제조 AI의 난제 ‘오염 데이터’ 넘었다…아이벡스, ICML서 산업용 AI 원천기술 인정

Source: VentureSquare

• 학습 데이터에 불량 샘플이 섞여 있어도 결함을 정확히 찾아내는 이상 탐지 기술 제안

• 글로벌 AI 학회 ICML 2026 채택…산업용 비전 AI 벤치마크서 최고 수준 성능 기록

산업 현장에서 인공지능(AI) 도입을 가로막는 가장 큰 문제 중 하나는 데이터 품질이다. 실제 제조 환경에서는 정상 데이터만으로 학습 환경을 구축하기 어렵고, 불량 샘플이나 잘못된 데이터가 섞이는 경우가 빈번하다. 이러한 한계를 극복할 수 있는 산업용 AI 원천기술이 세계 최고 수준의 학술 무대에서 주목받았다.

산업용 피지컬 AI 기업 아이벡스는 자사 딥러닝 리서치 그룹이 개발한 이상 탐지(Anomaly Detection) 기술 연구가 세계적 AI 학회인 ICML 2026에 채택됐다고 12일 밝혔다.

ICML은 머신러닝 분야를 대표하는 국제 학술대회로, NeurIPS, ICLR와 함께 글로벌 3대 AI 학회로 평가받는다.

이번 연구는 ‘Memory-Distilled Selection for Noise-Robust Anomaly Detection’이라는 제목으로 발표되며, 제조 현장에서 흔히 발생하는 오염 데이터 환경에서도 안정적으로 결함을 탐지할 수 있는 새로운 알고리즘을 제시했다.

아이벡스 로고 (자료 제공: 아이벡스)

제조 현장의 현실 반영한 이상 탐지 기술

기존 산업용 비전 AI는 학습 데이터에 노이즈가 포함될 경우 성능 저하가 발생하는 문제가 있었다. 특히 정답 라벨이 없는 불량 데이터가 학습 과정에 포함되면 정상 패턴과 이상 패턴을 구분하기 어려워진다.

아이벡스 연구팀은 이러한 문제를 해결하기 위해 ‘MeDS(Memory-Distilled Selection)’ 알고리즘을 개발했다. 해당 기술은 학습 데이터 일부를 선별해 다수의 메모리 앙상블을 구성하는 방식으로 작동한다.

연구진은 서브샘플링 기반 필터링 과정에서 발생하는 희소성이 저주파 필터 역할을 수행하며, 높은 수준의 노이즈 환경에서도 정상 패턴을 효과적으로 구분할 수 있음을 수학적으로 입증했다.

또한 필터링된 정보를 학생(Student) 네트워크에 전달하는 지식 증류(Knowledge Distillation) 기법을 적용해 노이즈 과적합을 줄이고 정상 패턴 학습 능력을 향상시켰다. 여기에 모델이 스스로 깨끗한 데이터를 선택하며 반복 학습하는 구조를 더해 픽셀 단위의 정밀한 결함 위치 탐지까지 가능하도록 구현했다.

연구 결과는 산업용 비전 AI 분야 대표 벤치마크인 MVTec AD, VisA, Real-IAD 등에서 기존 최고 수준 성능을 뛰어넘으며 기술 경쟁력을 입증했다.

성민수 아이벡스 대표는 “이번 ICML 2026 논문 채택은 산업 현장의 실제 문제를 해결하기 위한 연구 역량이 국제적으로 인정받았다는 점에서 의미가 있다”며 “제조업이 필요로 하는 피지컬 AI 기술 개발을 지속해 글로벌 시장 경쟁력을 강화해 나갈 것”이라고 말했다.

한편 2020년 설립된 아이벡스는 AI 비전 검사와 AI 로보틱스, MLOps, 데이터 플랫폼 등을 기반으로 제조업 특화 산업용 AI 플랫폼을 제공하고 있다. 전체 인력의 80% 이상이 엔지니어로 구성돼 있으며, 국내외 등록 특허 53건을 포함해 80여 건의 특허 포트폴리오를 확보하고 있다.

