노타, AI 경량화 모델 ‘ERGO’로 ICLR 채택… 고해상도 VLM 추론 속도 3배 높인다

‘추론 기반 지각’ 기술로 연산 비용 77% 절감… 저사양 엣지 디바이스 내 고정밀 VLM 구현 성공

인공지능이 시각적 인지 능력을 갖춘 VLM(Vision-Language Model) 시대가 도래했으나, 산업 현장 도입에는 여전히 높은 진입 장벽이 존재한다. 고해상도 이미지 분석에 수반되는 막대한 연산 자원이 처리 속도 저하와 비용 상승이라는 병목 현상을 야기하기 때문이다.

AI 최적화 기술 전문 기업 노타(Nota AI)가 개발한 ‘ERGO(Efficient Reasoning & Guided Observation)’ 모델은 이러한 한계를 ‘사고방식의 혁신’으로 해결했다. 이미지 전체를 기계적으로 연산하는 기존 방식에서 탈피하여, 인간의 시각 인지 체계와 유사한 ‘추론 기반 지각(Reasoning-driven Perception)’ 방식을 도입한 것이다.

ERGO는 저해상도 이미지로 전체 맥락을 신속히 파악(Coarse)한 후, 정밀 분석이 요구되는 핵심 영역만을 특정하여 원본 해상도로 분석(Fine)하는 2단계 적응형 구조를 채택했다. 이 과정에서 강화학습 기반의 지능형 보상 시스템이 작동하여, 주어진 질의에 응답하기 위해 가장 유의미한 영역을 AI가 스스로 결정한다. 그 결과, 시각 토큰(데이터 사용량)을 약 77% 절감하면서도 추론 속도는 기존 대비 3배 이상 향상시키는 성과를 거두었다.

스마트 팩토리부터 UAE 교통 시스템까지… ‘피지컬 AI’ 표준 선점

노타의 이번 기술은 학술적 성과를 넘어 자사의 실시간 영상 관제 솔루션인 ‘노타 비전 에이전트(Nota Vision Agent, NVA)’에 즉각 적용될 예정이다. 이는 고가의 서버 인프라 없이도 산업 현장의 저사양 엣지 디바이스(Edge Device)에서 고해상도 기반의 정밀 판단을 독립적으로 수행할 수 있음을 의미한다.

특히 실시간 응답성이 필수적인 ‘피지컬 AI’ 분야에서 강력한 경쟁력을 발휘할 전망이다. 대규모 산업 현장에서의 작업자 안전 수칙 준수 여부나 미세한 장비 이상 징후 포착 시, ERGO 기술이 탑재된 시스템은 밀리초(ms) 단위의 초저지연 판단을 통해 사고를 미연에 방지할 수 있다.

노타는 현재 추진 중인 아랍에미리트(UAE) 지능형 교통 시스템(ITS) 사업을 비롯한 글로벌 프로젝트에 해당 기술을 전격 도입할 계획이다. 이를 통해 복잡한 도시 교통 데이터를 실시간으로 최적화하고 사고 예방 효율을 극대화함으로써, 물리적 세계의 안전을 책임지는 표준 기술로 자리매김한다는 전략이다.

[용어 해설]

• VLM (Vision-Language Models): 시각 정보와 언어 정보를 결합하여 처리하는 모델로, “이미지 속 사고 차량의 번호판을 확인해줘”와 같은 복합적인 명령을 수행할 수 있는 AI이다.
• ICLR (International Conference on Learning Representations): 인공지능 학습 및 표현 방식 분야에서 세계 최고의 권위를 자랑하는 최상위 학회이다.
• 추론 기반 지각 (Reasoning-driven Perception): 주어진 문맥에 따라 이미지 내에서 연산이 필요한 부분만을 지능적으로 선택해 집중하는 기술이다.
• 엣지 디바이스 (Edge Device): 센서나 카메라 등 데이터가 발생하는 지점(현장)에서 직접 연산을 수행하는 하드웨어로, 서버로의 데이터 전송 없이 즉각적인 처리가 가능하다.
• 피지컬 AI (Physical AI): 가상 세계를 넘어 로봇, 자율주행, 제조 공정 등 실제 물리적 환경에서 행동을 제어하고 상호작용하는 지능형 기술이다.