MIT의 획기적인 기술로 로봇이 물체 조작에 전신을 사용할 수 있게 됨

매사추세츠 공과대학(MIT) 연구진이 로봇의 조작 능력을 획기적으로 향상시켰습니다. "스무딩"이라는 새로운 인공지능 기술을 사용하여 로봇이 이제 손가락 끝뿐만 아니라 몸 전체를 이용해 작업을 수행할 수 있게 되었습니다. 이 혁신은 공장, 우주 탐사 및 기타 분야에서 로봇 활용 방식을 혁신적으로 바꿀 잠재력을 지니고 있습니다.

접촉이 많은 조작 계획의 어려움

로봇이 몸 전체를 이용해 물체를 조작하는 것은 엄청난 난제입니다. 로봇은 손가락, 손, 팔, 몸통 등 신체 모든 부위를 접촉할 때마다 수십억 개의 잠재적 접촉점을 고려해야 합니다. 이러한 과정을 "접촉 중심 조작 계획"이라고 하는데, 계산 비용이 매우 높아 실제 응용 분야에서 병목 현상을 일으켜 왔습니다. 인간은 직관적으로 이러한 작업을 처리하지만, 로봇에게는 감당하기 어려울 정도로 복잡해집니다.

해결책

이 문제를 단순화하기 위해 MIT 연구진은 "평활화"에 기반한 새로운 AI 기술을 개발했습니다. 이 기술은 수많은 접촉 이벤트를 더 작고 관리하기 쉬운 일련의 결정으로 압축합니다. 이 혁신 덕분에 기본적인 알고리즘으로도 로봇의 효과적인 조작 계획을 효율적으로 수립할 수 있게 되었습니다. 

"평균을 평활화하면 중요하지 않은 중간 단계의 결정들이 많이 제거되어 몇 가지 중요한 결정만 남게 됩니다."라고 MIT 대학원생dent IEEE Transactions on Robotics에 발표된 논문의 공동 주저자인 HJ 테리 서(HJ Terry Suh)는 말했습니다.

강화 학습 vs. 스무딩

강화 학습은 로봇이 복잡한 작업을 수행하는 데 효과적이지만, 막대한 연산 능력과 시간이 필요합니다. 서 교수에 따르면, 강화 학습은 시행착오를 거치는 "블랙박스" 시스템을 통해 학습하며, 효과를 보기까지 "시뮬레이션 시간으로 수백만 년"이 걸릴 수 있습니다. 

하지만 스무딩은 대안을 제시합니다. 연구원들은 모델과 문제를 면밀히 이해함으로써 프로세스의 효율성을 높일 수 있었습니다. 스무딩을 통해 로봇은 객체와의 핵심적인 상호작용에 집중할 수 있으며, 더 빠르고 효과적인 작업 계획을 수립할 수 있습니다.

효율성 달성 및 통합적 접근 방식

데이터 평활화 기법을 통해 상당한 발전이 있었음에도 불구하고, 결정 개수가 줄어든 경우에도 검색은 여전히 ​​어려운 과제였습니다. 이에 연구진은 평활화 모델과 검색 알고리즘을 결합하여 표준 노트북에서 계산 시간을 약 1분으로 단축했습니다.

연구팀은 시뮬레이션과 실제 로봇 팔 모두에서 자신들의 접근 방식을 테스트했으며, 강화 학습과 유사한 성능을 훨씬 짧은 시간 안에 달성했습니다.

응용 분야 및 전망

이 연구의 파급 효과는 엄청납니다. 산업 현장에서 공장들은 크고 무거운 로봇 팔을 몸 전체를 이용해 조작 작업을 수행하는 더 작고 기동성이 뛰어난 로봇으로 교체함으로써 에너지 소비와 비용을 절감할 수 있을 것입니다. 

또한, 이 기술은 새로운 환경에 빠르게 적응하는 것이 중요한 화성이나 다른 천체로 보내지는 탐사 로봇에게 매우 유용할 수 있습니다.

하지만 연구진은 로봇이 쓰레기통에 물건을 던지는 것과 같은 동적인 작업을 처리하는 데 한계가 있음을 인정합니다. 연구팀은 이러한 문제를 해결하기 위해 접근 방식을 더욱 개선할 계획입니다.

서 교수는 이러한 로봇 시스템의 구조를 모델을 활용하여 분석한다면 전체 과정을 가속화할 수 있는 기회가 있다고 강조하면서, 이를 '블랙박스' 시스템으로 생각하기보다는 적극적으로 접근해야 한다고 말했다. 

아마존, MIT 링컨 연구소, 미국 국립과학재단, 그리고 오카도 그룹이 이 연구에 부분적으로 자금을 지원했습니다. MIT의 로봇 조작 기술이 계속 발전함에 따라 다양한 분야의 로봇 공학에 새로운 가능성을 열어주고 있으며, 문제에 대한 깊이 있는 이해가 혁신적인 해결책으로 이어질 수 있음을 입증하고 있습니다.

이러한 발전으로 인간처럼 직관적으로 물체를 조작하는 로봇이 현실이 되는 날이 머지않았을지도 모릅니다.