NIST: 'Safe Step' — 화재 시 한 걸음씩 동적 대피를 위한 AI 모델

NIST(미국 국립표준기술연구소)는 2026년 6월 4일 건물 화재 시 가장 안전한 대피 경로를 한 걸음씩 계산하는 reinforcement learning(강화학습) 기반 AI 모델 Safe Step을 발표했다. 이 연구는 Hongqiang “Rory” Fang과 Wai Cheong Tam이 이끌었다.

Safe Step은 어떻게 학습하고 결정하는가?

Safe Step은 시스템이 시행착오와 보상을 통해 결정을 내리는 법을 학습하는 접근법인 reinforcement learning에 의존한다. 이 모델은 두 가지 원천 — 건물 평면도와, 화재와 독성 가스가 서로 다른 공간에서 어떻게 거동하는지에 대한 데이터를 제공하는 NIST의 화재 시뮬레이션 — 으로부터 학습한다. 이를 바탕으로 시스템은 건물을 통과해 이동할 때 다음으로 가장 안전한 결정이 무엇인지를 평가하며, 경로를 사전에 고정해 정하는 대신 한 걸음씩 구축한다.

”한 걸음씩”이란 무엇을 의미하며 센서의 역할은?

Safe Step의 핵심 특징은 동적성이다. 이 시스템은 센서를 갖춘 “스마트” 빌딩에서 나오는 실시간 센서 데이터 — 온도와 공기질 — 을 사용한다. 이 데이터를 사용해 상황이 전개됨에 따라 대피 경로와 동적 출구 표시를 지속적으로 갱신한다. 정적인 탈출 지도 대신, 사용자는 화재와 연기의 현재 상태에 적응하며 실시간으로 변하는 안내를 받는다.

Safe Step은 어떤 점에서 기존 알고리즘보다 나은가?

전통적인 대피 접근법은 출구까지의 최단 경로를 찾는 shortest-path 알고리즘에 의존한다. Safe Step은 두 가지 방식으로 한 걸음 더 나아간다. 첫째, 화재가 어떻게 확산될지를 예측하므로, 경로를 현재 상태만이 아니라 예상되는 전개에 따라 선택한다. 둘째, fractional effective dose(FED) — 독성 가스에 대한 누적 노출의 척도 — 에 따라 최적화하여 그 값이 가장 낮은 경로를 선택한다. 이로써 우선순위는 단순한 거리가 아니라 사람의 안전이 된다.

fractional effective dose란 무엇인가?

Fractional effective dose(FED)는 화재 안전 과학의 개념으로, 노출 동안 사람의 신체에 누적된 유해 가스의 양을, 무력화를 일으킬 용량에 대한 비율로 표현한다. FED가 가장 낮은 경로를 선택함으로써 Safe Step은 탈출 중 사람들이 연소의 독성 산물에 노출되는 것을 최소화하고자 한다. 이는 단지 불을 피하거나 가장 가까운 출구를 찾는 것과는 본질적으로 다른 기준이다.

한계는 무엇이며 적용은 언제 예상되는가?

Safe Step은 아직 초기 단계에 있다. 현재는 단층 평면도에서만 작동하는 반면, 다층 건물과 여러 사람이 동시에 있는(multi-agent) 시나리오를 위한 개발은 이제 막 진행 중이다. NIST는 실용적 적용이 5년에서 10년 떨어져 있다고 추정한다. 즉 이것은 방향을 보여주는 연구 성과이지, 건물에 설치할 준비가 된 완성된 시스템이 아니다. 그럼에도 화재 확산 예측, 실시간 센서, 독성 용량 기반 최적화의 결합은 미래의 안전 시스템을 위한 유망한 틀을 제시한다.