네이버랩스 유럽 디바인, 로봇 메모리와 처리 속도는 어떻게 달라졌나

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

여러 인코더가 나눠 맡던 시각 인식 작업을 하나로 묶어, 로봇의 메모리와 연산 부담을 줄이려는 기술이다.

인코더는 카메라와 라이다(LiDAR) 같은 센서가 모은 데이터를 AI 모델이 처리할 수 있는 형태로 바꾼다.

기존에는 위치 추정, 깊이 계산, 공간 이해, 사람 인식 등 작업마다 별도 모델과 인코더를 사용해 같은 입력을 반복 처리했다.

디바인은 2D 이미지 이해와 3D 공간 재구성, 사람 인식을 하나의 인코더에서 지원하도록 설계됐다.

개발에는 ‘다중 교사 증류’ 방식이 쓰였다.

이미지·공간·사람 인식에 특화된 여러 교사 모델에서 핵심 지식만 추출해 하나의 학생 모델에 옮기는 방법이다.

네이버랩스 유럽은 이 방식으로 여러 대형 전문가 모델을 각각 탑재하지 않고도 다양한 정보를 처리하도록 했다고 설명했다.

발표된 실험 결과에서 여러 인코더를 사용하는 방식과 비교해 디바인의 인코더 메모리 사용량은 약 90% 줄었고, 인코딩 처리 속도는 최대 12배 빨라졌다.

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

인코더 단위와 로봇 전체의 성능 수치가 각각 다르다는 점이 핵심이다.

기존 로봇용 AI는 많은 연산량 때문에 주로 서버나 고성능 컴퓨팅 장비에서 구동됐지만, 디바인은 적은 메모리와 연산량으로 작동해 로봇 내부에서 AI를 실행하는 데 활용될 수 있다.

새 AI 기능을 추가할 때 기존 로봇의 디바인을 업데이트하는 방식도 가능하도록 설계됐다.

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