본 논문은 가정용 음성 기반 제어 로봇의 사용자별 맞춤 상호작용을 제공하기 위해 소규모 음성 데이터를 활용한 GMM-UBM기반 화자 식별 기법을 제안한다. 제안 기법은 입력 음성에 대해 전처리 및 MFCC, 1·2차 미분 계수를 포함한 화자 특성을 추출하고, GMM-UBM 모델에 적용하여 화자를 식별한다. 가정용 로봇 적용 환경을 고려하여 남성 3명과 여성 2명으로 구성된 소규모 데이터 세트를 직접 구축하였으며, 학습 데이터와 독립된 1s 이내의 짧은 명령어 기반 테스트 데이터를 통해 문장 종속성 여부를 검증하였다. 제안 기법은 98.40%의 정확도와 한 샘플 당 17.63ms의 빠른 처리 성능을 보였다. 본 논문의 제안 기법은 대규모 학습 데이터 없이도 짧은 발화에 대해 높은 정확도와 빠른 처리가 가능하여 가정용 음성 기반 로봇 제어에 효과적으로 적용될 수 있다.