로봇은 왜 자기 소리 때문에 사람 말을 놓치는가

로봇은 액추에이터와 스피커에서 스스로 소음을 만듭니다. 공기 전파와 구조 전파, 비정상 소음, 에코와 더블토크가 음성 인식을 어렵게 하는 이유를 신호처리와 기구 설계의 관점에서 설명하고 마이크 배치의 절충까지 짚습니다.

엠피웨이브2026년 8월 20일

수정일: 2026년 8월 20일

로봇은 다른 기기와 달리 스스로 소음을 만듭니다. 액추에이터가 움직이는 순간 마이크와 소음원의 거리가 수 센티미터로 좁혀지고, 그 소음은 사용자의 목소리보다 훨씬 크게 들어옵니다.

사람의 말을 듣는 로봇에는 외부의 생활 소음뿐 아니라, 자신이 움직이고 말하는 과정에서 생긴 소리가 함께 들어옵니다. 이 글은 로봇 음성 인터페이스에서 입력 신호가 왜 먼저 훼손되는지, 그리고 그 문제를 신호처리와 기구 설계가 어떻게 나누어 다뤄야 하는지 설명합니다.

로봇의 음향 환경은 무엇이 특별한가

로봇의 자기 소음(ego-noise)은 모터, 관절, 냉각 장치, 움직이는 부품처럼 로봇 자신의 전기·기계 구성요소가 만들어 내는 소리입니다. 일반 음성 기기는 대체로 기기 밖의 소음을 다루지만, 로봇은 마이크와 소음원이 같은 몸체에 있고 로봇의 동작에 따라 그 관계도 변합니다. 따라서 외부 소음 억제의 문제와 자기 소음 억제의 문제를 구분해 설계할 필요가 있습니다 [1].

구분	일반 음성 기기	로봇
소음원 위치	기기 밖	기기 안 · 마이크와 같은 구조물
소음 성질	비교적 일정	동작에 따라 갑자기 변함
전달 경로	공기	공기 + 구조물 진동
마이크와 화자	상대 위치 고정	로봇이 움직이면 계속 변함
스피커	있을 수도	같은 몸체에 있음

사용자 음성은 보통 로봇 바깥에서 들어오지만, 액추에이터는 마이크 가까이에서 동작합니다. 사용자는 수십 센티미터에서 수미터 밖에 있을 수 있는 반면, 액추에이터는 마이크에서 수 센티미터 안쪽에 있어 목표 음성보다 자기 소음이 더 큰 입력을 전제로 처리해야 합니다. 로봇이 고개나 팔을 움직이면 마이크 배열과 화자의 상대 위치도 바뀌고, 이전 시점에 잡은 공간 정보가 그대로 맞지 않을 수 있습니다. 로봇 청취가 별도의 연구 과제가 된 이유는 바로 이처럼 소음의 발생원·공간·동작 조건이 한꺼번에 변하기 때문입니다 [1] [2].

로봇 마이크에 들어오는 네 가지 소리 — 사용자 음성, 액추에이터 소음의 공기 전파, 액추에이터 진동의 구조 전파, 로봇 스피커 소리의 되울림을 화살표로 구분한 개념도 — 그림 1. 로봇 마이크에 유입되는 소리의 종류를 나눈 개념도입니다. 실제 음압 크기나 전달 비율을 나타내지 않습니다.

액추에이터 소음은 왜 일반 잡음 제거로 안 되는가

첫째, 액추에이터 소음은 비정상(non-stationary)입니다. 모터가 시작하거나 멈추고, 속도와 가속도가 달라질 때마다 주파수 성분과 크기가 시간에 따라 달라집니다. 고전적 스펙트럼 차감은 무음 구간에서 추정한 잡음 스펙트럼을 바탕으로 음성 구간의 잡음 성분을 빼는 방식이므로, 잡음의 성질이 유지된다는 전제가 흔들리면 추정값이 현재 상태를 따라가지 못할 수 있습니다 [3].

