산업 자동화의 미래를 여는 AI: 시각적 프로그래밍 언어(VPL) 코드 생성의 혁신

국내 연구진이 개발한 AI 기반 시각적 프로그래밍 언어(VPL) 코드 생성 기술은 산업 자동화의 핵심인 LD 코드 생성 정확도를 10% 이상 향상시켜 산업 현장의 효율성과 안전성 향상에 크게 기여할 것으로 예상됩니다.

산업 자동화의 혁신을 이끄는 AI의 도약

최근 국내 연구진(강덕형, 조정훈, 전예진, 장선빈, 이민섭, 조자운, 이근배)이 발표한 논문 "Retrieval-Augmented Fine-Tuning With Preference Optimization For Visual Program Generation"은 산업 자동화 분야에 AI의 잠재력을 보여주는 흥미로운 결과를 담고 있습니다. 이 연구는 시각적 프로그래밍 언어(VPL), 특히 산업 자동화에서 핵심적인 역할을 하는 LD(Ladder Diagram) 코드 생성에 초점을 맞추고 있습니다.

프롬프트 방식의 한계를 넘어서

기존의 VPL 코드 생성 연구는 주로 프롬프트 기반의 대규모 언어 모델(LLM)을 활용했습니다. 하지만 이러한 방식은 LD와 같이 복잡하고 도메인 특화적인 설정이 많은 산업용 VPL에는 효과적이지 못했습니다. 단일 프롬프트로는 LD의 복잡성을 충분히 반영하기 어렵기 때문입니다.

학습 기반 접근의 우수성

본 연구는 놀랍게도 학습 기반 방식이 프롬프트 기반 방식보다 LD 생성 정확도가 훨씬 높다는 것을 실험적으로 증명했습니다. 더욱이, 작은 백본 모델을 사용하더라도 이러한 우수성이 유지된다는 점은 주목할 만합니다. 이는 AI 기반 VPL 코드 생성의 효율성을 극대화할 수 있는 중요한 발견입니다.

혁신적인 두 단계 학습 전략: 검색 증강 미세 조정 + 선호도 최적화

연구진은 VPL 생성 정확도를 더욱 높이기 위해 두 단계의 혁신적인 학습 전략을 제시했습니다.

1. 검색 증강 미세 조정(Retrieval-Augmented Fine-Tuning): 산업용 VPL에서 자주 사용되는 하위 루틴의 반복적인 사용을 활용하여 모델의 학습 효율을 높였습니다. 이는 마치 경험 많은 전문가가 과거의 성공적인 사례를 참고하여 새로운 문제를 해결하는 것과 유사합니다.
2. 직접 선호도 최적화(Direct Preference Optimization, DPO): 그래프 편집 작업을 통해 체계적으로 생성된 선호도 쌍을 이용하여 모델을 정확한 출력 방향으로 유도합니다. 이는 마치 AI에게 숙련된 감독관이 정답과 오답을 구분해주는 것과 같습니다.

10% 이상의 정확도 향상: 산업 자동화의 새로운 지평

실제 LD 데이터를 사용한 광범위한 실험 결과, 이 새로운 접근 방식은 기존의 지도 학습 방식에 비해 프로그램 수준의 정확도를 10% 이상 향상시켰습니다. 이는 단순한 성능 개선을 넘어 산업 자동화의 패러다임을 바꿀 잠재력을 지닌 획기적인 결과입니다.

이 연구는 AI를 활용한 산업 자동화의 미래를 밝게 비추는 등대와 같습니다. 앞으로 더욱 발전된 AI 기술을 통해 산업 현장의 생산성 향상과 안전성 증대에 크게 기여할 것으로 기대됩니다.