Lab Management | Giseop Kim

이상적인 연구주제란?

Sun, 02 Aug 2026 00:52:00 +0900

이상적인 연구주제를

ROIC(투하자본 대비 이익률) 가 매우 높으면서 이를 토대로 많은 가용 자본 (우수학생, 연구실 내외 협업기회 선순환 및 가속화 기여, 외부 펀드 확보 등) 을 계속 확보할 수 있는 주제

라고 정의해보자.

더 정확히 말하면 이상적인 연구주제는 성과를 내는 주제가 아니라, 연구자본을 복리로 증식시키는 주제야.

기업재무에서 장기 성장률을 대략

$$ g \approx \mathrm{ROIC} \times \text{Reinvestment Rate} $$

로 보듯이, 연구실도 비슷해.

아무리 한 번의 연구성과가 좋아도 그 결과를 후속 연구에 재투자할 수 없다면 일회성 성공에 그쳐. 반대로 논문 한 편의 성과는 보통이어도, 그것이 데이터·코드·학생 역량·협업망·외부 인지도·후속 과제를 계속 축적한다면 강력한 연구 프로그램이 될 수 있어.

연구에서의 투하자본

연구실의 자본은 단순히 연구비가 아니야.

교수의 집중력과 판단 시간
학생의 학습 기간과 student-year
데이터 수집비와 실험 인프라
GPU, 로봇, 센서 같은 장비
공동연구자의 신뢰와 사회적 자본
논문 제출 기회와 연구실의 평판
특정 문제를 이해하기까지 축적한 암묵지

특히 가장 비싼 자본은 교수의 attention과 우수학생의 시간이야. 돈은 다시 딸 수 있지만, 학생 한 명의 박사과정 1년은 되돌릴 수 없으니까.

연구수익은 논문 수가 아니다

연구의 수익은 다음을 모두 포함해야 해.

$$ \text{Research Return} \mathrel{=} \text{논문 성과} +\text{재사용 가능한 자산} +\text{후속 연구 옵션} +\text{인재 유치 효과} +\text{협업 유입} +\text{펀딩 가능성} +\text{평판 상승} $$

그래서 연구주제의 실질적인 ROIC는 이렇게 봐야 해.

$$ \text{Research ROIC} \mathrel{=} \frac{ \text{현재 성과} +\text{축적된 연구자산} +\text{미래 옵션 가치} }{ \text{교수 attention} +\text{학생 시간} +\text{실험비} +\text{조정 복잡도} } $$

여기서 중요한 건 현재 성과보다 축적되는 자산과 옵션 가치야.

예를 들어 특정 벤치마크에서 1% 성능을 올리는 연구는 논문이 될 수 있지만, 다음 연구를 거의 쉽게 만들어주지 못한다면 ROIC가 높다고 보기 어려워. 반면 새로운 문제정의, 평가축, 데이터셋, 시스템 아키텍처를 만든 연구는 첫 논문 이후의 연구비용을 계속 낮춰줘.

진짜 이상적인 주제의 구조

1. 작은 초기자본으로 강한 신호를 만들 수 있어야 한다

처음부터 10명의 학생, 수십 대의 로봇, 거대한 데이터셋이 필요한 주제는 위험해.

좋은 주제는 소규모 실험만으로도 다음을 증명할 수 있어야 해.

문제가 실제로 존재한다
기존 방법이 구조적으로 실패한다
제안한 관점이 실패를 설명한다
확장하면 큰 연구 프로그램이 될 수 있다

즉, cheap proof, expensive implication의 구조가 좋아.

작은 증거로 큰 미래를 보여줘야 해.

2. 첫 번째 결과가 다음 연구의 비용을 낮춰야 한다

가장 좋은 연구자산은 소비되지 않아.

데이터셋은 여러 논문에서 재사용된다
평가 지표는 후속 연구의 문제를 정의한다
시스템 인프라는 학생들의 진입비용을 낮춘다
이론적 프레임은 여러 현상을 설명한다
코드베이스는 새로운 아이디어의 검증 속도를 높인다
실패 사례 모음은 다음 가설을 만들어낸다

연구가 진행될수록 새로운 논문 한 편을 만드는 한계비용이 떨어져야 해.

이것이 연구에서의 economies of scale이야.

3. 더 많은 자본을 받아들일 수 있어야 한다

ROIC가 높더라도 규모를 키울 수 없다면 연구실 전체를 성장시키지 못해.

어떤 아이디어는 교수와 학생 한 명이 하면 좋지만, 학생 다섯 명이 붙는 순간 서로 중복되고 생산성이 떨어져. 이런 주제는 높은 ROIC를 가질 수는 있어도 capital absorption capacity가 작아.

좋은 연구주제는 여러 층으로 분해돼야 해.

이론
데이터셋
평가
알고리즘
시스템
실제 로봇 실험
산업 응용
사용자 인터랙션

그래야 학부생, 석사, 박사, 포닥, 외부 공동연구자가 서로 다른 난이도와 시간축으로 참여할 수 있어.

4. 성과가 새로운 자본을 끌어와야 한다

가장 중요한 조건은 여기야.

좋은 연구주제는 논문을 낸 뒤 다음과 같은 선순환을 일으켜.

$$ \text{좋은 연구} \rightarrow \text{학술적 신뢰} \rightarrow \text{우수학생·협업자 유입} \rightarrow \text{더 큰 연구 수행} \rightarrow \text{대형 펀드와 영향력} \rightarrow \text{더 좋은 연구} $$

그래서 논문의 성능 숫자뿐 아니라 외부인이 그 연구의 미래를 이해할 수 있는가가 중요해.

학생은 “여기서 박사학위를 하면 큰 문제를 풀 수 있겠다”고 느껴야 하고
기업은 “이 기술이 3년 뒤 필요하다”고 느껴야 하고
심사위원은 “지금 투자하면 새로운 연구축이 만들어지겠다”고 느껴야 하고
다른 연구자는 “내 기술과 결합하면 새로운 결과가 나오겠다”고 느껴야 해

좋은 연구주제는 결과물인 동시에 자본 모집을 위한 신뢰성 있는 서사야.

고 ROIC 연구와 복리형 연구는 다르다

이 둘을 구분해야 해.

