사람처럼 고무줄 다루고 전선 조립…로봇 AI 학습기술 개발

(대전=뉴스1) 김종서 기자 = 한국과학기술원(KAIST)은 전산학부 박대형 교수 연구팀이 탄성 밴드처럼 형태가 연속적으로 변하고 시각적으로 형태를 구별하기 어려운 물체도 로봇이 능숙하게 다룰 수 있게 하는 인공지능 기술 '아이엔알-돔(INR-DOM)'을 개발했다고 21일 밝혔다.

아이엔알-돔은 로봇이 관측한 부분적인 3차원 정보만으로 변형 가능한 물체의 전체 형상을 완전하게 복원하고 조작 방식을 학습하는 기술이다. 로봇이 특정 과제를 효율적으로 학습할 수 있도록 강화학습과 대조학습을 결합한 새로운 2단계 학습 구조를 도입했다.

학습된 제어기는 시뮬레이션 환경에서 기존 기술보다 뛰어난 과제 성공률을 달성했다. 실제 로봇 실험에서도 복잡하게 얽힌 고무줄을 풀어내는 등 높은 수준의 조작 능력을 선보여 변형 물체를 다루는 로봇의 적용 범위를 크게 넓힐 것으로 기대된다.

변형 물체 조작(DOM)은 로봇 공학의 오랜 난제 중 하나다. 변형 물체는 무한한 자유도를 가져 움직임을 예측하기 어렵고 스스로 일부를 가리는 자기-가림(self-occlusion) 현상으로 로봇이 전체적인 상태를 파악하기 어렵다.

연구팀은 로봇이 관측한 부분적 3차원 정보를 전체 형상으로 재구성하는 '잠재 신경 표현(Implicit Neural Representation)'을 활용해 한계를 극복했다. 이를 통해 로봇은 마치 사람처럼 물체의 전체적인 모습을 상상하고 이해할 수 있게 된다.

여기에 사전학습, 미세조정 및 강화·대조학습이 가능하도록 단계별 학습 프레임워크를 도입해 최적화했다.

개발한 기술을 로봇에 탑재해 실험한 결과, 시뮬레이션 환경에서 홈에 고무링 끼우기, 부품에 O링 설치하기, 꼬인 고무줄 풀기 등 과제 모두 기존 최고 성능의 기술들보다 성공률이 크게 높았다. 가장 어려운 풀기 작업에서는 성공률이 75%에 달해 기존 최고 기술보다 약 49% 높은 성과를 보였다.

연구팀은 아이엔알-돔 기술이 실제 환경에서도 적용 가능함을 검증하기 위해 샘플 효율적인 로봇 강화학습 기법과 INR-DOM을 결합해 실환경 강화학습을 수행했다.

그 결과 실제 환경에서의 끼우기, 설치, 풀기 작업에서 90% 이상의 성공률을 기록했다. 특히 시각적으로 구별이 어려운 양방향 꼬임 풀기 작업에서 기존 이미지 기반 강화학습 기법 대비 성공률이 25% 더 높았다.

제1 저자인 송민석 연구원은 "이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고 이를 바탕으로 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다"며 "제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 크게 기여할 것"이라고 말했다.

KAIST 전산학부 송민석 석사과정이 제1 저자로 참여한 이번 연구는 로봇 공학 분야 국제 학술대회 '로보틱스: 사이언스 앤 시스템즈(RSS)'에서 발표됐다.

jongseo12@news1.kr