-ETRI 팀이 이번 우승을 설명할 때 계속해서 강조하는 운영상의 세부 사항은 바로 이 점입니다. 파란색 소파를 찾으라는 지시를 받은 로봇은 여전히,

도착하기 전, 소파가 움직임을 멈추기 전에 그 앞에 있는 소파가 실제로 파란색이라는 사실을 알게 된다.

이 분석은 VLNVerse 및 RSS 2026 내비게이션 챌린지 결과와 관련하여 KAIST와 전자통신연구원이 발표한 공식 성명 및 연구 설명을 바탕으로 합니다. 본 내용은 일반적인 정보 제공을 목적으로 하며, 투자, 금융 또는 법률 자문을 구성하지 않습니다.

대표 이미지 출처: KAIST.