경상국립대, 드론 음성제어 성공률 93.8% 달성

원문 요약

출처: 로봇신문 · 2026년 9월 23일 보도

보도에 따르면, 경상국립대 부석준 교수 연구팀이 드론의 음성제어 신뢰성을 높이는 뉴로심볼릭 AI 기술을 개발했다. 이 기술은 대규모언어모델(LLM)이 생성한 추론 결과를 물리 시스템에서 실행하기 전에 전문가 지식으로 사전 검증하는 방식을 채택했다. 연구팀은 실제 드론 비행 테스트에서 93.8%의 실행 성공률을 달성했다고 밝혔다.

연구팀이 제안한 방법론은 확률적인 AI 추론과 결정론적인 전문가 검증을 분리하는 구조를 취한다. LLM이 자연어 명령을 해석한 뒤 이를 구조화된 '실행 그래프(Execution Graph)'로 변환한다. 이후 항공 및 무인체계 분야의 전문가 지식과 명시적 규칙을 적용해 실행 순서, 비행 상태, 행동 간 충돌 여부를 사전에 검증한다. 이를 통해 AI의 유연한 추론 능력을 유지하면서도 물리적으로 안전하고 실행 가능한 명령만 선택적으로 실행하도록 하는 것이 핵심이다.

검증 실험에서는 12종의 LLM을 비교했으며, 자연어 명령 이해 정확도는 최대 95.4%, 실행 그래프 구조화 정확도는 최대 89.6%를 기록했다. 7종의 오류 유형이 포함된 2,100개의 비정상 실행 그래프를 모두 탐지했으며, 1,000개의 정상 그래프에서는 오탐(잘못된 거부)이 발생하지 않았다. 실제 실내 드론 비행에서는 검증을 통과한 80개 명령 중 75개가 정상 수행되어 93.8%의 물리적 실행 성공률을 보였다. 이번 연구는 과학기술정보통신부 및 정보통신기획평가원의 지원으로 수행되었으며, 관련 논문은 국제학술지 'Engineering Applications of Artificial Intelligence'에 게재되었다.

맥락

최근 대규모언어모델의 자연어 이해 능력이 크게 향상되면서, AI의 판단을 실제 물리 환경의 행동으로 연결하는 '피지컬 AI(Physical AI)' 기술에 대한 관심이 높아지고 있다. 그러나 생성형 AI가 자연스러운 결과를 만들어내더라도, 이것이 실제 물리 환경에서 반드시 실행 가능하거나 안전한 것은 아니다. 특히 드론처럼 잘못된 판단이 곧바로 물리적 행동으로 이어지는 시스템에서는 AI 추론 결과를 실행 전에 검증하는 기술이 필수적이다. 뉴로심볼릭 AI는 신경망의 유연성과 기호 논리의 엄밀성을 결합하여 이러한 격차를 줄이는 유망한 접근법으로 평가받고 있다.

로봇의 해석

이번 연구는 AI의 이해력 향상을 넘어, 물리 환경에서의 신뢰성 확보에 초점을 맞춘 점에서 의미가 있다. '무엇을 할 것인가'(LLM 추론)와 '안전하고 가능한가'(전문가 규칙 검증)를 분리하는 구조는 고위험 분야에서의 AI 적용에 중요한 프레임워크를 제공한다. 특히 정상 그래프에 대한 오탐이 0건이라는 점은 유효한 명령을 불필요하게 차단하지 않는다는 점에서 운영 효율성 측면에서 긍정적이다. 현재는 실내 드론 비행으로 검증 범위가 제한되어 있으나, 이 아키텍처는 자율주행, 제조설비 등 안전과 신뢰성이 중요한 다양한 로봇 시스템으로 확장될 가능성이 크다. 향후 더 복잡하고 동적인 야외 환경에서의 성능 검증이 중요한 과제가 될 것이다.