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

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

카메라와 라이다가 수집한 데이터를 AI가 처리할 형태로 바꾸는 인코더를 하나로 통합해, 로봇이 주변을 인식하는 데 드는 메모리와 연산 부담을 줄이는 것이 핵심이다.

기존에는 위치 추정, 깊이 계산, 공간 이해, 사람 인식 같은 작업마다 별도 AI 모델과 인코더를 사용했다.

같은 센서 입력을 여러 차례 처리해야 해 자원이 더 들었다.

디바인은 2D 이미지 이해와 3D 공간 재구성, 사람 인식 기능을 한 인코더에서 지원한다.

이미지·공간·사람 인식 분야의 전문 모델을 ‘교사’로 삼아 핵심 지식을 하나의 ‘학생’ 모델에 옮기는 다중 교사 증류 방식을 적용했다.

여러 대형 전문 모델을 각각 탑재하지 않고도 다양한 정보를 처리하도록 한 설계다.

네이버랩스 유럽이 공개한 실험 결과에서 여러 인코더를 쓰는 방식과 비교해 디바인은 인코더 메모리 사용량을 약 90% 줄였고, 인코딩 속도는 최대 12배 빨라졌다.

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

인코더 단위의 수치와 로봇 전체 성능 수치는 서로 다른 측정 범위다.

기존 로봇용 AI는 큰 연산량 탓에 서버나 고성능 장비에 의존하는 경우가 많았지만, 디바인은 적은 메모리와 연산량으로 작동하도록 설계됐다.

따라서 소형 로봇의 온보드 환경에서도 다양한 AI 기능을 활용할 수 있는 여지가 생긴다.

새 기능을 추가하기 쉽게 설계돼 기존 로봇에 탑재된 디바인을 업데이트해 성능을 개선할 수 있다는 점도 공개됐다.

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