성균관대 권민혜 교수팀, NeurIPS 2026 논문 2편… 우연한 성공 걸러내는 로봇 강화학습

성균관대 전자전기공학부 권민혜 교수 연구팀의 논문 2편이 NeurIPS 2026에 채택됐다고 인공지능신문이 13일 보도했다. 첫 번째 '선택적 비판(SAG)'은 AI 에이전트가 스스로 확신이 낮을 때만 외부 고성능 모델에 검토를 요청하게 하는 기술로, 연구팀의 가상 환경 실험에서 연산 자원을 약 3분의 1로 줄이고 작업 성공률을 24.6%에서 78.3%로 높였다.

두 번째 'VAN-Flow'는 분산 회피형 n단계 오프라인 강화학습으로, 과거 데이터 속 우연히 성공한 행동을 걸러내고 반복적으로 성공하는 행동을 학습하게 해 방해 요소가 많거나 장시간 정밀 조작이 필요한 40여 개 로봇 제어 시뮬레이션 과제 대부분에서 기존 최신 기법보다 높은 성공률을 냈다고 연구팀은 밝혔다.

두 결과 모두 시뮬레이션 기준으로 실제 로봇 검증은 아직이다. MEKAWIRE가 이번 주 전한 생추어리AI의 'TIGER'가 실기 학습의 안전 문제를 다룬다면, 이 연구는 같은 신뢰성 문제를 오프라인 데이터 쪽에서 푼다.