유형	초기 ROIC	추가 자본 흡수	장기 가치
쉬운 벤치마크 개선	높을 수 있음	낮음	낮음
대규모 시스템 데모	낮을 수 있음	높음	불확실
일회성 데이터 수집	중간	낮음	중간
새로운 평가 패러다임	높음	중간~높음	높음
확장 가능한 연구 플랫폼	높음	높음	매우 높음

궁극적으로 찾아야 하는 건 단순히 ROIC가 높은 문제가 아니라,

ROIC가 높고, 재투자할 기회가 많으며, 더 큰 자본을 투입해도 수익률이 쉽게 떨어지지 않는 문제

야.

기업으로 치면 좋은 작은 가게가 아니라, 높은 수익률을 유지하면서 수십 년간 점포를 늘릴 수 있는 사업이지.

교수의 관점에서는 ‘논문’보다 ‘연구 프랜차이즈’를 골라야 한다

학생은 한 편의 좋은 논문을 선택할 수도 있어. 하지만 교수는 그보다 한 단계 위에서 선택해야 해.

교수가 선택해야 하는 것은 다음 질문에 답할 수 있는 research franchise야.

이 문제는 5년 뒤에도 중요한가?
첫 논문 이후 더 중요한 문제가 자연스럽게 나타나는가?
데이터·코드·실험 경험이 계속 누적되는가?
여러 학생이 서로의 결과를 레버리지할 수 있는가?
외부 연구자와 기업이 참여할 접점이 많은가?
국가과제와 산업과제를 설득할 수 있는가?
연구실 이름만 들어도 연상되는 독점적 영역을 만들 수 있는가?

이 중 상당수가 아니면 좋은 논문 주제일 수는 있어도 좋은 연구실 주제는 아닐 가능성이 커.

APRL 관점에서 보면

기섭의 연구 중 Memory-Augmented Spatial Intelligence가 중요한 이유도 바로 이것이야.

이 주제는 단순히 memory module 하나를 제안하는 문제가 아니야.

lifelong SLAM
spatio-temporal scene understanding
place recognition
multi-session mapping
VLN
VLA
human instruction grounding
interactive clarification
multi-robot knowledge sharing
embodied agent evaluation

으로 계속 확장될 수 있어.

그리고 기존 자산도 재사용할 수 있어.

ScaleMaster의 장기·대규모 SLAM 관점
LT-Mem의 spatio-temporal memory 구조
Mag4D-SLAM의 반복주행 데이터
VPR의 distractor 및 평가 방법론
실제 로봇과 DGIST 환경
SLAM, localization, spatial intelligence에 대한 연구실의 평판

즉, 새로운 주제를 시작할 때마다 0에서 출발하는 것이 아니라, 이전 연구가 다음 연구의 초기자본이 돼.

이게 바로 복리형 연구 프로그램의 모습이야.

반면 단지 최신 VLA 모델을 특정 로봇에 이식하고 성공률을 조금 올리는 연구라면 논문은 될 수 있어도, 연구실의 장기 자본 축적에는 덜 기여할 수 있어. 모델이 바뀔 때마다 기술자산이 감가상각될 가능성이 크기 때문이야.

다만 ROIC만 보면 생기는 함정

ROIC를 단기적으로 계산하면 쉬운 논문을 반복하는 쪽으로 왜곡될 수 있어.

그래서 반드시 다음 세 개를 같이 봐야 해.

$$ \boxed{ \text{Ideal Research Topic} \mathrel{=} \text{Expected ROIC} \times \text{Reinvestment Runway} \times \text{Capital Attraction} } $$

여기에 실패 위험과 연구자 의존도를 나눠줘야 해.

$$ \text{Research Franchise Value} \propto \frac{ \text{ROIC} \times \text{재투자 가능 기간} \times \text{자본 유치력} }{ \text{실패 위험} \times \text{운영 복잡도} \times \text{핵심 인물 의존도} } $$

좋은 주제는 첫 논문이 잘될 확률만 높은 것이 아니야.

첫 결과가 나왔을 때 더 큰 베팅을 할 근거가 생기고, 그 베팅이 성공하면 다시 더 큰 기회가 열리는 주제야.

그래서 이상적인 연구주제를 한 문장으로 다시 정의하면 이렇다고 봐.

이상적인 연구주제란 제한된 교수 attention과 학생 시간을 투입해 높은 학술·기술적 성과를 만들고, 그 과정에서 축적된 지식·데이터·인프라·평판이 우수학생, 협업, 펀드와 후속 문제를 지속적으로 끌어들여 연구실의 가용 자본과 미래 선택지를 복리로 증식시키는 문제 영역이다.

그리고 냉정하게 말하면, 좋은 논문을 낼 수 있는 주제보다 좋은 학생과 좋은 과제를 계속 불러오는 주제가 한 단계 더 좋은 주제야.

연구실경영학 — 승률을 설계하는 연구실

Sun, 02 Aug 2026 00:45:00 +0900

철자 500개를 외우지 않고도 우승하는 법

철자 맞추기 대회에서 우승하기 위해 세상에 존재하는 단어 500개의 철자를 모두 외울 필요는 없다. 우승을 가르는 것은 총지식량이 아니라, 승부처에서 필요한 지식을 정확히 꺼내는 능력이기 때문이다.

모든 단어를 무작정 암기하는 사람보다 자주 출제되는 어근과 접사를 알고, 언어별 철자 규칙을 구분하며, 발음으로부터 어원을 역추론할 수 있는 사람이 더 강하다. 헷갈리는 예외를 집중적으로 관리하고, 모르는 단어가 나왔을 때 출제자에게 어떤 질문을 해야 하는지 아는 사람도 마찬가지다.

연구도 이와 크게 다르지 않다.

세계의 모든 논문을 읽을 필요도 없고, 가능한 모든 기술을 익힐 필요도 없다. 중요한 것은 앞으로 어떤 문제가 결정적으로 중요해질지, 어떤 실험 하나가 여러 가설을 동시에 가를 수 있는지, 어떤 병목을 풀면 후속 연구가 연쇄적으로 열리는지를 알아보는 능력이다.

연구실 경영의 언어로 바꾸면 이 명제는 더욱 노골적이 된다.

500개의 일을 평균적으로 잘하는 연구실보다, 승패를 결정하는 다섯 가지 일을 압도적으로 잘하는 연구실이 강하다.

