전 세계 1만 9천 편 중 상위 27% 통과… 단일 연구실로 이례적 성과
(왼쪽부터) 한승열 교수와 각 연구의 제1저자인 이상현 연구원, 황재박 연구원, 조용현 연구원
UNIST 인공지능대학원 한승열 교수 연구팀의 연구 성과 논문 3편이 오는 23일 브라질 리우데자네이루에서 개최되는 ‘표현학습국제학회(ICLR) 2024’에 채택되며 글로벌 AI 무대에서 그 기술력을 입증했다.
ICLR은 신경정보처리시스템학회(NeurIPS), 국제머신러닝학회(ICML)와 함께 세계 3대 인공지능 학회로 꼽히는 최상위 권위의 학회다. 올해는 전 세계에서 1만 9,000여 편의 논문이 제출됐으며, 엄격한 심사를 거쳐 27%인 5,300여 편만이 통과됐다. 단일 연구실에서 3편의 논문이 동시에 채택된 것은 학계에서도 매우 드문 사례로 평가받는다.
이번에 채택된 성과는 모두 ‘강화학습(Reinforcement Learning)’ 분야에서 도출됐다. 강화학습은 AI가 환경과 상호작용하며 시행착오를 통해 최적의 행동 방식을 스스로 터득하는 기술로, 불확실성이 큰 물리 환경에서 상황을 인지하고 대처해야 하는 로봇 및 자율주행차 등 ‘피지컬 AI(Physical AI)’ 구현의 필수 기술이다.
연구팀이 제시한 첫 번째 기술은 ‘자기 개선 스킬 학습법(SISL)’이다. 이는 산업 현장에서 수집된 오프라인 데이터만으로도 AI를 효과적으로 학습시키는 기술이다. 복잡한 작업을 재사용 가능한 세부 단위(스킬)로 나누고, 데이터 내 노이즈를 지속적으로 제거함으로써 오류가 포함된 데이터로도 높은 작업 성공률을 유지할 수 있도록 설계됐다.
두 번째 성과인 ‘엄격한 하위 목표 실행(SSE)’ 기술은 복잡하고 긴 작업의 성공률을 획기적으로 높인다. 강화학습 과정에서 로봇이 물리적으로 도달 불가능한 잘못된 하위 목표를 설정해 학습 효율이 떨어지는 문제를 해결하기 위해, 실패와 성공 데이터를 정밀 분석하여 도달 가능한 목표만을 명확히 구분해낸다.
마지막으로 군집 비행 등 협업이 중요한 환경을 위한 ‘연속적 하위 가치 Q-러닝(S2Q)’ 기술을 선보였다. 이는 다중 에이전트 강화학습(MARL) 환경에서 상황 변화 시 AI가 차선책에만 머무는 현상을 방지한다. 기존의 단일 최적 행동 의존 방식에서 벗어나 여러 대안적 행동 가치를 동시에 평가함으로써 협업 효율을 극대화했다.
이번 연구에는 이상현, 황재박, 조용현 연구원이 각 논문의 제1저자로 참여했으며, 과학기술정보통신부 정보통신기획평가원(IITP)과 한국연구재단(NRF)의 지원을 받아 수행됐다.
한승열 교수는 “이번 연구들은 제한된 데이터와 불확실한 환경 속에서도 강화학습을 안정적으로 적용할 수 있는 길을 열었다는 데 의의가 있다”며 “향후 자율주행, 로봇 공학, 스마트 제조 등 피지컬 AI가 필요한 다양한 산업 분야로의 확장이 기대된다”고 밝혔다.
기계신문, 기계산업 뉴스채널
댓글
0