네이버랩스 유럽 ‘디바인’, 로봇의 여러 인식 작업을 어떻게 하나로 묶었나

네이버랩스 유럽은 2026년 6월 23일 자율주행 로봇용 범용 인코더 ‘디바인(DIVINE)’을 공개했다.

디바인은 로봇이 센서로 수집한 정보를 AI가 처리할 수 있도록 바꾸는 인코더를 하나로 통합한 모델이다.

디바인은 2D 이미지 이해, 3D 공간 재구성, 사람 인식뿐 아니라 위치 추정, 거리·깊이 추정, 장애물 인식, 장면 이해 등에 활용되도록 설계됐다.

기존 로봇은 작업별 전문 모델과 인코더를 함께 쓰는 경우가 많아 같은 입력 데이터를 거듭 처리했고, 그만큼 메모리와 연산 부담이 커졌다.

하나의 인코더로 여러 기능을 다루면 로봇에 서로 다른 인코더를 여럿 탑재해야 하는 부담을 줄일 수 있다.

네이버랩스 유럽은 각 분야 전문 인코더의 핵심 정보를 하나의 모델에 학습시키는 ‘다중 교사 증류’ 방식을 적용했다.

여러 교사 모델의 지식을 학생 모델 하나에 옮기는 구조다.

회사가 공개한 실험 결과에서 여러 인코더를 탑재한 경우와 비교해 인코더 메모리 사용량은 약 90% 줄었고, 인코딩 속도는 최대 12배 빨라졌다.

로봇 전체 메모리 사용량은 약 62% 감소했으며 시스템 처리 속도는 최대 4배 향상됐다.

이는 각각 인코더와 시스템 전체를 기준으로 한 별도의 지표다.

기존 로봇용 AI는 연산량이 많아 주로 서버나 고성능 컴퓨팅 장비에서 구동됐다고 네이버랩스 유럽은 설명했다.

디바인은 메모리와 연산 부담을 낮춰 로봇 내부에서 처리하는 온보드 활용성을 높이는 데 초점을 둔다.

또 새 AI 기능을 더할 때 기존 로봇에 탑재된 디바인을 업데이트하는 방식으로 개선할 수 있도록 설계됐다.

관련 연구 2건은 2024년 유럽컴퓨터비전학회(ECCV)와 2025년 컴퓨터비전·패턴인식학회(CVPR)에 채택됐다.