논문 한 편에서도 진짜 중요한 것은 반드시 실험의 개수가 아니다. 문제 정의가 기존 문헌의 맹점을 정확히 찌르는가, 핵심 가설을 반박하기 어려운 실험이 있는가, 결과를 한눈에 납득시키는 표나 그림이 있는가, 후속 연구 프로그램으로 확장 가능한가, 그리고 왜 지금 이 연구실이 남들보다 먼저 이 문제를 풀 수 있는가가 훨씬 중요할 수 있다.

그러므로 “더 많이 하자”보다 먼저 물어야 할 질문은 이것이다.

이 경기에서 실제로 우승을 결정하는 단어는 무엇인가?

그리고 더 냉정하게는 다음을 물어야 한다.

우리가 외우고 있는 500개의 단어 가운데, 실제 경기에는 나오지 않을 480개는 무엇인가?

연구실의 스트라이크존을 정한다는 것도 결국 같은 철학을 따른다. 모든 공을 잘 치는 것이 아니라, 가장 큰 장타를 만들 수 있는 공을 구분하고 그 공에 자원을 집중하는 것이다.

다만 이 전략의 본질은 공부를 적게 하는 데 있지 않다. 무엇을 버려도 되는지를 판단할 만큼 전체 구조를 깊이 이해하는 데 있다.

1. 연구실은 지식 생산 조직이 아니라 승률을 설계하는 조직이다

“500개의 단어를 모두 알 필요는 없다”는 말은 단순한 선택과 집중보다 더 강한 주장이다.

연구실의 목적은 구성원들이 가능한 한 많은 기술을 배우고, 많은 실험을 수행하고, 많은 논문을 읽게 만드는 데 있지 않다. 연구실은 제한된 학생, 시간, 연구비, GPU, 데이터, 실험 장비와 교수의 관심을 활용해 특정한 확률을 높이는 조직이다.

그 확률은 다음과 같다.

중요한 문제를 남들보다 먼저 발견하고, 결정적인 증거를 만들고, 그 결과를 반복 가능한 연구 프로그램으로 확장할 확률.

따라서 연구실 경영의 핵심 변수는 총활동량이 아니다.

어떤 경기에 참가할 것인가, 어떤 문제를 끝까지 붙들 것인가, 어떤 능력을 연구실의 공용자산으로 축적할 것인가, 어떤 프로젝트를 중간에 죽일 것인가, 그리고 교수의 관심을 어디에 집중할 것인가가 핵심 변수다.

특히 연구실에서 가장 희소한 자원은 GPU도, 연구비도 아니다.

PI의 고품질 판단 시간이 가장 희소한 자원이다.

학생이 네 명일 때는 교수의 직관과 즉흥적인 개입만으로도 연구실이 돌아갈 수 있다. 교수가 학생의 코드를 직접 보고, 논문의 방향을 바꾸고, 실험을 다시 설계해도 아직은 감당할 수 있다.

하지만 연구실이 여덟 명, 열두 명으로 커지면 상황이 달라진다. 프로젝트가 열 개라면 교수는 어느 프로젝트에도 충분히 깊이 들어가기 어렵다. 교수의 관심은 잘게 분절되고, 각 프로젝트는 완전히 틀리지는 않지만 결정적으로 날카롭지도 않은 상태에 머물게 된다.

결국 연구실이 커질수록 선택의 대가가 커지는 것이 아니다.

선택하지 않는 대가가 폭발적으로 커진다.

모든 학생에게 서로 다른 주제를 주고, 모든 흥미로운 아이디어를 프로젝트로 만들고, 모든 가능성을 열어두는 것은 자유로운 운영처럼 보인다. 그러나 실제로는 가장 희소한 자원인 교수의 판단 시간을 무차별적으로 분산시키는 결정이 될 수 있다.

연구실이 커질수록 더 많은 것을 해야 하는 것이 아니라, 무엇을 하지 않을 것인지 더욱 분명해져야 한다.

2. 연구실의 경영 단위는 논문이 아니라 연구 프로그램이어야 한다

많은 연구실은 논문을 기본적인 경영 단위로 삼는다.

ICRA 한 편, IROS 한 편, RA-L 한 편, 혹은 학생 한 명당 논문 한 편이라는 식이다. 학생의 졸업과 성과평가가 논문 단위로 이루어지기 때문에 자연스러운 방식이기도 하다.

그러나 논문은 학계에서 연구 결과를 배포하는 단위일 뿐, 연구실을 경영하기에 가장 적합한 단위는 아니다.

연구실의 실질적인 경영 단위는 연구 프로그램이어야 한다.

연구 프로그램에는 하나의 논문보다 더 긴 시간축이 존재한다. 장기적으로 해결하려는 질문이 있고, 반복해서 사용할 데이터와 코드가 있으며, 여러 세대의 학생이 공유할 수 있는 평가 파이프라인이 있다. 핵심 가설들은 하나의 계층을 이루고, 첫 번째 가설이 실패하더라도 다른 분기로 이동할 수 있다.

좋은 연구 프로그램은 다음과 같은 요소를 가진다.

해결하려는 장기 질문
반복적으로 수집하고 활용할 데이터
재사용 가능한 코드와 평가 시스템
서로 연결된 핵심 가설
실패하더라도 연구실에 남는 자산
후속 논문으로 이어질 수 있는 여러 분기

논문을 단위로 운영하면 프로젝트가 실패하는 순간 학생의 1년이 사라질 수 있다. 반면 연구 프로그램 안에서 프로젝트를 운영하면 결과가 예상과 다르더라도 데이터, 코드, 실패 원인, 새로운 평가법, 반례가 남는다.

그래서 좋은 연구실의 프로젝트는 다음 조건을 만족해야 한다.

성공하면 논문이 남고, 실패하더라도 다음 연구가 남는다.

논문 단위의 연구실은 매번 처음부터 다시 시작한다. 새로운 문제를 정의하고, 새로운 코드를 만들고, 새로운 데이터를 수집하고, 새로운 평가법을 설계한다.

연구 프로그램 단위의 연구실은 반대로 축적한다. 앞선 연구가 다음 연구의 초기조건이 되고, 한 학생의 실패가 다른 학생의 시행착오를 줄이며, 하나의 데이터셋이 여러 질문에 반복적으로 사용된다.

연구실 규모가 커질수록 이 차이는 더욱 커진다. 연구 프로그램이 없는 연구실에서는 학생 수가 늘어날수록 독립된 프로젝트가 늘어나고 관리 복잡도도 함께 증가한다. 반면 프로그램이 있는 연구실에서는 학생 수가 늘어날수록 공용자산과 문제 해결 능력이 함께 커진다.

