한국전자통신연구원(ETRI)이 인공지능(AI)을 활용한 과학연구 자동화와 AI 데이터센터 핵심기술, 로봇·영상 이해 기술을 중심으로 국가 연구개발 체계를 개편하고 있다. 과학자가 수행하는 문헌조사와 가설 생성, 실험·검증을 지원하는 AI 연구동료 개발을 추진하는 한편, 대규모 AI 연산에 필요한 반도체·광통신·컴퓨팅 소프트웨어 기술을 연구하고 있다. 로봇 이동지능과 교통영상 분석 분야에서는 국제 경진대회 평가 결과와 학술논문을 발표했으며, 광통신 분야에서는 연구원 창업기업을 통한 기술사업화도 진행하고 있다.
ETRI는 지난 9월 1일 서울 양재 엘타워에서 개최한 'ETRI Conference 2026'에서 창립 50주년을 맞아 AI·디지털 전환(DX) 중심의 국가임무형 연구개발 전략을 발표했다. 연구원은 인공지능, 피지컬 AI, 입체통신, 공간미디어, AI·디지털 전환 융합(ADX 융합)을 5대 중점 연구분야로 정하고, 대학·기업·정부출연연구기관과 협력하는 연구체계로 전환하겠다는 방향을 제시했다. 특히 '모두의 AI 과학자'와 'AI의 심장-AIDC'를 핵심 전략기술 의제로 다뤘다.
이러한 연구 방향은 기업이 개발한 언어모델을 특정 산업에 적용하거나 기업 내부의 업무를 자동화하는 것과는 대상과 범위가 다르다. ETRI는 과학연구에 필요한 공통 AI 기술과 연구도구, 반도체와 네트워크를 연결하는 컴퓨팅 기반기술을 개발하고 있으며, 이를 다른 연구기관과 산업계가 활용할 수 있도록 하는 국가 연구개발 역할을 제시하고 있다. 과학적 가설의 검증과 대규모 컴퓨팅 자원의 연결, 물리적 환경에서 작동하는 AI의 신뢰성 확보가 주요 연구 대상이다.
연구자의 동료에서 자율연구 시스템까지…2035년 AI 과학자 개발
ETRI의 '모두의 AI 과학자'는 과학자가 수행하는 연구 과정에 AI를 참여시키는 국가 연구개발 계획이다. 연구자가 자연어로 질문하면 관련 논문을 찾아 요약하는 기능에서 나아가, 연구 목표에 맞는 가설을 생성하고 실험을 설계하며 결과를 분석·검증하는 과정을 지원하도록 구성된다. ETRI는 과학적 근거와 수식, 도표, 연구데이터를 처리하는 과학특화 파운데이션 모델과 전문 에이전트, 실험도구를 연결하는 공통 연구기반을 개발할 계획이다.
지난 9월 ETRI가 공개한 로드맵은 연구자의 참여 수준과 AI의 자율성에 따라 발전 단계를 구분한다. 초기에는 연구자와 AI가 함께 가설을 만들고 실험을 진행하는 'AI 연구동료(Co-Scientist)'를 개발하고, 이후 연구자가 방향을 제시하면 AI가 전문 에이전트와 실험환경을 운영하는 인간 감독형 자율과학 시스템으로 고도화한다. 최종적으로는 여러 연구과제를 병렬로 수행하고 연구 전 주기를 자율적으로 진행하는 '연구소장급 AI 과학자'를 2035년까지 개발한다는 목표다.
세부 개발계획에서는 2027~2028년 문헌조사·가설 생성·실험·논문 작성·리뷰를 지원하는 다학제 AI 연구동료 플랫폼을 구축하고, 2029~2031년 이를 확장해 박사급 연구동료 수준의 자율연구 시스템으로 발전시키는 일정을 제시했다. ETRI는 한국과학기술정보연구원(KISTI) 등과 협력해 서로 다른 학문 분야의 데이터와 연구도구를 연결하고, 국가과학AI연구센터(NAIS)가 추진하는 공통 연구기반과도 연계할 계획이다.
