ETRI | “사람이 몰린 현장에서도, 로봇이 시연자의 말을 놓치지 않았습니다”

Physical AI 시대의 결정체로, 휴머노이드 로봇의 개발 경쟁이 한층 가속화되고 있습니다. 로봇이 사람처럼 움직이는 것도 중요하지만, 사람과 닮은 존재가 되려면 결국 사람과 원활히 소통할 수 있어야 합니다. 그리고 그 소통의 출발점은 언제나 ‘정확히 듣는 것’입니다.

문제는, 로봇에게 ‘듣는 일’이 유독 가혹하다는 데 있습니다. 생활 소음과 반향은 물론, 로봇 자신이 움직이며 내는 액추에이터 소음과 진동까지 겹치는 극한의 음향 환경에 놓이기 때문입니다. 이 소음의 벽을 넘어 ‘듣고자 하는 사람’의 목소리만 골라 들어야 하는 것이죠.

이 어려운 과제를 정면으로 마주한 팀이 있습니다. 국내 대표 정부출연연구기관 ETRI(한국전자통신연구원)입니다. ETRI는 휴머노이드 로봇에 탑재할 ‘듣는 기술’을 완성하기 위해 엠피웨이브와 함께 하였습니다. 시끄러운 현장에서도, 로봇이 스스로 움직이는 순간에도 사람의 말을 놓치지 않는 로봇. 그 연구를 이끈 ETRI 연구진에게 이야기를 들어봤습니다.

콘텐츠 순서

• Physical AI를 연구하는 곳, ETRI를 만나다
• “로봇이 들으려면, 먼저 소음을 이겨야 한다” — 원거리 음성인식의 난제
• 알고리즘을 넘어, 마이크 어레이 하드웨어부터 함께 설계하다
• 사람이 몰린 현장에서 증명된 ‘듣는 기술’
• 일정을 함께 지켜준 파트너, 그리고 다음 이야기

Physical AI를 연구하는 곳, ETRI를 만나다

안녕하세요, 먼저 간단한 소개와 함께 이번 연구가 어떤 연구인지 말씀 부탁드립니다.

ETRI 연구원: 안녕하세요, ETRI에서 음성 AI 기술을 연구하고 있습니다. 이번 연구는 휴머노이드 로봇이 시끄러운 실세계 환경에서도 원거리에 있는 사용자의 목소리를 정확히 인식하도록 만드는, 로봇 탑재용 음성 기술 연구입니다.

휴머노이드 로봇에게 ‘듣는 기술’은 얼마나 중요한가요?

ETRI 연구원: 사용자가 로봇과 상호작용하기 위해 필요한 기능 중 하나입니다. 정교하게 움직이고 똑똑하게 판단하는 로봇이라도, 사람의 말을 듣는 것이 원활하지 않으면 사용자에게 효용을 주기 어렵습니다. 사람과 상호작용한다는 것은 결국 사람의 말을 잘 알아듣는 데서 시작하는 것이 아니겠습니까?

“로봇이 들으려면, 먼저 소음을 이겨야 한다” — 원거리 음성인식의 난제

로봇의 음성인식은 특히 무엇이 어렵나요?

ETRI 연구원: 로봇은 까다로운 음향 환경에 노출되어 있습니다. 생활 소음과 반향은 물론 로봇 자신이 움직이며 내는 소리까지 음성인식을 방해합니다. 이러한 소음 환경에서 ‘목적 화자’인 사용자의 발화를 인식하는 것은 매우 어려운 문제였습니다.

그중에서도 가장 까다로웠던 지점은요?

ETRI 연구원: 로봇 팔이 움직일 때 발생하는 소음이 특히 큰 걸림돌이었습니다. 로봇이 가만히 있을 때가 아니라 스스로 움직이는 상황에서도 사용자의 목소리를 놓치지 않아야 하는데, 이게 음성인식 엔진만으로는 풀기 어려운 문제였어요.

💡 잠깐 — 마이크 어레이와 원거리 음성인식 전처리란?

마이크 어레이는 여러 개의 마이크를 배열해 소리가 들어오는 방향을 구분하는 하드웨어입니다. 이를 통해 로봇이 ‘어느 쪽 사람의 말인지’를 가려낼 수 있습니다. 음성 전처리는 잡음·반향·에코를 걸러내 목표 화자의 음성만 선명하게 추출하는 앞단 처리입니다. 다중 채널 오디오를 실시간으로 받아 소음을 억제하고 목소리만 남겨, 인식 엔진이 ‘깨끗한 소리’를 받도록 만듭니다.

알고리즘을 넘어, 마이크 어레이 하드웨어부터 함께 설계하다

이 과제를 엠피웨이브와 함께 풀기로 하셨는데, 협업하게 된 배경이 궁금합니다.