3. 가장 위험한 프로젝트는 실패하는 프로젝트가 아니라 그럭저럭 되는 프로젝트다

명백히 안 되는 프로젝트는 의외로 덜 위험하다.

실험이 완전히 실패하거나, 가설이 틀렸다는 증거가 분명하거나, 필요한 자원이 현실적으로 부족하다면 비교적 빠르게 중단할 수 있다.

정말 위험한 것은 그럭저럭 진행되는 프로젝트다.

baseline보다 성능이 약간 좋아진다.
그림은 그럴듯하다.
실험을 조금 더 하면 논문 한 편은 가능할 것 같다.
학생이 이미 반년을 투자했기 때문에 중단하기 어렵다.
연구 질문이 중요한지는 분명하지 않지만 결과는 조금씩 나온다.

이런 프로젝트가 교수의 시간과 학생의 1년을 가장 많이 소비한다.

성과가 전혀 없지 않기 때문에 중단할 명분은 부족하고, 결정적인 발견은 없기 때문에 자원을 더 투입할 명분도 부족하다. 프로젝트는 죽지도 않고 크게 성장하지도 않은 채 연구실의 관심과 계산 자원을 계속 점유한다.

따라서 프로젝트의 생존 기준을 단순히 “결과가 나오는가”로 잡으면 안 된다. 다음 질문을 함께 던져야 한다.

이 결과가 기존의 믿음이나 문제 인식을 바꾸는가?
다른 연구에서 재사용 가능한 자산을 만드는가?
후속 질문이 자연스럽게 열리는가?
연구실의 핵심 연구 프로그램을 강화하는가?
외부 연구자가 이 결과를 기억할 이유가 있는가?

이 가운데 어느 하나도 강하게 답할 수 없다면, 출판 가능성이 있더라도 장기적으로는 약한 프로젝트일 수 있다.

이를 관리하기 위해 연구실에는 정기적인 kill review가 필요하다.

8주나 12주마다 프로젝트를 다음 세 가지 중 하나로 분류하는 방식이다.

Double down

중요한 신호가 발견됐고 연구실의 강점과도 맞는다. 학생, GPU, 데이터 수집, PI의 시간을 추가로 배정한다.

Reframe

현재의 접근이나 중심 주장은 약하지만, 실험 과정에서 중요한 문제를 발견했다. 방법을 조금 수정하는 수준이 아니라 질문 자체를 다시 정의한다.

Stop

현재 프로젝트에 더 이상 연구실의 핵심 자원을 투자하지 않는다. 지금까지 얻은 코드, 데이터, 실패 기록을 정리하고 종료한다.

여기서 가장 중요한 것은 중단을 실패로 취급하지 않는 문화다.

나쁜 프로젝트를 3개월 만에 정확하게 죽인 학생은, 같은 프로젝트를 1년 동안 끌고 간 학생보다 더 뛰어난 연구적 판단력을 보여준 것일 수 있다. 무엇이 안 되는지 빨리 알아내는 능력 역시 연구 성과다.

중단을 처벌하면 학생은 부정적인 결과를 숨기고, 교수에게 보여주기 좋은 결과만 선택하게 된다. 반대로 반증과 중단을 인정하면 프로젝트의 평균 생존 기간은 짧아지지만 연구실 전체의 승률은 높아진다.

4. 교수는 모든 프로젝트에 많이 개입하는 사람이 아니라 결정적인 순간에 개입하는 사람이어야 한다

교수가 모든 프로젝트를 지속적으로 깊게 지도하는 것은 좋은 책임감처럼 보인다. 하지만 연구실이 커지면 이 방식은 유지될 수 없다.

교수의 개입이 가장 높은 가치를 가지는 순간은 따로 있다.

첫째, 문제를 정의할 때

연구 초기에 잘못된 문제를 선택하면 이후의 모든 최적화가 무의미해질 수 있다. 학생이 1년간 코드를 정교하게 작성하고 실험을 반복하더라도, 질문 자체가 중요하지 않다면 좋은 연구가 되기 어렵다.

처음 2주에 이루어지는 문제 정의는 이후 1년의 생산성을 결정한다.

둘째, 첫 번째 반증 실험을 설계할 때

초기 연구에서 필요한 것은 아이디어가 잘 작동하는 사례를 만드는 것이 아니다. 어떤 결과가 나오면 이 아이디어를 포기해야 하는지 정의하고, 이를 가장 싸고 빠르게 확인하는 실험을 만드는 것이다.

성공 사례를 수십 개 만드는 것보다, 핵심 가설을 직접 공격하는 반증 실험 하나가 더 많은 시간을 절약할 수 있다.

셋째, 결과를 해석할 때

학생은 흔히 평균 성능이 올랐다는 사실에 집중한다. 교수는 그보다 왜 특정 조건에서만 성능이 올랐는지, 어떤 데이터에서는 반대 결과가 나왔는지, 예상하지 못한 패턴이 무엇인지를 봐야 한다.

좋은 연구는 예상한 결과를 얻는 데서 끝나지 않는다. 예상과 어긋난 결과를 새로운 질문으로 변환하는 데서 시작된다.

넷째, 논문의 중심 주장을 압축할 때

논문 작성 막바지에 교수의 가장 중요한 역할은 실험을 더 추가하는 것이 아니다. 무엇을 주장하지 않을 것인지 결정하는 것이다.

한 편의 논문에 가능한 모든 결과를 넣으면 기여가 많아지는 것이 아니라 중심이 흐려진다. 가장 강한 주장 하나를 남기고, 약한 주장을 버리고, 그 주장을 지지하는 증거의 구조를 만드는 일이 중요하다.

반대로 교수의 시간이 상대적으로 덜 필요한 일도 있다. 반복적인 하이퍼파라미터 튜닝, 표의 형식 정리, 단순한 디버깅, 문장 단위의 교정까지 교수가 직접 담당한다면 모든 프로젝트는 교수의 처리속도에 묶인다.

좋은 연구실 경영은 교수의 개입을 무조건 줄이는 것이 아니다.

교수 개입의 정보가치를 높이는 것이다.

5. 많이 아는 학생보다 이상함을 빨리 발견하는 학생이 강하다

연구의 승부는 지식량의 경쟁이라기보다 anomaly detection의 경쟁에 가깝다.

좋은 연구자는 예상과 다른 것을 빨리 알아본다.

