LG AI Research, VLM과 Agentic AI로 사람 개입 없는 자율 비전 검사 프레임워크 공개

제조 현장의 딥러닝 비전 검사 시스템은 Concept Drift 발생 시 엔지니어의 수작업 라벨링과 재학습이 필수적이어서 운영 병목이 발생했다. LG AI Research는 이러한 한계를 극복하기 위해 사람의 개입을 원칙적으로 배제한(Zero-Human Intervention) 자율형 비전 검사 프레임워크를 제시했다.

이 프레임워크는 **Vision-Language Model(VLM)**과 Agentic AI를 핵심으로 하며, 네 가지 자율 메커니즘으로 작동한다.

• 불확실성 추정 및 자동 샘플링: Monte Carlo Dropout을 활용해 데이터 고유의 모호성(Aleatoric)을 제외하고 모델의 지식 부족(Epistemic)에 의한 순수 불확실성만 정밀 추출한다. 이를 통해 단순 랜덤 샘플링 대비 정확도를 +4.84% 향상시켰다.
• VLM 기반 멀티모달 자동 라벨링: VLM이 정상 레퍼런스와 대조하여 결함 위치와 원인을 자연어로 추론하고 라벨링한다. 산업용 데이터셋 학습과 도메인 특화 미세조정, 추론 강화 학습을 거친다.
• 노이즈 강건 학습: VLM이 생성한 의사 라벨의 오류 가능성을 대비해 시각적 특징 임베딩 유사도 기반 학습 정책을 적용한다.
• Agentic AI 기반 오케스트레이션: AI Agent가 데이터 추출부터 재학습, 시뮬레이션 검증, 현장 배포까지 전 과정을 자율적으로 지휘한다.

결과적으로 이 아키텍처는 사람의 수동 개입 없이 불확실성 데이터를 스스로 수집하고 재학습하는 '자가 진화형 데이터 선순환 체계'를 구현했다.