AI 과학자 개발에서는 새로운 가설을 생성하는 능력과 실제 실험으로 검증할 수 있는 결과를 만드는 능력을 구분해야 한다. AI가 기존 논문에서 찾은 정보를 조합해 연구 아이디어를 제시하더라도 그 가설이 독창적인지, 과학적 인과관계와 일치하는지, 실험으로 재현할 수 있는지는 별도의 평가가 필요하다. ETRI는 이러한 문제를 고려해 가설의 신규성·기여도·일관성·사실성을 평가하고 연구 과정의 기록과 결과 재현성을 관리하는 기술도 핵심 개발과제에 포함했다.
ETRI 연구진이 지난 6월 학술지 'InUS Transactions'에 발표한 'Idea Generation in AI for Science: A Survey from Hypothesis Generation to Closed-Loop Discovery'는 이러한 연구의 기술적 배경을 설명한다. 연구진은 문헌·지식그래프 기반 탐색, 인과관계 발견, 베이지안 실험설계, 시뮬레이션, 파운데이션 모델, 확산모델, 거대언어모델을 활용한 가설 생성 등 일곱 가지 접근법을 검토했다. 생성된 가설을 검증하는 체계와 실험 결과를 다시 연구에 반영하는 폐쇄루프(Closed-loop) 연구구조, 평가 결과를 추적할 수 있는 시스템 설계가 주요 분석 대상이었다.
해외에서도 유사한 연구가 진행되고 있다. Sakana AI 연구진은 2024년 공개한 'The AI Scientist'에서 연구 아이디어 생성과 코드 작성, 실험 실행, 결과 정리와 논문 작성까지 연결하는 자동 연구 시스템을 제시했다. Google 연구진 역시 다중 에이전트가 과학적 가설을 생성하고 평가·개선하는 AI 연구동료 기술을 발표했다. ETRI가 추진하는 시스템은 이러한 연구 흐름과 마찬가지로 가설 생성과 검증을 연결하지만, 국가 연구기관의 데이터와 실험환경을 결합하는 공통 연구기반 구축에 초점을 두고 있다.
다만 ETRI의 2035년 목표는 현재 완성된 자율연구 시스템의 성능을 나타내는 수치가 아니다. 현재 발표된 것은 단계별 개발계획과 관련 학술연구이며, 연구 전 주기를 자율적으로 수행한 플랫폼의 정량적 실험성과와는 구분된다.
AI 데이터센터도 국가 연구과제로…반도체·광연결·소프트웨어 통합
AI 과학자가 복잡한 연구 작업을 수행하려면 대규모 연산과 데이터 처리에 필요한 컴퓨팅 인프라도 함께 구축돼야 한다. ETRI가 'AI의 심장-AIDC'라는 이름으로 제시한 연구는 AI 데이터센터를 구성하는 반도체와 광인터커넥트, 광네트워크, AI 컴퓨팅 소프트웨어를 통합하는 기술에 초점을 맞추고 있다.
기존 데이터센터와 비교하면 대규모 AI 학습·추론 시스템은 다수의 연산장치가 지속적으로 데이터를 교환한다는 특징이 있다. 여러 GPU나 AI 반도체가 하나의 모델을 처리하는 과정에서는 연산성능뿐 아니라 장치 사이의 통신속도와 메모리 접근, 네트워크 지연, 작업 배분 방식이 전체 시스템의 처리량에 영향을 준다. ETRI는 이러한 문제를 해결하기 위해 반도체 자체의 연산기술과 함께 칩·서버·데이터센터를 고속으로 연결하는 통신 및 운영 소프트웨어를 연구 대상으로 제시했다.
구체적으로 AI 반도체 분야에서는 다양한 연산장치를 활용하기 위한 기술을, 광인터커넥트 분야에서는 칩과 서버를 고속으로 연결하는 광입출력 기술을 개발한다. 광네트워크 분야에서는 데이터센터 내부와 데이터센터 사이에서 대용량 데이터를 전송하는 기술을 다루며, AI 컴퓨팅 소프트웨어 분야에서는 서로 다른 AI 반도체의 자원관리·스케줄링·모델 서빙과 운영 자동화를 연구한다. ETRI는 2031년까지 12.8Tbps급 광 입출력 칩렛과 3.2Tbps급 광트랜시버 기술을 확보하겠다는 목표도 제시했다.
