연구진은 인간의 미묘한 행동 신호(걸음걸이, 자세 등)를 활용하여 로봇의 사회적 내비게이션 성능을 향상시키는 HumAIN 프레임워크를 개발했어요.
트랜스포머 기반의 교사 모델이 다중 모드 입력 데이터를 학습하여 인간 행동을 고려한 로봇의 미래 경로 계획을 위한 표현을 학습하고, 이를 경량화된 학생 모델로 증류했어요.
실험 결과, HumAIN은 기존 방식 대비 경로 예측 지표를 평균 29.8% 향상시켰으며, 자원 제약적인 환경에서도 인간과 유사한 내비게이션 인지 능력을 가능하게 했어요.