네이버랩스 유럽 ‘디바인’, 로봇 인코더를 하나로 묶으면 무엇이 달라질까

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

카메라와 라이다가 수집한 데이터를 AI가 처리할 수 있게 바꾸는 인코더를 통합해, 여러 시각 인식 작업을 하나의 시스템에서 수행하도록 한 것이 핵심이다.

기존 로봇은 위치 추정이나 깊이 계산, 공간 이해, 사람 인식에 각각 다른 AI 모델과 인코더를 쓰는 경우가 많았다.

같은 센서 입력을 작업마다 반복 처리하면 메모리와 연산 부담이 커진다.

디바인은 2D 이미지 이해와 3D 공간 재구성, 사람 인식 기능을 한 인코더에 담아 이 중복을 줄이려 한다.

개발에는 ‘다중 교사 증류’ 방식이 쓰였다.

이미지·공간·사람 인식 분야의 전문 교사 모델에서 핵심 지식을 뽑아 하나의 학생 모델에 옮기는 방식이다.

따라서 여러 대형 전문 모델을 각각 탑재하지 않고도 다양한 정보를 처리하도록 설계됐다.

네이버랩스 유럽이 공개한 실험 결과에서 기존 여러 인코더를 쓸 때와 비교해 인코더 메모리 사용량은 약 90% 줄었고, 인코딩 속도는 최대 12배 빨라졌다.

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

인코더 단위와 로봇 전체의 수치가 서로 다른 지표인 만큼 구분해서 볼 필요가 있다.

연산량과 메모리 부담을 낮추면 서버나 고성능 컴퓨팅 장비에 의존하던 로봇 AI를 기기 안에서 실행할 여지가 커진다.

네이버랩스 유럽은 새 AI 기능을 추가할 때 기존 로봇의 디바인을 업데이트하는 방식도 가능하도록 설계했다고 밝혔다.

관련 연구는 2024년 유럽컴퓨터비전학회(ECCV)와 2025년 컴퓨터비전 및 패턴 인식 컨퍼런스(CVPR)에 각각 채택됐다.