보이지 않는데도 높은 계단 척척...카이스트, 新로봇제어 기술 개발

2023. 3. 29. 11:36
자동요약 기사 제목과 주요 문장을 기반으로 자동요약한 결과입니다.
전체 맥락을 이해하기 위해서는 본문 보기를 권장합니다.

화재로 인해 한치 앞도 보이지 않는 상황에서 시각이나 촉각 센서의 도움 없이 계단을 오르내리고 넘어지지 않고 자유롭게 움직이는 똑똑한 로봇이 등장했다.

카이스트(KAIST)는 전기및전자공학부 명현 교수 연구팀이 다양한 비정형 환경에서도 '블라인드 보행(blind locomotion)'을 가능케 하는 보행 로봇 제어기술을 개발했다고 29일 밝혔다.

음성재생 설정
번역beta Translated by kaka i
글자크기 설정 파란원을 좌우로 움직이시면 글자크기가 변경 됩니다.

이 글자크기로 변경됩니다.

(예시) 가장 빠른 뉴스가 있고 다양한 정보, 쌍방향 소통이 숨쉬는 다음뉴스를 만나보세요. 다음뉴스는 국내외 주요이슈와 실시간 속보, 문화생활 및 다양한 분야의 뉴스를 입체적으로 전달하고 있습니다.

명현 교수 연구팀 ‘드림워커’ 성과
화재 등 비정형 환경서 탐사 활용
명현(왼쪽) 교수 연구팀과 드림워크 기술이 탑재된 사족보행 로봇 드림워커 [KAIST 제공]

화재로 인해 한치 앞도 보이지 않는 상황에서 시각이나 촉각 센서의 도움 없이 계단을 오르내리고 넘어지지 않고 자유롭게 움직이는 똑똑한 로봇이 등장했다.

카이스트(KAIST)는 전기및전자공학부 명현 교수 연구팀이 다양한 비정형 환경에서도 ‘블라인드 보행(blind locomotion)’을 가능케 하는 보행 로봇 제어기술을 개발했다고 29일 밝혔다.

연구팀은 사람이 수면 중 깨어서 깜깜한 상태에서 화장실을 갈 때 시각적인 도움이 거의 없이 보행이 가능한 것처럼, 블라인드 보행이 가능하다고 해서 붙여진 ‘드림워크(DreamWaQ)’기술을 개발했다. 이 기술이 적용된 로봇을 ‘드림워커(DreamWaQer)’라고 이름 붙였다. 이 기술을 탑재하면 다양한 형태의 사족보행 로봇 드림워커를 만들어낼 수 있게 된다.

기존 보행 로봇 제어기는 기구학 또는 동역학 모델을 기반으로 한다. 이를 모델 기반 제어 방식이라고 표현하는데, 특히 야지와 같은 비정형 환경에서 안정적인 보행을 하기 위해서는 모델의 특징 정보를 더욱 빠르게 얻을 수 있어야 한다. 그러나 이는 주변 환경의 인지 능력에 많이 의존하는 모습을 보여 왔다.

연구팀이 개발한 인공지능 학습 방법 중 하나인 심층 강화학습 기반의 제어기는 시뮬레이터로부터 얻어진 다양한 환경의 데이터를 통해 보행 로봇의 각 모터에 적절한 제어 명령을 빠르게 계산해 줄 수 있다. 시뮬레이션에서 학습된 제어기가 실제 로봇에서 잘 작동하려면 별도의 튜닝 과정이 필요했다면, 연구팀이 개발한 제어기는 별도의 튜닝을 요구하지 않는다는 장점도 있어 다양한 보행 로봇에 쉽게 적용될 수 있을 것으로 기대된다.

이 모든 학습 과정에는 단 1시간이 걸리며 실제 로봇에는 학습된 행동자 네트워크만 탑재된다. 주변 지형을 보지 않고도, 오직 로봇 내부의 관성 센서와 관절 각도의 측정치를 활용해 시뮬레이션에서 학습한 다양한 환경 중 어느 환경과 유사한지 상상하는 과정을 거친다. 갑자기 계단과 같은 단차를 맞이하는 경우, 발이 단차에 닿기 전까지는 알 수 없지만 발이 닿는 순간 빠르게 지형 정보를 상상한다. 그리고 이렇게 추측된 지형 정보에 알맞은 제어 명령을 각 모터에 전달해 재빠른 적응 보행이 가능하다.

드림워커 로봇은 실험실 환경뿐 아니라, 연석과 과속방지턱이 많은 대학 캠퍼스 환경, 나무뿌리와 자갈이 많은 야지 환경 등에서 보행 시 지면으로부터 몸체까지 높이의 3분의 2 정도의 계단도 극복함으로써 강인한 성능을 입증했다. 또한 0.3m/s의 느린 속도부터 1.0m/s의 빠른 속도까지도 안정적인 보행이 가능함을 연구팀은 확인했다.

이번 연구 결과는 오는 5월 영국 런던에서 개최되는 로보틱스 분야 세계 최고 학회인 ICRA에서 발표될 예정이다.

명현 교수는 “다양한 환경에 대해 학습을 거쳐서 얻어진 가중치를 로봇에 그대로 넣어주면 실제로 유사한 다양한 환경에서 작동하게 된다”면서 “100회에는 로봇들이 넘어지고 하다가, 1000회가 되면 로봇들이 모두 잘 걸어가게 되는데, 학습 시간이 길어질수록 로봇들이 더 잘 걷게 된다”고 말했다.

구본혁 기자

nbgkoo@heraldcorp.com

Copyright © 헤럴드경제. 무단전재 및 재배포 금지.

이 기사에 대해 어떻게 생각하시나요?