[KRoC 2020] 서일홍 교수 기조 강연

▲ 한양대 서일홍 교수 ​ <기조강연>   주제:AI로봇의 대중화/상용화를 위한 도전 과제(한양대 서일홍 교수)   코로나19 유행 때문에 비대면 서비스에 대한 요구가 증가하고 있는데, 비대면 서비스 가운데 중추적 역할을 하는 게 바로 AI로봇이다. 로봇과학자들이 과연 이 같은 사회적인 요구에 제대로 준비가 되어있는지 한번쯤 살펴봤으면 한다.   먼저 AI로봇의 정의부터 살펴보자. 인공지능 로봇에 대해 각자 갖고 있는 시각(viewpoint)이 다르다. 일반적으로 보면 인공지능 로봇은 센서로부터 정보를 받아 작업을 정확히, 그리고 시의적절하게 수행해야 한다. 또한 로봇은 학습 능력을 갖고 있어야한다. 그렇지않으면 기존에 만들어진 것에서 선택하거나 새로 만들어내야 한다.   그렇다면 AI로봇을 어떻게 만들어야하나. AI로봇의 극복 과제는 무엇일까. 인식(perception), 동작(action) 등 과정에서 도전적인 과제에 직면하는데, 인공지능 로봇에게 공통적으로 적용될 수 있는 통합 일반원리가 있을까. 이런 통합 일반 원리가 있다면 이를 기반으로 구현적 도전과제가 도출될 수 있을 것이다.   학자들이 인공지능과 로봇의 통합 일반원리에 대해 나름대로 여러가지 이론을 내놓았다. 하지만 통합이론을 실제 로봇에 적용하는 것은 매우 힘들다. 데이터에 기반에 통합원리를 적용했는데도 실제 로봇에 학습을 시키는 과정에서 모든 가능을 적용하기 힘들다는 것을 알게 된다. ’아웃오브 도메인‘ 등 문제가 생긴다.   3년전 제자들과 함께 ’코가플렉스’라는 스타트업을 설립해 다양한 도전 과제를 수행하고 있다. 매니퓰레이션 챌린지, 내비게이션 챌린지, 장애물 회피 챌린지, 키드내핑시 리커버리 챌린지(kidnapping recovery), 라스트 밀리미터(mm) 도킹 챌린지 등 해당 분야의 도전적인 과제를 연구하고 현장에 적용해보고 있다. 개발한 기술을 음식 배송, 큐레이팅 로봇, 사람 추종 로봇, 휴머노이드의 페퍼 자율주행 구현 등에 적용해 봤다.   로봇의 상용화를 준비하면서 여러 가지를 고민하게 된다. 예를 들어 전통적인 자동화기술(classical automation)과 지그프리 자동화(Zig free automation) 문제에 봉착해 어떤 방식을 선택할지 고민이 된다. 로봇 주변장치를 보통 지그(Zig)라고 칭하는데, 지그 프리 자동화 문제와 관련해 덜 성숙된 기술을 밀고 갈 것인지 아니면 전통적으로 해오던 기존 방식을 계속 파고 들어갈지 고민하게 된다. 이런 고민을 할 때 중요한 것은 바로 ‘시장’이다. 시장에선 물건을 살 때 1년 또는 6개월안에 비용을 뺄 수 있는지를 놓고 판단한다. 쇼윈도에 있는 기술을 상용화하려면 어떻게 해야하는지 시장의 관점에서 고민해야 한다.   다기능 제품으로 갈것인지 아니면 단일 기능으로 갈것인지를 놓고도 고민하게 된다. 단일 기능을 갖춘 로봇 가운데 대표적으로 성공한 게 바로 청소로봇이다. 이에 비해 페퍼는 억지로 시장에 내보냈다. 대화인식, 감정인식, 자율주행 등 너무 많은 기능을 소화해야 한다. 너무 많은 기능을 갖고 있으면 체크 포인트가 크게 증가할수 밖에 없다. 게다가 다기능이 정상적으로 작동하는지 제대로 평가할수 있는 평가 방법도 없다. 이 기능도 안되는데 저 기능을 붙인다면 문제다. ​ ‘세이프티(safety)’와 ‘레스 세이프트(less safety)’ 문제도 있다. 협동 로봇으로 갈것인가 아니면 산업용 로봇으로 갈 것인가의 문제다. 철저하게 투자자본수익율(ROI)의 관점에서 봐야한다. 정밀도와 속도를 죽인 게 바로 협동 로봇이다. 대신 산업용 로봇은 펜스를 치고 정밀도와 속도를 택했다. 시장의 요구에 따라 협동 로봇과 산업용 로봇을 선택할 수밖에 없다. 결국 협동 로봇과 산업용 로봇은 공존하는 것이다.   수직적(vertical) 애플리케이션과 수평적(horizontal) 애플리케이션 로봇도 고민되는 부분이다. 현재 로봇 시장을 보면 스마트폰 처럼 대박을 치기는 힘들다. 스마트폰은 수평적인 애플리케이션으로 성공했다고 볼 수 있다. 로봇은 그게 힘들다. 어떤 애플리케이션으로 가고 어떻게 가격을 결정할 것인가를 고민해야한다.   오버피팅(overfitting)과 일반화(generalization)의 문제도 있다. 오버피팅은 특수한 사례를 일반화하는 것인데 편견이 작용할 수밖에 없다. 자동화가 대표적인 오버피팅 사례다. 자동화의 상황이 조금만 바뀌어도 작동하지 않는다. 이에 비해 인공지능 하는 사람들은 일반화를 많이 얘기한다. 오버피팅과 일반화 중 뭐가 맞는지 고민해야 한다. 일반화에는 엄청난 도전과제가 따른다.   임베디드, 엣지, 클라우드(5G) 문제도 살펴봐야 한다. 클라우드와 엣지 기술이 각광받고 있지만 리커버리(recovery) 문제가 중요하다. 임베디드 시스템은 자체적으로 리커버리 능력을 갖추고 있기 때문에 위기 발생시 대처가 가능하다. 임베디드 알고리즘도 계속 발전해야 하고 여기에 클라우드 기술이 올라가야 한다고 본다. 통신 지연 문제를 막기 위해 엣지 기술이 중요하다. 이들 문제 역시 ROI 관점에서 따져봐야 한다.   '로봇 드림'과 '로봇 리얼리티'는 분명히 다르다. 과대광고(hype)의 문제도 고민해야한다. 코로나 바이러스 백신을 만들 때 임상 1기인지, 2기인지, 3기인지 분명히 밝히는 것처럼 로봇 상용화 과정에서도 과대광고의 유혹을 극복하고 안되는 부분을 얘기해야한다. 실패했으면 실패에 관한 얘기를 로봇과학자들끼리 공유할 수 있도록 해야한다. 로봇이 왜 안되는지도 얘기해줘야한다.   로봇 상용화를 위해 단기적으로는 수직적(버티컬) 마켓을 확장해야 한다고 본다. 스타트업을 하면서 인공지능 전문가가 없다는 점을 실감했다. 또 기술을 테스트할 수 있는 테스트베드 공간도 없다. 앞으로 해결해야할 과제다. 로봇의 기능과 관련해선 여러 가지 기능을 구현하기 보다는 범위를 좁히고 보다 집중해야할 필요가 있다고 본다.

장길수  ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>