ACROFAN

구글 AI포럼 16강: AI 혁신과 로보틱스

기사입력 : 2019년 04월 25일 15시 55분
ACROFAN=김형근 | hyungkeun.kim@acrofan.com | SNS
구글은 4월 25일, 서울시 강남구에 위치한 자사 사무실에서 ‘구글 AI포럼 16강: AI 혁신과 로보틱스’ 행사를 개최했다.

'구글 AI 포럼'은 최근 도래하고 있는 AI-First 시대를 맞아 인공지능 및 머신러닝과 관련해 좀 더 알기 쉬운 설명 및 사례와 함께 더욱 깊게 공부할 수 있는 기회를 제공하기 위해 구글이 준비한 행사로, 매월 진행되고 있다.

이날 행사에서는 이날 행사에서는 구글의 앤디 정(Andy Zeng) 로보틱스 학생 연구원이 구글이 미국의 대학 연구진과 협력해 개발 중인 ‘토싱봇(Tossing Bot)’이라는 로봇의 핵심 요소에 대해 소개하는 시간을 가졌다.

▲ ‘구글 AI포럼 16강: AI 혁신과 로보틱스’ 행사가 개최됐다.

▲ 구글의 앤디 정 로보틱스 학생 연구원이 ‘토싱봇’이라는 로봇의 핵심 요소에 대해 소개하는 시간을 가졌다.

앤디 정 연구원의 발표에 따르면 로봇 공학의 발전으로 이제 로봇은 사물을 효율적으로 움켜쥐고, 스스로 움직임을 조정하여 시각적 지각을 높이거나 실생활 속 경험을 통해 학습할 수 있게 되었다. 그러나 구조화되지 않은 환경에서 사물을 들어 올리거나 쥐고 옮기도록 로봇을 작동시키는 것은 여전히 까다로운 일이며, 아마존 로봇 경연 대회에서 다양한 물건을 꺼내 선반에 넣는 작업으로 1위를 차지한 ‘피킹 로봇’ 역시 아직 사람의 동작을 그대로 따라하기에는 느리고 경직적이라고 지적했다.

그렇다면 로봇은 사람처럼 빠르고 유연하게 물건을 던져 몸의 전부를 움직이지 않고 직접 해당 장소까지 가지 않더라도 원하는 장소에 해당 물건을 가져다 놓기 위해서는 어떤 것이 필요한 것일까?

사물을 던지는 일은 사물을 집어 올리는 방법에서부터 질량, 마찰력, 공기 역학 등 물리적 특성에 이르기까지 여러 가지 요소를 고려해야하기 때문에 특히 어려운 작업이다. 예를 들어 스크루 드라이버를 던질 경우 질량의 중심에 가까운 손잡이 부분을 잡고 던졌을 때보다 끝 부분을 잡고 던졌을 때 훨씬 더 멀리까지 날아가 떨어진다. 또한 스크루 드라이버와 탁구공을 비교했을 때 공기 저항을 덜 받기 때문에 스크루 드라이버가 탁구공보다 멀리 날아간다.

그러나 로봇을 이용해 이러한 모든 사물의 요소들을 이해시키고 완벽하게 계산하는 솔루션을 일일이 설계하는 것은 쉽지 않기 때문에, ‘로봇에게도 물건을 던질 수 있도록 학습시킬 수 있을까?’에 대한 의문을 바탕으로 구글이 미국의 대학 연구진과 협력해 현재 ‘토싱봇’이라는 로봇을 개발 중이라고 앤디 정 연구원은 소개했다.

▲ ‘로봇은 사람처럼 빠르고 유연하게 물건을 던질 수 없을까?’라는 물음에서 연구가 시작됐다.

▲ 스피드와 도달 위치에 대한 학습이 중심이 된다.

▲ 물리학과 딥러닝을 통합하는 방법을 사용했다.

‘토싱봇’은 사물을 집어 올려 기존 범위 밖의 특정 박스 안으로 사물을 던지는 법을 학습하는 로봇으로, 핵심적인 요소는 기본적인 물리학과 딥러닝을 통합해 던지는 법을 배운다는 점과 학습 속도가 빠를 뿐 아니라 배운 것을 일반화해 새로운 시나리오에도 적용할 수 있다는 점이다.