Overcoming the Manufacturing AI Challenge of ‘Contaminated Data’… Ibex’s Core Industrial AI Technology Recognized at ICML

One of the biggest obstacles hindering the adoption of artificial intelligence (AI) in industrial settings is data quality. In actual manufacturing environments, it is difficult to build a training environment using only normal data, and defective samples or incorrect data are frequently mixed in. A core industrial AI technology capable of overcoming these limitations has garnered attention on the world’s leading academic stage.

Ibex, an industrial physical AI company, announced on the 12th that research on anomaly detection technology developed by its deep learning research group has been accepted to ICML 2026, a world-renowned AI conference.

ICML is a leading international academic conference in the field of machine learning and is considered one of the top three global AI conferences along with NeurIPS and ICLR .

This study, published under the title ‘Memory-Distilled Selection for Noise-Robust Anomaly Detection,’ presented a new algorithm capable of reliably detecting defects even in contaminated data environments commonly found in manufacturing sites.

Ibex logo (Image courtesy of Ibex)

Anomaly detection technology reflecting the reality of the manufacturing site

Existing industrial vision AI has suffered from performance degradation when training data contains noise. In particular, if defective data without correct labels is included in the training process, it becomes difficult to distinguish between normal and abnormal patterns.

To solve this problem, the Ibex research team developed the ‘MeDS (Memory-Distilled Selection)’ algorithm. This technology operates by selecting a portion of the training data to form multiple memory ensembles.

The research team mathematically proved that the sparsity generated during the subsampling-based filtering process acts as a low-frequency filter, enabling effective distinction of normal patterns even in high-noise environments.

In addition, a Knowledge Distillation technique was applied to pass filtered information to the Student network to reduce noise overfitting and improve normal pattern learning capabilities. Furthermore, by adding a structure where the model independently selects clean data and learns iteratively, it was implemented to enable precise defect location detection at the pixel level.

The research results demonstrated technological competitiveness by surpassing existing top-level performance in representative benchmarks in the industrial vision AI field, such as MVTec AD , VisA , and Real-IAD .

“The acceptance of our paper at ICML 2026 is significant in that it demonstrates international recognition of our research capabilities in solving real-world industrial problems,” said Sung Min-soo, CEO of IBEX. “We will continue to develop physical AI technologies required by the manufacturing industry to strengthen our competitiveness in the global market.”

Meanwhile, I-BEX, established in 2020, provides industrial AI platforms specialized for the manufacturing sector based on AI vision inspection, AI robotics, MLOps, and data platforms. More than 80% of its workforce consists of engineers, and it holds a patent portfolio of approximately 80 patents, including 53 registered patents domestically and internationally.

製造AIの難題「汚染データ」を超えた…アイベックス、ICMLで産業用AI源泉技術認定

産業現場で人工知能（AI）の導入を妨げる最も大きな問題の一つはデータ品質だ。実際の製造環境では、正常なデータだけで学習環境を構築することが難しく、不良サンプルや誤ったデータが混在することが頻繁にある。このような限界を克服できる産業用AI源泉技術が世界最高水準の学術舞台で注目された。

産業用フィジカルAI企業アイベックスは、自社ディープラーニングリサーチグループが開発した異常検知（Anomaly Detection）技術研究が世界的AI学会であるICML 2026に採択されたと12日明らかにした。

ICMLは、機械学習分野を代表する国際学術大会で、 NeurIPS 、 ICLRとともにグローバル3大AI学会として評価される。

今回の研究は「Memory-Distilled Selection for Noise-Robust Anomaly Detection」というタイトルで発表され、製造現場でよく発生する汚染データ環境でも安定的に欠陥を検出できる新しいアルゴリズムを提示した。

アイベックスのロゴ（資料提供：アイベックス）

製造現場の現実を反映した異常検出技術

従来の産業用ビジョンAIは、学習データにノイズが含まれると性能低下が発生する問題があった。特に正解ラベルのない不良データが学習過程に含まれると、正常パターンと異常パターンを区別することが難しくなる。