둘째, 액추에이터 소음은 공기만 통해 들어오지 않습니다. 모터의 진동은 로봇의 프레임과 마이크 고정부를 타고 전달된 뒤 마이크에 영향을 줄 수 있으며, 이런 구조 전파(structure-borne) 성분은 단일한 외부 점음원처럼 다루기 어렵습니다 [1]. 액추에이터에서 마이크를 멀리 두는 것만으로 충분하지 않은 이유도 여기에 있습니다. 따라서 음향 전처리만이 아니라 방진 마운트, 마이크 고정 방식, 구조물 접점 같은 기구 설계 영역을 함께 검토해야 합니다.

일반적인 잡음 제거가 쓸모없다는 뜻은 아닙니다. 다만 로봇에서는 현재 동작, 마이크 배열, 구조 전달의 영향을 함께 고려해야 하므로, 고정된 잡음 하나를 추정해 빼는 문제보다 더 복합적인 입력 품질 문제가 됩니다. 로봇의 동작 상태나 다채널 신호의 공간적·스펙트럼적 구조를 활용하는 접근이 연구되는 이유도 여기에 있습니다 [1] [2].

로봇이 내는 소리와 사람이 내는 소리를 어떻게 구분하는가

여러 마이크가 있으면 소리가 각 마이크에 도달하는 시간·크기·상관관계의 차이에서 공간 정보를 얻을 수 있습니다. 이 정보는 어느 방향의 신호를 우선할지 정하고, 사용자 음성과 로봇 내부 소음을 같은 신호로 취급하지 않도록 돕습니다. 다만 로봇은 움직이는 배열이므로, 마이크 위치와 주변 구조물의 영향이 바뀌는 상황까지 고려해야 합니다 [2].

역할은 한 단계에 몰아넣기보다 나누는 편이 명확합니다. 단일 마이크 입력의 잡음 제거·음성 향상은 mpNC, 다중 마이크 입력에서 공간 정보를 활용한 주변 소음 억제는 mpBeamforming, 스피커에서 되돌아오는 소리는 mpAEC가 각각 다룹니다. mpBeamforming은 마이크의 상대 위치 정보 없이 입력 신호로 자동 최적화하도록 설계되어, 마이크 수나 배치가 바뀌었을 때 재튜닝 부담을 줄이는 데 목적이 있습니다.

이 구분은 「하나의 알고리즘이 모든 소리를 없앤다」는 의미가 아닙니다. 사용자 음성의 방향성과 다채널 관계를 활용하는 처리, 단일 채널의 음질을 다루는 처리, 스피커 에코를 다루는 처리는 입력 조건과 역할이 다르기 때문입니다. 현장의 마이크 간격과 배열 원리는 마이크 배열과 빔포밍의 관계에서 별도로 다룹니다.

스피커에서 나간 소리가 다시 들어오는 문제(에코)는 어떻게 푸는가

로봇이 말하는 동안 사용자가 끼어들어 말하는 상황을 barge-in이라고 합니다. 이때 마이크에는 로봇 스피커에서 나온 소리의 되울림과 사용자의 음성이 함께 들어옵니다. 사용자의 발화를 막지 않고 대화를 이어가려면, 알려진 스피커 출력 신호를 기준으로 되울림을 다루는 음향 반향 제거(AEC)가 필요합니다 [2].

일반적인 적응형 AEC는 원단의 스피커 신호와 근단의 사용자 음성이 동시에 존재하는 더블토크 상황을 먼저 판정해 필터 갱신을 제어합니다. 근단 화자가 존재하면 적응 과정이 방해받을 수 있어, 더블토크 검출로 모델 필터의 적응을 멈춰 발산을 피하는 방식이 쓰입니다 [4].

mpAEC는 근단 신호가 있어도 안정적으로 반향을 제거하도록 설계되어 더블토크 검출이 필요하지 않습니다. 또한 스테레오 스피커처럼 두 원단 채널이 서로 닮아 있는 경우에도, 해를 하나로 좁히기 위해 원단 신호를 무상관화할 필요가 없습니다. 이는 로봇이 말하면서 동시에 들어야 하는 상황에서, 「지금 사용자가 끼어들었는가」라는 사전 판정 단계에만 의존하지 않도록 하는 구조적 차이입니다. mpAEC와 mpBeamforming을 함께 구성한 mpAB는 이 두 처리를 통합합니다.