이 가운데 광통신 부품과 패키징 분야에서는 실제 시제품과 기술 시연 성과가 발표됐다. ETRI는 지난 3월 채널당 200Gbps급 광신호를 처리하는 광검출기 소자를 개발했다고 밝혔다. 광검출기는 광신호를 전기신호로 바꾸는 부품으로, 광통신 수신장치의 데이터 처리성능을 결정하는 핵심 요소 중 하나다. ETRI는 후면 렌즈를 집적한 구조를 적용해 광수신 효율을 높이는 기술을 함께 소개했다.
광통신 기술의 산업 이전 사례도 있다. ETRI의 연구성과를 기반으로 설립된 창업기업 인옵틱스는 지난 3월 미국에서 열린 국제광통신학술회의 및 전시회 'OFC 2026'에서 유리기판 기반 전자·광 통합 패키징 공정 플랫폼 'GOFOP'을 시연했다. 이 기술은 전자회로와 광학부품을 가까이 결합해 칩 사이의 고속 데이터 전송을 지원하기 위한 것으로, AI 데이터센터의 광인터커넥트 연구와 직접 연결된다.
공동패키징광학(CPO)은 전자칩과 광통신 부품을 하나의 패키지에 통합하거나 가까운 위치에 배치하는 기술이다. 데이터가 전기신호로 이동하는 거리를 줄이고 광신호로 전달되는 구간을 확대하는 방식으로, 고속 연산장치의 데이터 전송과 관련된 패키징 기술이다. ETRI와 인옵틱스는 레인당 400Gbps급 광통신 수요에 대응하기 위한 공정 플랫폼을 소개했으며, 인옵틱스는 기술이전을 바탕으로 공정 최적화와 양산기술 개발을 추진하고 있다.
이러한 성과는 ETRI가 발표한 차세대 광입출력 연구와 산업 현장의 기술개발을 연결하는 사례다. 다만 OFC에서 진행한 공정·패키징 시연과 실제 대규모 AI 데이터센터에 제품을 공급해 장기간 운영한 실적은 서로 다른 단계에 해당한다. ETRI가 제시한 2031년 광연결 기술 목표도 현재 시연된 기술의 실측성능과는 별도의 개발계획이다.
로봇이 목적지를 다시 확인한다…ETRI·KAIST 국제대회 1위
ETRI는 AI 과학자와 컴퓨팅 인프라 외에도 물리적 공간을 이해하고 작업을 수행하는 피지컬 AI 연구를 진행하고 있다. 지난 9월 유럽컴퓨터비전학회(ECCV 2026)의 'VLNVerse Challenge'에서는 ETRI와 한국과학기술원(KAIST) 연합팀이 시각·언어 내비게이션(Vision-Language Navigation·VLN) 기술로 112개 참가팀 가운데 1위를 차지했다.
VLN은 로봇이 사람이 말로 전달한 지시와 카메라 영상을 함께 이해해 목적지까지 이동하는 기술이다. 예를 들어 특정 물건이 놓인 방으로 이동하라는 지시를 받으면 로봇은 주변의 시각정보를 해석하고 이동 경로를 선택해야 한다. 이때 목적지와 비슷한 장소를 잘못 판단하거나 목표물이 보이는 위치에서 실제 도착 여부를 확인하지 않고 멈추는 문제가 발생할 수 있다.
연합연구팀은 이를 해결하기 위해 'CoRe-VLN(Coverage-based Recovery for Vision-Language Navigation)'을 개발했다. 로봇이 정지를 결정한 위치에서 전후좌우 영상을 확인하고, 목표물의 색상과 재질, 지시된 장소와의 일치 여부, 실제 거리 등을 단계적으로 검증하도록 구성했다. 목적지가 아니라고 판단되면 기존 탐색 경로와 주변 공간을 다시 분석해 다른 후보지를 찾고 이동을 재개한다.
이 방식은 기존 이동모델 전체를 새로 학습시키기보다 정지 판단의 검증과 복구 과정을 추가하는 데 초점을 맞췄다. ETRI에 따르면 연구팀은 목표물 탐색과 세부 지침 주행 과제에서 평균 성공률 90.7%를 기록했다. 2위 팀과 같은 성공률이었으나 대회 규정에 따라 결과를 먼저 제출한 연합팀이 1위를 차지했으며, 3위 팀의 성공률은 89.7%였다.
