우리 학부 명현 교수 연구팀(미래도시 로봇연구실)이 지난 7월 13일부터 17일까지 호주 시드니에서 열린 세계 최고 권위의 로보틱스 학술대회인 RSS 2026 (Robotics: Science and Systems)의 OWN (Open-World Navigation) 워크숍에서 개최된 ‘내비트레이스 챌린지(NaviTrace Challenge)’에서 준우승을 차지했다.
이번 챌린지는 로봇의 1인칭 시점 사진 한 장과 짧은 자연어 명령만 주고, 인공지능이 사진 위의 어떤 경로로 이동해야 하는지 추론하는 능력을 평가하는 국제 대회다.
“길을 건너라”는 명령에는 횡단보도를 찾고 신호를 기다려야 한다는 정보가 없다. 로봇은 이러한 암묵적 사회 규범을 눈앞의 장면에서 스스로 읽어내야 한다. 그러나 하나의 인공지능에 목표 찾기·위험 판단·경로 생성을 한꺼번에 맡기면 과업이 뒤섞여 성능이 떨어진다.
연구팀이 개발한 ‘프리즘내브(PRISM-Nav)’는 이를 네 개의 전문 에이전트로 나눴다. 목표 지점, 계단·턱 등 위험 요소, 횡단보도·인도처럼 사회적 의미가 있는 구조를 각각 찾는 세 에이전트가 동시에 동작하고, 마지막 에이전트가 이를 종합해 경로를 찾아낸다. 핵심은 에이전트끼리 좌표와 문자가 아니라 입력 사진 위에 직접 기호를 그려 결과를 주고받는다는 점이다. 말로 설명하는 대신 지도에 표시해 건네주는 방식으로 공간 정보 손실을 크게 줄였다. 추가 학습이 필요 없어 새로운 로봇이나 환경에 곧바로 적용할 수 있다.
연구팀은 53점을 기록해 난징대·파이브에이지스(FiveAges) 공동팀에 이어 2위에 올랐다. 주목할 점은 사용한 인공지능 모델의 경제성이다. 주최측이 참고 기준으로 함께 공개한 최상위 고성능 범용 모델(Gemini 3.1 Pro Preview)은 사용 비용이 높아 로봇에 상시 적용하기 어렵다. 연구팀은 이보다 훨씬 저렴한 경량 모델(Gemini 3 Flash)을 쓰면서도 최상위 모델의 성능을 앞섰다. 값비싼 모델을 하나 쓰는 대신, 저렴한 모델을 여러 에이전트로 나눠 구성하는 것이 성능과 비용 모두에서 유리하다는 의미다.
명현 교수는 “별도의 학습 데이터 없이도 대형 인공지능 모델을 로봇의 실제 상황 판단에 활용할 수 있음을 입증한 결과”라며 “사람과 공간을 함께 쓰는 배송 로봇, 안내 로봇 등 서비스 로봇 분야의 핵심 기술로 활용될 수 있을 것”이라고 말했다.
한편 명현 교수 연구실은 지난 6월 ICRA 2026과 CVPR 2026 워크숍 국제 챌린지에서 각각 1위를 차지한 바 있으며, 공간인지 기술에서 축적한 역량을 체화 인공지능(Embodied AI) 분야로 확장하고 있다.
