성균관대 권민혜 교수 연구팀이 AI 비서의 연산 비용을 줄이는 선택적 검토(SAG) 기술과, 로봇이 우연한 성공을 안전한 행동으로 오인하지 않도록 하는 고신뢰성 강화학습 기술 VAN-Flow를 각각 개발해 NeurIPS 2026에 채택됐다. SAG는 AI가 자신의 판단 확신도를 평가해 필요할 때만 외부 검토를 요청하도록 해, 가상 실험에서 연산 자원 소모를 3분의 1로 줄이면서 작업 성공률을 24.6%에서 78.3%로 끌어올렸다. VAN-Flow는 과거 데이터에서 우연히 성공한 행동과 안정적으로 성공하는 행동을 구분하는 알고리즘으로, 40개 이상의 복잡한 로봇 제어 시뮬레이션에서 기존 기법보다 높은 성공률을 기록했다. 두 기술은 AI 에이전트와 로봇·자율주행 시스템을 실제 산업 현장에 안전하고 저비용으로 확장하기 위한 기반 기술로 주목된다.

• •선택적 검토(SAG), AI가 불확실할 때만 외부 검토 요청해 연산 자원 3분의 1로 절감
• •SAG 적용 시 가상 실험 작업 성공률 24.6%→78.3%로 상승
• •VAN-Flow, 우연한 성공과 안정적 성공을 구분하는 고신뢰성 강화학습 알고리즘
• •40개 이상 로봇 제어 시뮬레이션에서 기존 최신 기술보다 높은 성공률
• •두 연구 모두 NeurIPS 2026 채택, 제1저자는 박희원·강구현 연구원