アイベックス研究チームは、この問題を解決するために「MeDS（Memory-Distilled Selection）」アルゴリズムを開発した。この技術は、学習データの一部を選択して複数のメモリアンサンブルを構成するように動作します。

研究者らは、サブサンプリングベースのフィルタリング過程で発生する希少性が低周波フィルタとして機能し、高レベルのノイズ環境でも正常パターンを効果的に区別できることを数学的に立証した。

また、フィルタリングされた情報を学生（Student）ネットワークに伝達する知識蒸留（Knowledge Distillation）技法を適用してノイズ過適合を減らし、正常パターン学習能力を向上させた。ここにモデルが自らクリーンなデータを選択し、繰り返し学習する仕組みを加え、ピクセル単位の精密な欠陥位置検出まで可能になるように実装した。

研究結果は、産業用ビジョンAI分野の代表ベンチマークであるMVTec AD 、 VisA 、 Real-IADなどで既存の最高水準の性能を上回り、技術競争力を立証した。

ソン・ミンスアイベックス代表は「今回のICML 2026論文の採択は、産業現場の実際の問題を解決するための研究能力が国際的に認められたという点で意味がある」とし、「製造業が必要とするフィジカルAI技術の開発を続け、グローバル市場競争力を強化していく」と述べた。

一方、2020年に設立されたアイベックスは、AIビジョン検査とAIロボティクス、MLOps、データプラットフォームなどを基盤に製造業特化産業用AIプラットフォームを提供している。全体の人材の80％以上がエンジニアで構成されており、国内外の登録特許53件を含めて80件余りの特許ポートフォリオを確保している。

克服制造业人工智能面临的“数据污染”挑战……Ibex的核心工业人工智能技术在ICML上获得认可

阻碍人工智能（AI）在工业领域应用的最大障碍之一是数据质量。在实际制造环境中，仅使用正常数据构建训练环境十分困难，缺陷样本或错误数据经常混杂其中。能够克服这些限制的核心工业人工智能技术已引起世界顶尖学术界的广泛关注。

工业物理人工智能公司 Ibex 于 12 日宣布，其深度学习研究小组开发的异常检测技术研究成果已被世界知名的人工智能会议 ICML 2026 接受。

ICML 是机器学习领域领先的国际学术会议，与NeurIPS和ICLR并称为全球三大人工智能会议。

这项研究以“用于噪声鲁棒异常检测的内存蒸馏选择”为题发表，提出了一种新的算法，即使在制造现场常见的受污染数据环境中，也能可靠地检测缺陷。

Ibex标志（图片由Ibex提供）

反映制造现场实际情况的异常检测技术

现有的工业视觉人工智能在训练数据包含噪声时会出现性能下降。特别是，如果训练过程中包含了没有正确标签的缺陷数据，就很难区分正常模式和异常模式。

为了解决这个问题，Ibex 研究团队开发了“MeDS（记忆提炼选择）”算法。这项技术通过选择一部分训练数据来形成多个记忆集成模型。

研究团队通过数学证明，基于子采样的滤波过程中产生的稀疏性可以起到低频滤波器的作用，即使在高噪声环境下也能有效区分正常模式。

此外，我们应用知识蒸馏技术将过滤后的信息传递给学生网络，以减少噪声过拟合并提高正常模式学习能力。此外，通过添加一个模型能够独立选择干净数据并进行迭代学习的结构，我们实现了像素级的精确缺陷定位检测。

研究结果表明，该技术在工业视觉人工智能领域的代表性基准测试（如MVTec AD 、 VisA和Real-IAD）中超越了现有的顶级性能，展现了技术竞争力。

IBEX首席执行官Sung Min-soo表示：“我们的论文被ICML 2026接收意义重大，这表明我们在解决实际工业问题方面的研究能力得到了国际认可。我们将继续开发制造业所需的物理人工智能技术，以增强我们在全球市场的竞争力。”