왜 이 baseline만 비정상적으로 좋은가? 왜 특정 방향의 주행에서만 실패하는가? 왜 장기 환경에서는 평균 metric과 실제 체감 성능이 반대로 움직이는가? 왜 language model의 설명과 실제 로봇의 행동이 일치하지 않는가? 왜 평균 성능은 좋아졌는데 hard negative에서는 더 심하게 무너지는가?

이런 질문을 던지는 능력은 단순히 논문을 많이 읽는다고 자동으로 생기지 않는다.

학생에게 정답을 많이 전달하는 것보다, 이상한 결과를 보고 작업을 멈추는 습관을 훈련해야 한다. 예상과 다른 결과를 단순한 구현 오류로 치부하지 않고, 새로운 현상의 후보로 다루는 태도가 필요하다.

연구회의 질문도 이에 맞게 바뀌어야 한다.

“이번 주에 무엇을 했는가?”만 물으면 학생은 활동량을 보고하게 된다. 코드 몇 줄을 작성했고, 실험을 몇 번 했으며, 성능이 얼마나 올랐는지를 보여준다.

대신 다음과 같은 질문을 반복적으로 던질 수 있다.

예상과 가장 다르게 나온 것은 무엇인가?
현재 가설을 가장 위협하는 증거는 무엇인가?
이 결과가 틀렸다면 어디서부터 잘못됐을 가능성이 큰가?
지금 실험 하나만 할 수 있다면 무엇을 하겠는가?
어떤 결과가 나오면 이 프로젝트를 중단해야 하는가?

이 질문들은 단순한 회의 형식이 아니다. 연구실이 무엇을 좋은 연구 행동으로 인정하는지를 결정한다.

활동량을 묻는 연구실에서는 학생이 바쁘게 움직인다. 반증을 묻는 연구실에서는 학생이 생각한다. 이상함을 묻는 연구실에서는 학생이 발견한다.

6. 연구실의 진짜 성과지표는 논문 수가 아니라 축적률이다

논문 수는 중요하다. 학생의 졸업과 진로, 연구실의 평가와 연구비 수주를 위해 반드시 필요하다.

그러나 논문 수는 연구실 경영의 결과를 뒤늦게 보여주는 후행지표이며, 때로는 조직의 상태를 왜곡한다. 논문 수가 많더라도 매번 새로운 코드와 데이터로 처음부터 시작한다면 연구실 내부에는 아무것도 축적되지 않을 수 있다.

그래서 연구실에는 논문 수와 별개의 내부 지표가 필요하다.

재사용률

한 프로젝트에서 만들어진 코드, 데이터, 평가기가 다른 프로젝트에서 몇 번 사용되는가?

재사용이 많다는 것은 단순히 정리가 잘됐다는 의미가 아니다. 서로 다른 논문이 하나의 연구 프로그램 안에서 연결되어 있다는 신호다.

진입 시간

신입생이 연구실에 들어온 뒤 첫 번째 유의미한 실험을 수행하는 데 얼마나 걸리는가?

진입 시간이 짧다면 코드, 데이터, 문서, 지식 전달 구조가 살아 있다는 뜻이다. 진입에 6개월이 걸린다면 선배의 지식이 개인의 머릿속에만 저장되어 있을 가능성이 크다.

반증 시간

하나의 아이디어가 틀렸는지를 확인하는 데 몇 주가 필요한가?

아이디어를 많이 내는 연구실보다, 약한 아이디어를 빠르게 제거하는 연구실이 장기적으로 더 강하다.

자산 잔존율

논문 제출이 끝난 뒤에도 코드, 데이터셋, benchmark, 실험 기록, 문서 가운데 얼마나 많은 것이 계속 사용되는가?

논문 제출과 동시에 모든 것이 버려진다면 연구실은 결과물을 만들었을 뿐 자산을 만들지는 못한 것이다.

프로그램 연결도

각 논문은 이전 연구의 자산을 얼마나 사용하며, 다음 연구를 얼마나 자연스럽게 열어주는가?

서로 인용만 한다고 연결된 것은 아니다. 실제 코드, 데이터, 문제 정의, 평가 구조가 이어져야 한다.

PI 의존도

교수가 직접 코드를 디버깅하고, 실험을 재설계하고, 논문의 구조를 처음부터 다시 잡지 않아도 프로젝트가 얼마나 진행될 수 있는가?

PI 의존도가 낮아진다는 것은 교수가 필요 없어진다는 뜻이 아니다. 교수의 역할이 저수준 문제 해결에서 고가치 판단으로 이동했다는 뜻이다.

이 지표들이 좋아질수록 연구실은 단순히 논문을 생산하는 장소에서 지식을 복리로 축적하는 조직으로 바뀐다.

논문은 매년 새로 시작되지만, 연구실의 능력은 해마다 누적되어야 한다.

7. 넓은 호기심은 유지하되 인력 포트폴리오는 좁아야 한다

미래를 넓게 보는 능력과 새로운 기술에 빠르게 관심을 갖는 태도는 연구자의 중요한 장점이다. VLA, world model, agentic memory, self-evolving skill, formal verification과 같은 새로운 흐름을 일찍 발견하는 것은 장기적인 연구 방향을 설계하는 데 큰 도움이 된다.

하지만 연구실 경영에서는 이 강점이 그대로 위험이 될 수 있다.

모든 재미있는 아이디어가 학생의 주제가 되는 위험

교수가 흥미를 느끼는 것과 연구실이 인력을 배정해야 하는 것은 다른 판단이다.

좋은 아이디어라고 해서 모두 지금 연구해야 하는 것은 아니다. 중요한 아이디어라도 연구실의 현재 자원, 학생 구성, 축적된 기술, 시점과 맞지 않을 수 있다.

따라서 아이디어는 넓게 수집하되 실제 프로젝트로 전환하는 비율은 낮아야 한다.

호기심 포트폴리오는 넓게, 인력 포트폴리오는 좁게.

새로운 아이디어는 논문 읽기 목록, 소규모 탐색 실험, 학생 세미나의 형태로 유지할 수 있다. 그러나 정규 학생의 1년과 교수의 지속적인 관심을 투입하는 순간에는 훨씬 엄격한 기준이 필요하다.

새로운 분야의 어휘를 배우느라 기존의 우위를 잊는 위험

VLA나 foundation model이 중요하다고 해서 해당 분야의 대형 연구실과 동일한 방식으로 경쟁할 필요는 없다.

