[논문리뷰] OneEmo: A Unified Multimodal Reasoning Model for Emotion Perception, Understanding, and Interaction

링크: 논문 PDF로 바로 열기

메타데이터

저자: Jiahao Huang, Zheng Lian, Jingyi Zhang, Zhide Chen, Xiaojiang Peng, Shaonan Wang

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• OneEmo: 감정 인식(Perception), 이해(Understanding), 상호작용(Interaction)을 통합적으로 수행하는 Unified Multimodal Reasoning 모델입니다.
• EmoWorld-130K: 감정 지능과 관련된 8개 핵심 태스크에 대해 심리학 이론 기반의 구조화된 추론 궤적(Reasoning Trajectories)을 포함하는 대규모 데이터셋입니다.
• Emo-Chord: Multi-task 강화학습 전략으로, 오프라인 Cold-start 후 GRPO(Group Relative Policy Optimization)와 보조적인 SFT loss를 결합하여 모델의 최적화를 안정화합니다.
• Task-Aware Linear Decay Gating: 태스크별로 추론 길이와 응답의 복잡성을 동적으로 제어하여, 불필요한 할루시네이션(Hallucination)을 억제하고 추론 효율성을 최적화하는 기법입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 기존 감정 지능 연구가 특정 태스크에만 치중된 Specialist 모델 위주로 구성되어 있어, 감정의 다면적 속성을 포괄하지 못하고 태스크 간 시너지(Synergy)를 활용하지 못하는 문제를 해결하고자 합니다. 기존의 Supervised Fine-Tuning(SFT) 중심 접근 방식은 모델의 잠재적인 추론 능력을 충분히 이끌어내지 못하며, 강화학습을 도입하더라도 이질적인 태스크 간의 보상 신호 충돌로 인해 최적화가 불안정하다는 한계가 있습니다. 특히 감정 인식부터 상호작용까지 이어지는 인간의 복합적인 인지 과정을 통합하는 Foundation Model의 부재가 Affective Computing 분야의 주요 난제로 남아있습니다 [Figure 1].

Figure 1 — EmoWorld-130K 데이터셋 구성

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 연구는 OneEmo 프레임워크를 통해 감정 지능의 전 과정을 통합하며, EmoWorld-130K 데이터셋 구축과 Emo-Chord 강화학습 전략을 제안합니다. 저자들은 인간의 감정 인지 과정을 심리학 이론에 근거하여 구조화된 추론 궤적으로 변환하고, 이를 AI와 인간 전문가가 검증하는 단계적 파이프라인을 도입했습니다 [Figure 2]. Emo-Chord는 오프라인 Cold-start로 안정적인 초기 정책을 확보한 후, GRPO와 동적 가중치 기반의 보조 SFT loss를 결합하여 강화학습 과정에서의 Policy Collapse를 방지합니다. 실험 결과, OneEmo는 4.5B 파라미터 규모임에도 불구하고 대규모 상용 모델과 경쟁 가능한 성능을 보였으며, 특히 B-MER 및 OV-MER 태스크에서 기존 오픈소스 모델들을 압도하는 State-of-the-art 성능을 달성했습니다 [Table II]. 또한, 인간 평가 결과 ESC(Emotional Support Conversation) 태스크에서 상용 모델과 통계적으로 유의미한 수준의 성과를 기록하며 높은 Humanoid Alignment를 입증했습니다 [Table IV].

Figure 2 — OneEmo 전체 파이프라인

4. Conclusion & Impact (결론 및 시사점)

본 논문은 감정 지능을 위한 통합 추론 프레임워크인 OneEmo를 제안하며, 명시적인 추론 궤적과 안정적인 멀티태스크 강화학습 전략이 어떻게 모델의 감정 이해도를 높일 수 있는지 증명했습니다. 이 연구는 단순히 감정 라벨을 예측하는 단계를 넘어, 인간의 감정 상태를 인지하고 적절한 상호작용 전략을 도출하는 지능형 에이전트 개발의 새로운 표준을 제시합니다. 이러한 접근 방식은 향후 교육용 보조 시스템, 헬스케어 등 감정적 공감이 중요한 HCI(Human-Computer Interaction) 도메인에 널리 활용될 것으로 기대됩니다.

Figure 4 — Emo-Chord 보상 할당 구조

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.