ETRI 연구원: 로봇이 사람과 자연스럽게 대화하려면 실제 잡음 환경에서 음성을 정확히 인식하는 것이 매우 중요합니다. 인식을 위해 음성을 수집하는 전처리는 하드웨어와 소프트웨어가 함께 맞물리는 영역입니다. 엠피웨이브는 해당 분야에서 연구 실적들을 보유하고 있고 이전 공동 과제를 통한 협업을 성공적으로 수행한 경험이 있어, 이번 연구에서도 협력을 진행하게 되었습니다.

구체적으로 어떤 부분을 함께 만들었나요?

ETRI 연구원: 엠피웨이브는 로봇 탑재용 ‘듣는 하드웨어와 소프트웨어’를 만들었습니다. 다수 마이크와 에코 레퍼런스 입출력 기능을 갖춘 마이크 어레이 인터페이스 하드웨어를 로봇의 기구에 맞춰 설계하고, 다중 채널 오디오를 실시간으로 받아 다양한 에코와 소음을 억제하고 목표 음성만 추출하는 기술을 구현했어요. 소프트웨어 알고리즘에 머무르지 않고, 하드웨어의 밑바탕부터 쌓아 올린 겁니다.

로봇이 스스로 움직이며 내는 소음은 어떻게 해결했나요?

ETRI 연구원: 바로 그 부분이 인상적이었습니다. 로봇 팔이 움직일 때 나는 소음까지 해결하는 극한 소음 대응 기술을, 엠피웨이브가 하드웨어와 소프트웨어 양면에서 구현해 주었어요. 덕분에 로봇이 스스로 움직이는 상황에서도 사용자의 목소리를 놓치지 않게 됐고, 우리 휴머노이드 로봇은 시끄러운 환경에서도 목적 화자의 발화를 안정적으로 인식하는 역량을 갖추게 되었습니다.

사람이 몰린 현장에서 증명된 ‘듣는 기술’

연구 성과를 실제로 확인하신 순간이 있으셨나요?

ETRI 연구원: 코엑스에서 열린 2026 ETRI 컨퍼런스에서 우리 로봇을 시연하게 됐는데 관람객이 정말 많았습니다. 특히, VIP 시연 시 취재진을 포함해 순간적으로 수많은 사람들이 몰려 예상보다 배경 소음이 큰 환경에서 시연을 하게 되었습니다. 시끄러운 현장임에도 불구하고 로봇이 시연자의 발화를 정확히 인식하고 대화를 이어갔습니다. 실험실이 아닌 현장조건에서 동작을 확인할 수 있었던 기회였습니다.

일정을 함께 지켜준 파트너, 그리고 다음 이야기

연구를 진행하는 동안 엠피웨이브의 대응(일정, 소통, 문제 해결)은 어떠셨나요?

ETRI 연구원: 각 연구 일정에 맞게 개발과 검증을 책임감 있게 대응해 주셨을 뿐만 아니라, 잡음 녹음이 필요한 경우 함께 현장에 찾아와 노하우를 공유해 주셨습니다. 덕분에 계획한 연구개발 일정을 지킬 수 있었으며 그 결과물의 완성도도 지킬 수 있었습니다.

앞으로의 협업이나 로봇 음성 기술의 발전 방향에 대해 기대하시는 점이 있다면요?

ETRI 연구원: 앞으로도 Physical AI 시대에 로봇이 사람과 더 정확히, 더 자연스럽게 대화하도록 만드는 기술을 위해 관련 연구를 이어갈 계획입니다.

정리하며

로봇이 사람을 닮아간다는 것은, 결국 사람의 말을 알아듣는 데서 시작됩니다. 아무리 정교하게 움직이고 똑똑하게 판단해도, 의사소통이 원활하지 않으면 사용자에게 효용을 줄 수 없기 때문입니다. 그래서 ‘듣는 기술’은 휴머노이드 로봇에게 가장 필수적이면서도, 로봇 스스로가 만들어내는 소음과 진동, 예측할 수 없는 실세계 소음까지 모두 이겨내야 하는 가장 어려운 과제입니다.

ETRI(한국전자통신연구원)와 엠피웨이브는 이 어려운 문제를 정면으로 마주했습니다. 소프트웨어 알고리즘에 머무르지 않고, 로봇의 기구에 맞춰 설계한 마이크 어레이 하드웨어부터 로봇 팔이 움직일 때의 극한 소음까지 해결하는 소프트웨어 알고리즘까지, 하드웨어와 소프트웨어의 밑바탕부터 한 단계씩 쌓아 올렸습니다. 그 결과 로봇은 스스로 움직이는 순간에도 ‘듣고자 하는 사람’의 목소리를 놓치지 않게 되었고, 실제 환경에서 그 역량을 증명했습니다.

엠피웨이브는 원천 특허와 신기술(NET) 인증으로 입증된 기술력을 바탕으로, Physical AI 시대의 로봇이 사람과 더 정확히, 더 자연스럽게 대화하는 그 길을 선도해 나가겠습니다.