KAIST 박대형 교수 연구팀이 사람이 띄엄띄엄 보여준 적은 시연만으로 학습하고도 반경 2.5mm의 좁은 틈에 부품을 끼우는 초정밀 동작을 수행하는 로봇 AI 모델 디스포(DiSPo)를 개발했다고 밝혔다. 디스포는 시뮬레이션에서 기존 최고 성능 모델보다 작업 성공률을 최대 81퍼센트 끌어올렸고, 실제 협동로봇 실험에서는 최대 4배 높은 성공률을 기록했으며, 2026년 6월 1일 오스트리아 비엔나에서 열린 국제 로봇 및 자동화 학술대회 ICRA 2026에서 발표됐다. 이 글은 KAIST 발표와 국내 보도의 1차 수치를 기준으로 디스포가 푼 문제와 그 한계를 함께 짚는다.

거친 시범 하나로 정밀 동작을 만든다

디스포가 겨눈 문제는 로봇이 정밀 작업을 배우려면 짧은 시간 간격으로 촘촘히 기록한 방대한 시연 데이터가 필요했다는 로봇 학습의 오래된 딜레마다. 이 수집 과정은 비싸고 오래 걸려 현장 도입을 가로막아 왔다. 디스포는 반대로 사람이 띄엄띄엄 대충 보여준 저빈도 시연을 입력으로 받아, 작업 순간에는 스스로 촘촘한 정밀 동작을 만들어낸다. 거친 시범과 정밀 실행 사이의 간극을 모델이 메우는 셈이다.

확산 모델과 상태공간 모델을 잇는 설계

디스포의 이름은 다중 정밀도 조작을 뜻하며, 핵심은 두 종류의 신경망을 잇는 구조다. 시간 간격을 예측하는 상태공간 모델 맘바(Mamba)가 언제 얼마나 촘촘히 움직여야 하는지를 가늠하고, 확산 모델이 실제 로봇 동작을 생성한다. 여기에 사용자가 정밀도의 세기를 조절하는 스텝 스케일(Step-scale) 인자가 더해져, 같은 학습 결과로도 상황에 맞춰 거칠거나 정교한 동작을 골라 낼 수 있다. 정밀도를 데이터가 아니라 추론 시점의 조절값으로 다룬다는 발상이 이 설계의 축이다.

진짜 병목은 데이터 수집 비용이었다

디스포가 의미 있는 이유는 성공률 숫자보다 그것이 겨눈 병목에 있다. 로봇 조작 연구에서 성능을 끌어올리는 가장 확실한 방법은 더 많은, 더 촘촘한 시연 데이터였지만, 그 데이터를 사람이 일일이 만드는 비용이 현장 도입을 가로막아 왔다. 디스포는 데이터를 늘리는 대신 적은 데이터에서 더 짜내는 쪽으로 방향을 틀어, 정밀 작업의 진입 장벽을 데이터 수집에서 모델 설계로 옮긴다. 이는 대규모 시연 인프라를 갖추기 어려운 중소 제조 현장이나 국내 연구실이 정밀 로봇 학습에 접근할 여지를 넓힌다는 점에서 실무적 함의가 크다.

81퍼센트와 4배를 어떻게 볼까

수치를 읽을 때는 두 환경을 구분해야 한다. 최대 81퍼센트 향상은 시뮬레이션에서 기존 최고 성능 모델과 비교한 값이고, 최대 4배라는 성공률은 실제 협동로봇으로 옮겼을 때 나온 값이다. 로봇 연구에서 시뮬레이션의 우위가 실물에서 그대로 재현되지 않는 경우가 흔한데, 디스포는 반경 2.5mm 틈 삽입과 스마트폰 셔터 누르기라는 구체적 실물 과제에서 개선을 보였다는 점이 눈에 띈다. 다만 두 수치는 모두 특정 과제와 비교 대상에 따른 상대값이므로, 절대적 성공률이나 다른 작업으로의 일반화는 별개로 확인해야 한다.

실물로 넘어갈 때 남는 질문

디스포는 좁은 범위의 정밀 조립 과제에서 강점을 보였지만, 남는 질문도 분명하다. 발표에서 확인된 실물 검증은 부품 삽입과 버튼 누르기 같은 특정 작업이며, 부드러운 물체나 예측하기 어려운 환경 변화가 섞인 작업으로 확장될지는 별도의 검증이 필요하다. 저빈도 시연에서 정밀 동작을 복원한다는 접근이 얼마나 넓은 작업군에서 성립하는지, 그리고 스텝 스케일 조절이 사람의 개입 없이 최적값을 찾을 수 있는지도 열린 문제다. 그럼에도 데이터 수집 부담을 줄이면서 정밀도를 유지한다는 방향은, 로봇 학습의 비용 구조를 바꾸려는 시도로서 분명한 의미를 지닌다.

참고: AI타임스 · MIT 테크놀로지 리뷰 코리아