이 수치는 대회가 정한 평가환경과 과제에서 측정된 성공률이다. ETRI는 해당 기술을 시각장애인 안내로봇과 국산 AI 반도체 기반 온디바이스 이동지능 연구에 적용하는 계획도 제시했다. 국제대회에서 평가한 소프트웨어 기술과 실제 서비스 로봇에서의 상시 운영 성과는 개발 단계가 구분된다.
여러 로봇이 함께 작업하는 연구도 수행되고 있다. ETRI와 광주과학기술원(GIST) 등이 참여한 연구진은 2026년 4월 IEEE Access에 'A Hierarchical LLM-Based Framework for Heterogeneous Multi-Robot Orchestration in High-Risk Energy Facility Maintenance'를 발표했다. 위험도가 높은 에너지 시설의 유지보수 작업을 대상으로 거대언어모델이 작업을 분해하고, 서로 다른 기능을 가진 로봇에 역할을 배정하는 계층형 제어구조를 제안한 연구다.
연구진은 복잡한 작업 지시를 세부 작업으로 분해하는 상위 계획 기능과 실제 이동·조작을 수행하는 하위 제어 기능을 분리했다. 발전소 시뮬레이션 환경에서 GPT-OSS 20B 모델의 작업계획 성공률은 최고 91.7%, 배전반 유지보수 작업의 실행 성공률은 90%로 보고됐다. 이러한 수치는 시뮬레이션에서 수행한 연구실험 결과이며, 실제 발전시설의 유지보수 자동화 시스템이 동일한 성능으로 상시 가동되고 있다는 의미는 아니다.
교통영상 판단의 근거까지 연결…국제대회서 1·2위
ETRI의 실세계 AI 연구는 로봇뿐 아니라 교통영상의 이해와 추론 분야에서도 이어지고 있다. ETRI와 미국 워싱턴대학교 공동연구팀은 ECCV 2026의 제10회 AI City Challenge에서 보행자 횡단 의도를 분석하는 PSI-VQA 부문 1위, 교차로 교통법규 위반을 이해하는 FETV 부문 2위를 기록했다.
연구팀이 개발한 'UniTraffic'은 교통영상을 분석해 객체와 행동, 발생 시점 등을 서로 연결한 '교통 증거 그래프(Traffic Evidence Graph)'를 구성하는 기술이다. 서로 다른 질문에 대해 영상을 매번 처음부터 해석하기보다, 한 번 분석한 교통 사건의 구조화된 정보를 공통으로 활용하도록 설계했다.
예를 들어 보행자가 도로를 건너려는 의도가 있는지 판단할 때는 보행자의 위치와 이동 방향뿐 아니라 주변 차량의 움직임, 해당 행동이 발생한 시점 등을 함께 분석한다. 연구진은 영상 전체를 먼저 살펴본 뒤 질문과 관련된 시간 구간을 다시 상세하게 분석하고, 여러 전문 에이전트가 생성한 정보를 별도의 검증 단계에서 실제 영상 근거와 대조하는 구조를 적용했다.
이 연구는 CCTV와 교차로 어안렌즈, 차량 탑재 카메라처럼 촬영 위치와 영상 특성이 서로 다른 데이터를 처리하도록 구성됐다. ETRI는 국제대회에서 학습에 사용하지 않은 영상 환경까지 평가 대상에 포함됐다고 설명했다. 대회 주최 측의 최종 수상기록에서도 ETRI·워싱턴대학교 팀은 PSI-VQA 1위, FETV 2위로 집계됐다. FETV 부문은 최종 검증 후 순위가 조정된 결과다.
연구진은 'UniTraffic: Evidence-Centric Agentic Video Reasoning Across Traffic Anomalies, Violations, and Intent'를 ECCV 2026 AI City Challenge 워크숍 논문으로 발표하고 구현 코드도 공개했다. 연구의 핵심은 단순히 영상 속 이상상황을 분류하는 것이 아니라, AI가 내린 판단을 시간정보와 영상 속 증거에 연결해 설명하도록 한 데 있다.
