서울대 로봇 AI 성과, 공대 진로 탐색 포인트

서울대학교 공과대학 연구팀의 로봇 AI는 4개 실제 로봇 조작 조건에서 평균 성공률 78.4%를 기록했습니다. 비교 대상인 엔비디아 GR00T N1.6(73.0%), Cosmos Policy(73.6%), 피지컬 인텔리전스 π0.5(76.9%)보다 높은 수치입니다. 다만 이는 정해진 실험 조건에서의 결과이므로, 산업 현장 성능이나 대학 전공의 우열을 뜻하지는 않습니다.

서울대 연구팀이 발표한 로봇 AI 성과

뉴스와이어 대학이 전한 서울대학교 공과대학 전기·정보공학부 도재영 교수 연구팀의 발표에 따르면, 연구팀은 언어 지시와 카메라 영상을 이해하고 로봇 행동을 생성하는 Dynin-Robotics를 개발했습니다. 이 모델은 로봇이 행동한 뒤의 장면을 예측하고, 그 예측을 다음 행동의 생성·선택에 활용하는 방식입니다.

연구진은 과일 옮기기, 색상별 블록 분류, 블록 쌓기 등 네 가지 조작 조건에서 성능을 평가했습니다. 모델 내부의 행동 생성 속도는 개선 전보다 최대 약 29.2배, 비교 모델인 π0.5보다 최대 약 36.6배 빨랐다고 밝혔습니다.

출처: 뉴스와이어 대학, 서울대학교 공과대학 발표

공대 진로에서 읽을 수 있는 변화

이번 사례는 로봇 연구가 기계 장치 설계만으로 이뤄지지 않는다는 점을 보여줍니다. 전기·전자, 컴퓨터공학, 인공지능, 제어, 영상 처리, 데이터 분석이 함께 쓰입니다. 특히 사람의 자연어 지시를 이해하고 실제 물체를 다루려면 소프트웨어 역량과 하드웨어 이해를 함께 갖춰야 합니다.

연구팀은 제조·물류 현장의 부품 취급과 분류, 의료 분야의 수술 보조 로봇·내시경 로봇 적용 가능성도 검토하고 있습니다. 따라서 공학 계열을 희망하는 학생은 ‘AI를 활용한다’는 관심을 넘어, 어떤 현실 문제를 센서·데이터·알고리즘으로 해결하고 싶은지 구체화하는 것이 좋습니다.

수험생 지원 전략

전기정보공학, 컴퓨터공학, 기계공학, 산업공학 등 유관 전공을 탐색할 때는 학과명만 비교하기보다 로봇·AI 관련 교과목, 연구실, 산학 프로젝트를 함께 확인해야 합니다. 학생부나 면접에서는 로봇 기술 자체를 과장하기보다 수학·물리·정보 과목에서 쌓은 기초 역량을 관심 분야와 연결해 설명하는 전략이 유효합니다.

이번 수치는 연구 환경의 성능 평가 결과입니다. 대학 지원에서는 해당 성과를 근거로 합격 가능성을 판단하기보다, 관심 전공에서 요구하는 학습 내용과 자신의 탐구 경험이 맞닿아 있는지를 점검하는 자료로 활용해야 합니다.