일본산업뉴스요약

Nikkei X-TECH_2024.1.30

생성 AI로 로봇에 자율성
사이타마대학, 작업 실패를 회피하는 기술 개발

사이타마(埼玉)대학 연구팀은 생성 AI(인공지능)를 활용해 로봇이 작업을 실패할 것 같을 때 스스로 동작을 수정할 수 있는 기술을 개발했다. 사람의 직관적인 동작에 의해 로봇을 제어할 수 있게 된다. 자율성이나 강건성(Robustness)이 요구되는 작업에도 로봇의 용도가 확대될 수 있을 전망이다.

이번 기술에서는 로봇이 작업 대상물에 접촉했을 때의 힘의 응답으로부터 작업의 성패를 예측하고, 실패할 경우, 자율적으로 수정하기 위한 동작(회복 동작)을 생성한다.이 기술을 병 따기에 응용한 데모에서는 로봇 암에 설치된 병따개와 병뚜껑이 접촉했을 때, 힘이 가해지는 정도를 통해 성공인지 실패인지를 예측. 실패할 것 같을 때에는 병따개의 좌표를 수정해 병뚜껑을 확실하게 분리했다.

병 따기 작업은 병따개와 병뚜껑의 상대 위치가 수평 방향으로 수 밀리미터 어긋나도 실패하기 때문에 로봇에 의한 자동화가 어려운 작업이다. 병따개와 병뚜껑이 잘 맞물리면 간단하게 병뚜껑을 분리할 수 있지만, 조금이라도 어긋나면 병뚜껑에 힘이 잘 가해지지 않아 분리하기 어렵다. 실패했을 때, 혹은 실패할 것 같은 경우의 회복 동작도 포함해 미리 동작을 프로그래밍하는 것은 비용 등의 관점에서 현실적이지 않다.

병 따기 작업뿐만 아니라, 회복 동작을 자율화할 수 없다는 이유로 지금까지 로봇을 적용할 수 없었던 작업은 많이 있다. 이를 해결하기 위해 사이타마대학의 츠지(辻) 조교수가 이끄는 연구팀은 사람의 직감적인 동작을 학습해 사전에 프로그래밍하지 않아도 회복 동작을 실시할 수 있는 시스템을 개발했다.

구체적으로는, 역각 센서와 모션 캡처 기술을 이용해 사람이 병 따기 작업을 할 때의 병따개와 병뚜껑의 위치 관계 및 힘이 가해지는 정도를 데이터화했다. 그 중에는 실패할 것 같은 상태에서의 회복 동작도 포함. 이들을 모방 학습함으로써 실패할 것 같을 때 로봇이 회복 동작을 생성할 수 있도록 했다.

이 방법의 특징은 로봇의 학습시간을 단축할 수 있다는 것이다. 츠지 조교수는 “실연(實演) 교시만으로 분기 모델을 만들어, 실패에서 회복할 수 있는 최초의 이론을 제안할 수 있었다”라고 말한다.

하지만, 사람의 동작을 그대로 재현하는 것만으로는 불충분하고, 상대 위치 등의 어긋남을 인식해 회복 동작을 학습시킬 필요가 있었다. 연구팀은 로봇의 위치와 가해지는 힘을 분석해 실패로부터의 회복 패턴을 수집했다.

구체적으로는, 수집한 실연 데이터로부터 동작을 그룹으로 구분(클러스터링)해, 성공과 실패의 패턴을 분류했다.

각 동작에 대해 성공/실패의 라벨링(데이터를 AI가 스스로 학습할 수 있는 형태로 가공하는 작업)은 실시하지 않고, 동작의 차이로 분류. 이 때, 데이터군을 분류하는 방법인 ‘k-means법’을 사용해 동작을 소단위로 분절화하고, 그 후, 데이터의 밀도로 클러스터링하는 ‘DBSCAN법’으로 재분류하는 2단계 클러스터링을 실시했다.

이를 통해 병따개와 병뚜껑의 상대 위치가 어긋났을 때의 회복 동작을 다른 동작과 식별하여 회복 동작만을 추출할 수 있게 되었다.

그 다음, 동작을 모델화함으로써 실패를 인식해 상황에 맞게 회복 동작을 생성할 수 있도록 했다. 회복 동작이 분류된 상태에서 은닉마르코프모델(Hidden Markov Models, HMM)에 의한 모방 학습을 실시하면, 위치의 어긋남에 대한 회복 동작을 로봇이 자율적으로 선택할 수 있다. 이러한 학습에 의해 로봇이 상황에 따라 자율적으로 동작할 수 있게 되었다.

실제 기기 검증에서는 사람이 15회 교시한 상태에서 10mm 이내의 위치 어긋남(수평 방향)이 있었을 때 100%의 확률로 병 따기에 성공. 기존에는 거의 성공하지 못했던 20mm의 위치 어긋남에서도 80% 이상의 확률로 성공했다. 이번 방법에서는 접촉했을 때의 힘의 응답과 그에 대한 회복 동작의 매핑을 학습하기 때문에 회복 동작을 생성해 오차를 수정할 수 있다는 강점이 있다.

사이타마대학 연구팀은 HMM을 활용해 이번 로봇 제어 기술을 1년여 만에 개발했다. HMM은 널리 보급된 생성 모델로, 사용이 편리하다는 이점이 있다. 향후에는 로봇 제어에 특화된 생성 AI가 등장할 것으로 기대되고 있는 가운데, 츠지 조교수는 “그러한 기술을 도입하고 싶고, 개발도 하고 싶다”라고 말한다.

-- 역각 센싱의 잠재 능력 --
현재, 로봇 제어와 환경 인식에는 주로 이미지센서와 각도센서가 사용되고 있다. 한편, 사이타마대학 연구팀이 이번에 사용한 역각 센서는 그다지 보급되지 않았다. 역각센서에서 힘이란 사람이나 로봇, 환경 사이에서 상호 작용하는 물리량으로, 환경 인식 뿐만 아니라, 힘의 가감 조정이나 운동 분석 등 역각 센서의 폭넓은 활용을 기대할 수 있다고 한다.

이번 병 따기 작업에서는 로봇 암의 선단에 6축 센서를 부착해 힘의 가해지는 정도를 계측했다. 이 6축 센서의 가격은 20만 엔 정도로 비싸지만, 향후, 센서의 코스트가 낮아지면 폭넓은 용도로 도입할 수 있을 가능성이 있다.

생성 AI로 인해 로봇의 자율성이나 강건성이 높아지게 된다면 용도 확대가 전망된다.현재 연구팀은 전시회 등에서 이 기술을 소개하며 수요를 개척하고 있는 단계라고 한다.

<키워드>
생성 AI: 문장과 음성, 화상, 프로그램 코드 등 다양한 콘텐츠를 생성할 수 있는 인공지능(AI)이다. 미국 오픈AI의 대규모 언어모델(LLM) ‘GPT’가 각광 받으면서 생성 AI에 대한 세간의 관심이 높아져 기업들의 개발 경쟁이 격화되고 있다. 특히 텍스트와 음성, 동영상 등 여러 정보를 처리할 수 있는 멀티모달 생성 AI가 주목 받고 있다.

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.