네이버랩스 유럽 ‘디바인’, 로봇 인코더 메모리를 어떻게 약 90% 줄였나

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

로봇은 카메라와 라이다 등 센서가 모은 데이터를 AI가 이해할 수 있게 바꾸는 인코더를 사용한다.

기존에는 위치 추정, 공간 이해, 사람 인식 등 작업마다 별도 인코더를 쓰는 경우가 많아 같은 입력을 여러 차례 처리해야 했고, 그만큼 메모리와 연산 부담도 커졌다.

디바인은 여러 인코더의 기능을 하나로 묶어 2D 이미지 이해, 3D 공간 재구성, 사람 인식을 처리하도록 설계됐다.

네이버랩스 유럽이 적용한 ‘다중 교사 증류’는 각 분야 전문가 모델을 교사로 삼아 핵심 정보를 하나의 학생 모델에 학습시키는 방식이다.

여러 대형 모델을 각각 로봇에 싣지 않고도 다양한 시각 정보를 다루려는 접근이다.

회사가 공개한 실험 결과에서 디바인 적용 시 인코더 메모리 사용량은 기존 여러 인코더를 탑재한 경우보다 약 90% 줄었고, 인코딩 속도는 최대 12배 빨라졌다.

로봇 전체를 기준으로 보면 메모리 사용량은 약 62% 감소하고 시스템 처리 속도는 최대 4배 향상됐다.

인코더 자체의 수치와 로봇 시스템 전체의 수치는 측정 범위가 다르므로 구분해서 볼 필요가 있다.

네이버랩스 유럽은 적은 메모리와 연산량으로도 기능을 수행할 수 있어 소형 로봇이나 온보드 환경에서 활용 가능성을 높인다고 설명했다.

새 AI 기능을 추가할 때 기존 로봇의 디바인을 업데이트하는 방식으로 성능을 개선하도록 설계한 점도 특징이다.

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