오히려 기존의 강점이 새로운 흐름과 만나는 경계를 찾아야 한다.

예를 들면 다음과 같은 질문이다.

Foundation model이 실제 장기 로봇 환경에 들어오면 어디에서, 왜, 어떤 구조로 실패하는가?

이 질문에는 장기 로봇 운용, 기하학적 상태추정, 환경 변화, localization과 mapping, 실제 데이터 수집 경험이 직접적인 경쟁력이 된다.

새로운 어휘를 받아들이되 기존의 문법을 버리지 않는 것이 중요하다.

학생별 독립왕국이 생기는 위험

한 학생만 이해하는 코드, 한 학생만 접근할 수 있는 데이터, 한 학생만 아는 평가법이 늘어나면 연구실은 학생 수가 많아질수록 강해지는 것이 아니라 취약해진다.

학생이 졸업하는 순간 프로젝트가 사라지고, 신입생은 다시 처음부터 시작한다.

핵심 연구 프로그램에는 최소한 두 명 이상이 기술적 맥락을 공유해야 한다. 코드를 대신 작성할 필요까지는 없더라도, 다른 사람이 데이터 구조와 실험 논리, 주요 실패 원인을 이해할 수 있어야 한다.

논문 마감이 연구 방향을 지배하는 위험

학회 마감은 연구를 압축하고 완결시키는 유용한 장치다. 그러나 마감에 맞추기 위해 연구 질문을 급하게 발명하기 시작하면 연구 프로그램이 분절된다.

ICRA 마감이 다가왔기 때문에 ICRA용 주제를 만들고, IROS가 다가왔기 때문에 또 다른 주제를 만드는 방식은 단기적으로는 논문 수를 만들 수 있다. 하지만 장기적으로는 연구실이 어떤 문제를 푸는 곳인지 불분명해진다.

마감은 연구를 압축하는 장치여야지, 연구 질문을 생성하는 장치가 되어서는 안 된다.

8. 연구실의 정체성은 선택보다 일관된 비선택에서 만들어진다

한 번 어떤 주제를 선택하는 것은 어렵지 않다.

정말 어려운 것은 그 주제를 선택한 뒤 몇 년 동안 계속해서 다른 좋은 기회를 거절하는 일이다. 새로운 분야가 등장하고, 흥미로운 논문이 나오며, 공동연구 제안과 과제가 들어올 때마다 연구실의 방향을 바꾸지 않는 것은 강한 자제력을 요구한다.

연구실의 정체성은 무엇을 했는가뿐 아니라 무엇을 반복해서 하지 않았는가에 의해 만들어진다.

남들이 한다는 이유만으로 따라가지 않는다.
장비가 있다는 이유만으로 연구 주제를 만들지 않는다.
학생이 이미 구현했다는 이유만으로 논문화하지 않는다.
성능이 올랐다는 이유만으로 중요한 결과라고 부르지 않는다.
새로운 모델이 나왔다는 이유만으로 기존 질문을 버리지 않는다.
학회 마감이 다가왔다는 이유만으로 독립적인 프로젝트를 추가하지 않는다.

이런 비선택이 수년간 일관되게 축적되면 외부에서 연구실을 특정한 방식으로 인식하기 시작한다.

저 연구실은 장기 공간 기억과 변화하는 환경에서의 로봇 지능을 정말 깊게 연구하는 곳이다.

이 인식은 단순한 홍보 문구가 아니다. 연구실이 어떤 학생을 끌어들이는지, 어떤 공동연구 제안을 받는지, 어떤 과제에 초대되는지, 어떤 논문의 리뷰어와 발표자로 불리는지를 결정한다.

좋은 학생, 공동연구자, 데이터, 과제, 초청이 동일한 축을 따라 모이기 시작하면 스트라이크존은 더 이상 내부의 연구 전략에 머물지 않는다.

외부의 기대와 자원의 유입을 스스로 강화하는 연구실의 브랜드가 된다.

9. 모든 프로젝트에 던져야 할 네 가지 질문

연구실의 현재 프로젝트와 후보 프로젝트를 정리할 때는 복잡한 평가표보다 네 가지 질문이 더 유용할 수 있다.

첫째, 이 프로젝트는 어느 장기 연구 프로그램에 속하는가?

어느 프로그램에도 속하지 않는다면 독립적인 프로젝트를 새로 만들 만큼 중요한 질문인지 다시 검토해야 한다.

둘째, 기존 연구실 자산 가운데 무엇을 재사용하는가?

데이터, 코드, 평가기, 하드웨어, 이론, 실험 경험 가운데 아무것도 재사용하지 않는다면 연구실의 기존 우위가 작동하지 않는 프로젝트일 수 있다.

셋째, 실패하더라도 무엇이 남는가?

실패했을 때 아무것도 남지 않는다면 프로젝트의 위험을 한 명의 학생이 모두 부담하게 된다.

넷째, 이 프로젝트가 끝나면 다음 논문 두 편은 무엇인가?

후속 연구가 전혀 보이지 않는다면 단발성 아이디어일 가능성이 높다. 반대로 다음 질문이 자연스럽게 이어진다면 연구 프로그램의 일부가 될 수 있다.

이 네 가지 가운데 두 가지 이상에 명확히 답하기 어렵다면, 그 프로젝트는 아직 연구실의 핵심 자원을 배정받을 준비가 되지 않은 것이다.

좋은 아이디어가 아니라는 의미는 아니다. 아직 정규 프로젝트가 되기 위한 구조가 부족하다는 뜻이다.

맺음말: 이번 경기에서 출제될 언어를 판단하는 사람

철자 맞추기 대회의 비유로 돌아가면, 연구실의 목표는 500개의 단어를 외우는 것이 아니다.

어떤 언어에서 문제가 출제되는지 알고, 반복되는 어근과 변형 규칙을 익히며, 헷갈리는 예외를 관리하고, 결정적인 단어가 나왔을 때 틀리지 않는 조직을 만드는 것이다.

이 관점에서 PI의 가장 중요한 역할은 학생들에게 더 많은 단어를 계속 나누어주는 것이 아니다.

이번 경기에서 실제로 출제될 언어가 무엇인지 판단하는 것이다.

그리고 연구실의 가장 중요한 능력은 모든 가능성에 조금씩 대비하는 능력이 아니다.

