美 노스웨스턴대, 스마트 로봇용 인공지능 알고리즘 개발

 

▲ 연구팀이 인공지능 알고리즘을 테스트하기 위해 제작한 누들봇

 

미국 노스웨스턴대 연구팀이 스마트 로봇을 위한 새로운 인공지능(AI) 알고리즘을 개발했다고 2일 밝혔다.

 

이 인공지능 알고리즘은 로봇이 복잡한 기술을 빠르고 안정적으로 학습할 수 있도록 도와준다. 자율주행 자동차, 배달 드론, 가정 도우미 로봇 등 다양한 응용 분야에서 로봇의 실용성과 안전성을 크게 향상시킬 수 있을 것으로 기대된다.

 

‘최대 확산 강화학습(MaxDiff RL·Maximum Diffusion Reinforcement Learning)'으로 불리는 이 알고리즘은 로봇이 다양한 경험을 얻기 위해 자신의 환경을 가능한 한 무작위적으로 탐색하도록 장려한다. 이 ‘설계된 무작위성(designed randomness)'은 로봇이 자신의 환경에 대해 수집하는 데이터의 품질을 향상시킨다. 고품질 데이터를 사용함으로써 시뮬레이션 환경에서 로봇은 더욱더 빠르고 효율적인 학습을 시연함으로써 전반적인 신뢰성과 성능을 향상시킬 수 있다.

 

노스웨스턴대 연구팀은 이 인공지능 알고리즘을 적용한 시뮬레이션 로봇이 다른 AI 플랫폼과 비교해 일관되게 뛰어난 성능을 보여줬다고 밝혔다. 시험 결과 새로운 알고리즘을 채택한 로봇이 새로운 작업을 학습한 다음, 단 한 번의 시도 끝에 성공적으로 작업을 수행한 것으로 나타났다. 연구팀은 이 방법이 시행착오를 통해 느린 속도로 학습하는 현재의 AI 모델과는 뚜렷한 대조를 이루고 있다고 밝혔다.

 

이번 연구 성과는 지난 5월 2일 ‘네이처머신인텔리전스’에 발표됐다.(논문 제목:Maximum diffusion reinforcement learning)

 

연구팀에 따르면 기계학습 알고리즘을 훈련시키기 위해 개발자들은 사람들이 조심스럽게 필터링하고 큐레이션한 많은 양의 빅 데이터를 활용한다. 인공지능은 이 훈련 데이터로부터 최적의 결과에 도달할 때까지 시행착오를 거듭하면서 학습을 진행한다. 이 같은 과정은 챗GPT나 구글 제미니(옛 바드)와 같은 '체화되지 않은 시스템(disembodied systems)'에서는 잘 작동하지만, 로봇 처럼 '체화된 인공지능(embodied AI)'에선 작동하지 않는다.

 

‘최대 확산 강화학습’의 핵심은 로봇이 자신의 환경에 대한 다양한 데이터를 수집하기 위해 무작위적으로 움직인다는 것이다. 로봇은 스스로 선별된 무작위 경험을 통해 학습함으로써 유용한 작업을 수행하는 데 필요한 기술을 습득할 수 있다.

연구팀은 새로운 인공지능 알고리즘을 테스트하기 위해 현재 나와있는 최첨단 인공지능 모델과 비교했다. 컴퓨터 시뮬레이션을 활용해 시뮬레이션 로봇에게 일련의 표준적인 작업을 수행하도록 요청했다. 시험 결과 ‘최대 확산 강화 학습’을 활용한 로봇은 다른 모델보다 빨리 학습을 했으며, 훨씬 일관성 있고 안정적으로 작업을 수행했다. 이 방법을 사용한 로봇들은 종종 한 번의 시도만으로도 올바른 작업을 수행했다.

 

연구팀은 ‘최대 확산 강화학습’이 범용성을 갖춘 알고리즘이기 때문에 다양한 응용 분야에 사용될 수 있다고 밝혔다. 연구팀은 새 알고리즘이 이 분야의 근본적인 문제를 해결함으로써 궁극적으로 스마트 로봇분야에서 신뢰할 수 있는 의사 결정을 내릴 수 있는 길이 열기를 기대하고 있다.

 

연구팀은 새 인공지능 알고리즘이 모바일 로봇 플랫폼에만 국한되는 것이 아니라 식기세척기를 로드하는 방법을 학습하는 주방 로봇 등 고정 로봇에도 적용할 수 있다고 강조했다. 연구팀은 이 인공지능 알고리즘을 아직은 시뮬레이션 로봇에만 테스트 했지만, 향후 현실 세계에서 테스트하기 위해 '누들봇'(NoodleBot)을 개발했다.

 

 

 

장길수 ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>