로봇 기구 설계와 마이크 배치는 어떤 관계인가

마이크를 액추에이터에서 멀리 두는 방법은 부분적으로만 해결책이 됩니다. 공기 전파 성분에는 거리가 영향을 줄 수 있지만, 구조 전파 성분은 같은 구조물의 진동 경로를 통해 남을 수 있습니다. 반대로 마이크를 사용자 쪽으로 보내면 사용자 음성에는 가까워질 수 있지만, 외형, 조립, 원가, 다른 부품의 위치가 새 제약이 됩니다.

따라서 마이크 배치는 음향 처리 이후에 한 번 결정하고 끝내는 변수가 아닙니다. 방진 마운트는 액추에이터의 진동이 마이크 고정부로 곧바로 전달되는 경로를 약화하거나 끊는 역할을 합니다. 방진과 고정 방식, 액추에이터의 위치, 사용자와의 예상 거리, 배열 형상, 조립성을 함께 맞춰 가는 설계 변수입니다. 외형은 부품 위치와 조립 순서를 정하므로, 이 조건이 바뀌면 배치도 늦은 단계에서 다시 검토하게 됩니다. 배치가 마지막까지 바뀔 수 있는 환경에서는 mpBeamforming이 입력 신호로 자동 최적화하고 재튜닝을 요구하지 않도록 한 설계가 실무적인 의미를 가집니다.

이 절충은 어느 한쪽을 정답으로 고르는 문제가 아닙니다. 사용자 음성에 가까운 위치와 내부 소음에서 떨어진 위치 사이에서 무엇을 우선할지 정하고, 구조 전파는 기구 설계에서 별도로 줄여야 합니다. 적용 맥락은 로봇 음성 인터페이스 적용 분야에서도 확인할 수 있습니다.

마이크를 액추에이터에서 멀리 둘 때와 사용자 쪽으로 가까이 둘 때의 상충관계, 그리고 구조 전파는 거리만으로 줄지 않는다는 점을 나타낸 개념도 — 그림 2. 마이크 위치를 결정할 때의 상충관계를 나타낸 개념도입니다. 실제 거리, 음압 크기, 전달 비율을 나타내지 않습니다.

이 문제를 실제로 어떻게 풀었나

이 문제는 실험실의 일반론만으로 끝나지 않고 실제 로봇 환경에서 검토되어야 합니다. 자기 소음, 다채널 입력, 스피커 에코, 마이크 배치의 제약은 서로 영향을 주므로 한 요소만 떼어 판단하기 어렵습니다. 실제 현장에서 이 문제를 다룬 맥락은 ETRI(한국전자통신연구원) 사례에서 확인할 수 있습니다.

자주 묻는 질문

로봇이 움직일 때만 인식이 안 되는데 원인이 무엇인가요?

원인은 액추에이터 자기 소음일 가능성이 큽니다. 동작 시작·정지와 속도 변화에 따라 소음의 스펙트럼이 달라지고, 진동이 구조물을 통해 마이크에 전달될 수 있어 입력 음성이 먼저 훼손됩니다. 이때는 동작 상태와 기구 전달 경로를 함께 살펴야 합니다.

마이크를 액추에이터에서 멀리 두면 해결되나요?

부분적으로만 해결됩니다. 공기 전파 소음은 줄일 여지가 있지만, 구조 전파 진동은 마이크와 액추에이터의 거리만 벌려도 남을 수 있습니다. 또한 마이크가 사용자에게서도 멀어질 수 있으므로, 방진·고정 방식과 배열 배치를 함께 검토해야 합니다.

음성인식 엔진을 바꾸면 나아지나요?

나아지지 않습니다. 마이크 입력이 자기 소음과 에코로 이미 훼손된 뒤에는 인식 엔진만으로 원래 신호를 되돌리기 어렵습니다. 전처리는 인식 엔진과 분리된 입력 품질 계층이며, 수치와 평가 방법은 음성 향상 지표 읽는 법에서 다룹니다.

참고자료

태그:#로봇

모든 글 보기