무엇이 승부를 결정하는지 알아보고, 그것을 남들보다 깊게 준비하며, 나머지 좋은 기회들을 일관되게 포기할 수 있는 능력이다.

결국 강한 연구실은 가장 많은 것을 하는 연구실이 아니다.

중요한 순간에 중요한 문제를 선택하고, 결정적인 증거를 만들며, 그 과정에서 얻은 능력을 다음 연구에 축적하는 연구실이다.

철자 500개를 외우지 않고도 우승하는 것.

그것이 연구실 경영에서 선택과 집중이 도달해야 할 가장 높은 형태다.

손안에 든 새 한마리가 숲속에 있는 두마리보다 낫다

Sun, 02 Aug 2026 00:00:00 +0900

연구실 경영학에서 “손안의 새 한 마리”

연구실 경영에서 이 말은 단순히 안전한 주제만 하라는 뜻이 아니야. 더 정확히는,

불확실한 미래가치를 과대평가하지 말고, 이미 확보한 자산을 실제 성과와 다음 기회로 전환하라는 원칙이야.

연구자는 아이디어를 보고 흥분하지만, 연구실장은 아이디어뿐 아니라 학생의 시간, 졸업 시점, 연구비, 장비, 협업 관계, 논문 파이프라인까지 동시에 봐야 해. 이때 숲속의 새 두 마리는 언제나 실제보다 크게 보이거든.

1. 연구실의 손안의 새는 무엇인가

연구실에서 손안의 새는 이미 게재된 논문만을 뜻하지 않아. 다음처럼 통제 가능성이 높은 자산을 모두 포함해.

이미 수집된 독점 데이터
작동하는 코드베이스와 실험 인프라
문제를 깊이 이해하는 학생
논문 초안과 재현 가능한 결과
지속적으로 활용할 수 있는 로봇 플랫폼
신뢰가 형성된 산업체·해외 연구자 협력
연구실이 이미 인정받고 있는 연구 정체성
후속 연구를 연속적으로 생산할 수 있는 benchmark나 evaluation protocol

예를 들어 APRL 입장에서 보면 ScaleMaster, LT-Mem, Mag4D-SLAM, VPR 평가 연구는 각각 단일 논문이 아니라 후속 연구를 생성할 수 있는 생산자산이야.

좋은 연구실장은 이런 자산을 보고 이렇게 질문해야 해.

“이 연구를 한 편 더 쓸 수 있는가?”가 아니라 “이 자산이 향후 3년 동안 몇 개의 연구 질문을 생성할 수 있는가?”

손안의 새를 잘 관리한다는 건 같은 논문을 반복한다는 뜻이 아니라, 이미 획득한 정보 우위와 실행 우위를 복리로 굴리는 거야.

2. 숲속의 두 마리가 매력적으로 보이는 이유

새로운 연구주제는 언제나 기존 연구보다 아름답게 보이기 쉬워.

아직 실험하지 않았으므로 실패가 보이지 않고
최신 용어를 사용하므로 미래지향적으로 느껴지고
다른 연구실의 성공 사례만 보이며
실제 엔지니어링 비용은 계산되지 않고
학생이 배워야 할 지식과 인프라 전환비용은 숨겨져 있기 때문이야.

예컨대 갑자기 humanoid manipulation, world model, formal verification, agent self-evolution 같은 주제가 매력적으로 보일 수 있어. 실제로 중요한 미래 방향일 수도 있지.

하지만 경영 관점에서는 별도의 질문이 필요해.

우리가 남들보다 먼저 알 수 있는 것이 있는가?
독점 데이터나 실험 환경이 있는가?
6개월 안에 최초의 검증 결과를 얻을 수 있는가?
학생 한 명의 졸업 논문으로 닫힐 수 있는가?
실패하더라도 남는 코드·데이터·방법론이 있는가?
기존 연구실 브랜드와 연결되는가?

여기에 답이 없다면 그것은 좋은 미래일 수는 있어도, 아직 좋은 투자 대상은 아니야.

3. 연구실은 투자 포트폴리오이면서 생산 시스템이다

연구실 경영은 벤처캐피털과 비슷한 면이 있지만 완전히 같지는 않아.

벤처캐피털은 열 개 중 한 개만 크게 성공해도 되지만, 연구실은 실패한 아홉 개의 프로젝트에 참여한 학생들도 졸업해야 해. 따라서 연구실은 고위험 투자회사인 동시에 인재 생산과 학위 생산에 책임을 지는 운영 조직이야.

그래서 연구 포트폴리오는 대략 세 층으로 나누는 것이 좋아.

① 확실한 생산층

현재 가진 데이터, 방법론, 코드, 논문을 마무리하는 영역이야.

revision
dataset paper
benchmark expansion
rigorous evaluation
기존 시스템의 강한 후속편
산업과제 deliverable

연구실의 현금흐름에 해당해. 논문, 졸업, 과제 성과, 연구실 평판을 안정적으로 공급해.

② 인접 확장층

현재 강점에서 한두 단계 확장하는 연구야.

예를 들면:

SLAM → lifelong spatial memory
place recognition → distractor-aware evaluation
geometric mapping → language-interfaced navigation
memory management → adaptive skill or tool evolution
single-robot memory → multi-agent shared memory

이 영역이 가장 중요해. 성공 가능성과 미래성이 함께 존재하기 때문이야. 대체로 연구실의 주력 투자는 여기에 있어야 해.

③ 장기 옵션층

아직 실현 가능성이 불확실하지만 미래가 큰 연구야.

self-evolving robotic skills
autonomous scientific discovery for robotics
lifelong embodied world models
formal verification of embodied agents
general-purpose spatial intelligence

이것은 당장의 주력 사업이 아니라 콜옵션처럼 다뤄야 해. 학생 한 명의 전 시간을 걸기보다, 작은 탐색 실험·세미나·학부연구·공동연구 형태로 가능성을 보유하는 게 맞아.

즉, 숲속의 두 마리를 포기하지는 않되, 잡히지도 않은 새에게 연구실 전체의 사료를 주면 안 돼.

4. 연구실에서 가장 위험한 것은 실패보다 미완성이다

연구실 경영에서는 실패한 프로젝트보다 계속 살아 있으면서 자원을 소모하는 프로젝트가 더 위험해.