与此同时，成立于2020年的I-BEX专注于为制造业提供基于人工智能视觉检测、人工智能机器人、机器学习运维（MLOps）和数据平台的工业人工智能平台。该公司80%以上的员工为工程师，拥有约80项专利，其中包括53项国内外注册专利。

Surmonter le défi des « données contaminées » dans l’IA industrielle… La technologie d’IA industrielle de base d’Ibex récompensée à l’ICML

L’un des principaux obstacles à l’adoption de l’intelligence artificielle (IA) dans l’industrie est la qualité des données. Dans les environnements de production réels, il est difficile de créer un environnement d’apprentissage à partir de données valides uniquement, car des échantillons défectueux ou des données erronées y sont fréquemment intégrés. Une technologie d’IA industrielle fondamentale, capable de surmonter ces limitations, a suscité l’intérêt des plus grandes institutions académiques internationales.

Ibex, une entreprise spécialisée dans l’IA physique industrielle, a annoncé le 12 que les recherches sur la technologie de détection d’anomalies développées par son groupe de recherche en apprentissage profond ont été acceptées à ICML 2026, une conférence mondiale de renommée internationale sur l’IA.

ICML est une conférence académique internationale de premier plan dans le domaine de l’apprentissage automatique et est considérée comme l’une des trois principales conférences mondiales sur l’IA avec NeurIPS et ICLR .

Cette étude, publiée sous le titre « Sélection distillée de la mémoire pour la détection d’anomalies robuste au bruit », a présenté un nouvel algorithme capable de détecter de manière fiable les défauts même dans des environnements de données contaminés, fréquemment rencontrés sur les sites de production.

Logo Ibex (Image fournie par Ibex)

Technologie de détection des anomalies reflétant la réalité du site de production

Les performances des systèmes d’IA de vision industrielle existants se dégradent lorsque les données d’entraînement contiennent du bruit. En particulier, si des données erronées, sans étiquettes correctes, sont incluses dans le processus d’entraînement, il devient difficile de distinguer les motifs normaux des motifs anormaux.

Pour résoudre ce problème, l’équipe de recherche d’Ibex a développé l’algorithme « MeDS (Memory-Distilled Selection) ». Cette technologie fonctionne en sélectionnant une partie des données d’entraînement afin de former plusieurs ensembles de mémoire.

L’équipe de recherche a prouvé mathématiquement que la parcimonie générée lors du processus de filtrage par sous-échantillonnage agit comme un filtre basse fréquence, permettant une distinction efficace des motifs normaux même dans des environnements bruyants.

De plus, une technique de distillation des connaissances a été appliquée pour transmettre des informations filtrées au réseau étudiant, afin de réduire le surapprentissage dû au bruit et d’améliorer la capacité d’apprentissage des motifs normaux. Par ailleurs, l’ajout d’une structure permettant au modèle de sélectionner indépendamment des données propres et d’apprendre de manière itérative a permis une détection précise des défauts au niveau du pixel.

Les résultats de la recherche ont démontré la compétitivité technologique en surpassant les performances de haut niveau existantes dans les benchmarks représentatifs du domaine de l’IA de vision industrielle, tels que MVTec AD , VisA et Real-IAD .

« L’acceptation de notre article à ICML 2026 est significative car elle témoigne de la reconnaissance internationale de nos capacités de recherche pour la résolution de problèmes industriels concrets », a déclaré Sung Min-soo, PDG d’IBEX. « Nous poursuivrons le développement des technologies d’IA physique nécessaires à l’industrie manufacturière afin de renforcer notre compétitivité sur le marché mondial. »

Parallèlement, I-BEX, fondée en 2020, propose des plateformes d’IA industrielle spécialisées pour le secteur manufacturier, basées sur l’inspection visuelle par IA, la robotique IA, le MLOps et les plateformes de données. Son effectif est composé à plus de 80 % d’ingénieurs, et elle détient un portefeuille d’environ 80 brevets, dont 53 sont déposés au niveau national et international.