AI가 보는 영상도 압축한다…국제표준화·산업기술로 확대
ETRI는 AI의 영상 분석에 필요한 데이터를 효율적으로 전달하는 기반기술도 연구하고 있다. 지난 10월 12일 발표한 기계용 영상 부호화(Video Coding for Machines·VCM)는 사람이 시청하는 영상의 화질보다 AI가 객체를 검출하고 분류·추적할 때 필요한 정보를 효율적으로 압축·전송하는 기술이다.
기존 영상압축은 같은 데이터 용량에서 사람이 느끼는 화질을 유지하는 데 중점을 둔다. 반면 VCM은 AI 분석에 필요한 시각적 특징을 보존하면서 데이터 전송량을 줄이는 방식이다. 영상이나 중간 특징정보를 여러 장치 사이에서 교환해야 하는 지능형 교통과 영상보안, 로봇 시스템 등에서 활용할 수 있는 기술로 연구되고 있다.
ETRI의 2026년 국방기술백서에는 관련 영상 부호화 연구에서 기존 VVC 방식 대비 BD-rate 75% 개선, 다계층 특징맵 압축 연구에서 87% 이상의 개선 결과가 수록돼 있다. BD-rate는 비교 대상의 품질이나 작업 성능 조건에서 필요한 비트율의 차이를 나타내는 지표다. 백서는 해당 연구의 기술성숙도를 TRL 4로 제시했으며, 관련 국제학술지 논문과 특허출원도 소개했다. 두 개선 수치는 서로 다른 실험 조건과 기술의 평가 결과다.
이 연구는 국제표준화 활동과도 연결된다. 국제 동영상 표준화기구 MPEG는 AI와 기계시각 시스템에 필요한 영상 부호화 기술을 VCM 분야에서 논의해 왔다. ETRI는 관련 연구성과와 기술을 10월 한국전자전(KES 2026)에서도 소개했다.
ETRI의 AI 연구성과는 이 밖에도 국제표준화와 공공문제 해결로 확대되고 있다. 연구원은 국제전기통신연합 전기통신표준화부문(ITU-T)의 체화 AI 관련 포커스그룹 운영에 참여하고 있으며, 부산시와 정부출연연구기관들이 공동으로 추진하는 극한호우 대응 기술의 개발·실증에도 참여하고 있다. 표준화 논의 참여와 공공 실증 착수는 각각 국제 협력과 실제 환경 검증 단계의 성과다.
ETRI가 발표한 연구 가운데 AI 과학자는 2035년까지의 단계별 개발목표를 갖고 있으며, AI 데이터센터의 차세대 광입출력과 컴퓨팅 운영기술도 중장기 연구과제로 추진되고 있다. 반면 광검출기 개발과 광패키징 기술 시연, 로봇 이동지능 국제대회 평가, 교통영상 분석 논문과 영상 압축 연구에서는 구체적인 개발·검증 성과가 발표됐다.
이처럼 ETRI의 AI 연구개발은 과학자의 연구 과정을 지원하는 지능형 시스템과 이를 구동하는 컴퓨팅 기반기술, 실제 환경의 영상과 로봇 작업을 처리하는 AI를 아우른다. 범용 AI 모델과 개별 산업용 서비스 개발을 넘어 여러 연구기관과 기업이 활용할 수 있는 공통기술을 확보하는 것이 ETRI가 제시한 국가임무형 연구개발의 중심이다.
출처 ETRI, AI·DX 중심 국가임무 연구전략 및 ETRI Conference 2026(2026.9.1) · ETRI, AI 과학자와 AIDC 비전 · Huang 외, Idea Generation in AI for Science, InUS Transactions(2026.6) · Sakana AI, The AI Scientist, arXiv(2024) · ETRI, 200Gbps 광검출기 개발(2026.3.18) · ETRI, 인옵틱스 광패키징 기술 시연·사업화(2026.6.18) · ETRI, ECCV 로봇 이동지능 평가(2026.9.16) · Lee 외, 다중 로봇 오케스트레이션, IEEE Access(2026) · ETRI, 교통영상 AI 국제대회 성과(2026.9.22) · Shangguan 외, UniTraffic, ECCV 2026 Workshop · AI City Challenge 2026 공식 수상기록 · ETRI, AI용 영상 부호화 발표(2026.10.12) · ETRI, 국방기술백서 2026
댓글
0