논문이 될 것 같아서 1년 더 붙잡고
실험 하나만 추가하면 될 것 같고
framing만 바꾸면 될 것 같고
새로운 모델이 나오면 다시 돌려보려 하고
학생도 이미 시간을 많이 썼으니 포기하기 어렵고

이런 프로젝트는 연구실의 좀비 자산이 돼.

“손안의 새” 원칙은 마무리의 경제학이기도 해.

80% 완성된 논문 하나를 100%로 만드는 데 2개월이 걸리고, 새로운 아이디어를 0%에서 80%로 만드는 데 8개월이 걸린다면, 대부분의 경우 전자를 먼저 닫아야 해. 논문 한 편의 가치는 단지 한 편이 아니라:

학생의 자신감
후속 연구의 출발점
연구비 제안서의 preliminary result
협업 상대의 신뢰
새로운 학생을 모집할 수 있는 평판
연구실 내부의 재현 가능한 코드

까지 연쇄적으로 만들어내기 때문이야.

성과는 선형적으로 쌓이지 않아. 완결된 성과끼리는 서로를 증폭시키지만, 미완성 프로젝트끼리는 서로의 시간을 잡아먹는다.

5. 학생 경영에서도 같은 원리가 적용된다

연구실장은 흔히 학생의 잠재력을 숲속의 새처럼 바라봐.

“이 학생이 조금만 더 하면 큰 주제를 할 수 있을 것 같다.”

그런데 학생 성장에서도 먼저 손에 잡히는 성공 경험을 줘야 해.

작은 실험을 끝내게 하고
baseline을 정확히 재현하게 하고
작은 workshop paper라도 완결하게 하고
한 개의 figure를 자기 책임으로 완성하게 하고
코드와 문서를 다른 학생이 사용할 수 있게 만들게 해야 해.

학생에게 너무 일찍 거대한 미래 주제를 맡기면, 학생은 높은 이상을 배우는 게 아니라 끝나지 않는 연구 습관을 배울 수 있어.

좋은 연구지도는 학생을 작은 문제에 가두는 것이 아니라,

작은 승리를 통해 큰 문제를 감당할 수 있는 사람으로 만드는 것

이야.

특히 박사과정 학생에게는 장기적 문제를 주되, 그 안에 3개월, 6개월, 12개월 단위로 잡을 수 있는 새가 있어야 해. 박사과정 전체를 하나의 거대한 가설에 걸면, 그것은 교육이라기보다 도박이 되기 쉬워.

6. 연구실장은 아이디어보다 종료 조건을 관리해야 한다

연구주제 회의에서는 흔히 “무엇을 할 것인가”만 논의하지. 하지만 경영적으로는 다음이 더 중요해.

언제 중단할 것인가
무엇이 나오면 계속할 것인가
어느 정도면 논문으로 닫을 것인가
실패했을 때 어떤 자산을 남길 것인가
누가 최종 의사결정을 할 것인가

예를 들어 새로운 VLN 아이디어라면:

6주 안에 기존 benchmark에서 signal이 없으면 framing을 바꾼다.
3개월 안에 baseline 대비 유의미한 차이가 없으면 method paper가 아니라 analysis paper로 전환한다.
실제 로봇 실험이 막히면 offline evaluation benchmark를 독립 성과로 만든다.
학생 졸업 12개월 전부터는 새로운 대형 인프라를 시작하지 않는다.

이런 규칙이 있어야 숲속을 탐색하면서도 길을 잃지 않아.

연구실의 생산성은 좋은 아이디어의 개수보다 잘 정의된 종료점의 개수에 의해 결정되는 경우가 많아.

7. 과제 경영에서는 “확보한 신뢰”가 가장 귀한 새다

국가과제나 회사과제에서도 유사해.

새로운 거대 과제를 따기 위해 완전히 새로운 정체성을 만드는 것보다, 기존 성과를 통해 쌓은 신뢰를 확장하는 편이 강해.

예를 들면 네 연구실의 제안서에서 설득력 있는 구조는:

이미 보유한 SLAM·mapping·memory 자산
실제 장기간 데이터와 로봇 실험 능력
기존 논문에서 드러난 명확한 한계
그 한계를 spatial intelligence, VLA, multi-agent로 확장
산업체가 바로 이해할 수 있는 현장 시나리오

이런 식이야.

평가자는 “이 주제가 미래에 중요하다”뿐 아니라,

“왜 하필 이 연구팀이 이 문제를 성공시킬 수 있는가?”

를 본다.

여기서 손안의 새는 preliminary result, 데이터, 논문, 장비보다도 팀의 누적된 신뢰 가능성이야. 새로운 과제는 기존 연구의 반복이 아니라, 기존 신뢰를 담보로 더 큰 미래를 사는 행위가 되어야 해.

8. 다만 손안의 새에 집착하면 연구실이 늙는다

이 원칙에는 반대편 위험도 있어.

이미 잘하는 연구만 반복하면:

학생들이 교수의 옛 성공을 복제하게 되고
연구실의 기술 스택이 노후화되고
새로운 커뮤니티로 진입하지 못하고
안정적인 논문은 나오지만 큰 방향 전환은 놓치게 돼.

따라서 손안의 새는 보존 대상이 아니라 교환 가능한 자본이어야 해.

좋은 연구실은 기존 성과를 이용해서:

더 강한 학생을 모집하고
더 큰 장비와 연구비를 확보하고
새로운 분야의 협력자를 끌어오고
한 단계 더 어려운 문제에 도전해야 해.

손안의 새를 계속 손에만 쥐고 있으면 결국 죽어. 그 새를 번식시키거나, 더 큰 새를 잡는 미끼로 사용해야 해.

결론

연구실 경영학에서 이 격언은 이렇게 해석할 수 있어.

미래를 작게 보라는 말이 아니라, 미래를 추구할 수 있도록 현재의 성과를 확실히 자산화하라는 말이다.

네 연구실처럼 미래지향적인 주제를 강하게 추구하는 곳일수록 이 원칙이 더 중요해. 장기 비전은 크게 잡되, 운영 단위는 냉정해야 해.

비전은 10년 단위로 본다.
연구 프로그램은 3년 단위로 설계한다.
논문 파이프라인은 1년 단위로 관리한다.
학생의 마일스톤은 3개월 단위로 확인한다.
실험의 생사 여부는 수주 단위로 판단한다.

한 문장으로 압축하면:

숲의 방향은 교수가 정하지만, 연구실은 매 분기 손에 새가 한 마리씩 들어와야 굴러간다.