물리학은 이 세상의 법칙들에 관한 이전 모델들을 제공하며, 이 모델을 활용해 로봇을 제어하는 초기 조종 장치를 제작해 발사체 탄도학을 기반으로 사물이 목표한 위치에 떨어지도록 하기 위해 어느 정도의 속도로 던져야 하는지 예측할 수 있다. 그 다음으로 신경망을 이용해 알려지지 않은 역학, 현실 세계의 변동성 등을 계산해 예상 속도를 조절 하게 됩니다. ‘리지듀얼 피직스(Residual Physics)’라고도 하는 이 공식이 적용되며 ‘토싱봇’은 85%의 정확도로 사물을 던질 수 있게 됐다.

물론 무작위로 설정된 무게의 사물로 처음 학습할 때에는 ‘토싱봇’이 사물을 잘 집어 올리지 못하는 경우가 많았지만 시간이 지나면서 사물을 잘 들어 올리는 방법을 배우고 그와 동시에 던지는 능력도 향상되었다. 또한, 학습 과정에서 ‘토싱봇’은 가끔씩 이전에 시도해보지 않았던 속도로 사물을 던져 보기도 하고, 통이 비어있으면 사물이 통 안으로 미끄러져 들어갈 수 있도록 박스를 들어올리기도 하며 학습 기간 동안 인간의 개입을 최소화했다.

이러한 과정을 통해 사물을 집어 올려 던지는 시도를 14시간에 걸쳐 총 10,000번을 반복하면서 ‘토싱봇’은 85%의 정확도로 사물을 던질 수 있게 됐으며, 여러 사물이 뒤죽박죽 섞여있는 통에서 특정 사물을 정확히 움켜쥘 수 있는 확률을 87%까지 끌어올릴 수 있었다.

이와 함께 연구진은 ‘토싱봇’이 이전 학습 과정에서 겪어본 적 없는 새로운 목표 지점을 일반화하는 능력에 대한 여러 방침에 대해서도 시험하고 있다. 처음에 여러 개의 상자를 이용해 훈련을 진행한 후 목표 지점이 완전히 다른 새로운 상자들로 테스트를 진행했을 경우에도 ‘리지듀얼 피직스’가 던지기에 큰 도움이 된다는 결과를 발견할 수 있었는데, 이는 최초에 유추해 낸 던지는 속도를 실제 사물의 다양한 성질과 새 목표 지점에 맞게 쉽게 일반화시킬 수 있기 때문이다.

이와 같은 실험 과정을 거치며 ‘토싱봇’은 이전에 개발된 로봇들보다 사물을 집는 속도가 최대 두 배 빠르며, 사물을 내려놓는 범위도 두 배 넓어졌다. 특히 ‘RGB-D 이미지’ 기반의 시각적 관찰에서부터 모션 프리미티브를 위한 제어 매개변수까지 매핑하는 엔드 투 엔드(end-to-end) 신경망을 이용해 사물을 잡고 던지는 방법을 배우며, 장착된 카메라가 사물이 떨어지는 위치를 추적하기 때문에 ‘토싱봇’ 스스로 움직임을 통제하면서 발전을 거듭하게 되었으며, 현재는 볼펜을 2m 거리의 종이컵에 정확히 던져넣을 수 있을 정도로 정확도가 높아진 상태이다.

앤디 정 연구원은 “로보틱스 산업은 현재 하드웨어 분야에서는 어느 정도 유의미한 발전을 보여주고 있지만, 사람처럼 빠르고 유연하게 물건을 이동시킨다는 목표에 접근하기 위해서는 소프트웨어의 발전을 통해 보다 높은 지능을 가져야 한다.”며, “로봇에 더 많은 지능을 부여할 수 있게 된다면 일상생활에서 보다 쉽게 로봇을 활용할 수 있게 될 것이다.”라고 말했다.

▲ ‘토싱봇’ 스스로 움직임을 통제하면서 발전을 거듭하게 되었다.

▲ 사물을 집어 올려 던지는 시도를 14시간에 걸쳐 총 10,000번을 반복하면서 ‘토싱봇’은 85%의 정확도로 사물을 던질 수 있게 됐다.

▲ 소프트웨어의 발전을 통해 로봇이 보다 높은 지능을 갖도록 하는 것이 앞으로의 과제라고 소개했다.


Copyright ⓒ Acrofan All Right Reserved



[명칭] 아크로팬   [제호] 아크로팬(ACROFAN)    [발행인] 유재용    [편집인] 유재용    [청소년보호책임자] 권용만
Copyright © ACROFAN All Right Reserved