日 게이오대, 경험 못한 물체도 척척 잡는 ‘동작 재현 시스템’ 개발

▲ 인간의 동작을 로봇 아바타로 실시간 전송해 고난도의 정밀 작업을 수행하는 시연 장면. (사진=게이오대)

일본 게이오대 연구팀이 소량의 데이터만으로도 물체의 강성(단단함)이나 무게 변화에 맞춰 로봇이 스스로 동작을 수정할 수 있는 ‘적응형 동작 재현 시스템(adaptive motion reproduction system)’을 개발했다고 밝혔다.

​

연구팀에 따르면 기존 로봇들은 조립 라인과 같은 통제된 환경에선 탁월한 성능을 발휘하지만, 요리·노인 부양·탐사 활동과 같은 ‘동적인 환경(Dynamic Environments)’에선 제대로 성능을 발휘하지못한다.

​

로봇 개발자들은 인간의 정교한 숙련도를 로봇에 이식하기 위해 다양한 동작 재현 시스템(MRS·motion reproduction systems)을 개발해 왔다. 이 시스템은 인간의 움직임을 정확하게 기록하고 원격 조종(Teleoperation)을 통해 로봇이 이를 재현하도록 하는 데 중점을 두고 있다. 하지만 MRS는 물체의 속성이 변하거나 사전에 학습된 환경과 조금만 달라도 동작 오류를 일으킨다.

​

게이오대 노자키 타카히로(Takahiro Nozaki) 교수팀은 이 문제를 해결하기 위해 기존의 ‘선형 모델링(linear modeling)’ 기법 대신 ‘가우시안 프로세스 회귀(GPR·Gaussian process regression)’ 기법을 채택했다. 선형 모델링 방식은 학습 데이터 범위를 조금만 벗어나도 오차가 급격히 커지는 경향이 있는데 반해 GPR 기법은 복잡한 비선형 관계를 소량의 훈련 데이터만으로도 정확하게 찾아낼 수 있다는 게 연구팀 설명이다.

​

연구팀은 GPR 기법으로, 로봇이 물체의 ‘환경 강성(environmental stiffness, 로봇이 접촉하는 물체에 힘을 가했을 때 물체가 얼마나 단단하게 버티는지를 나타내는 물리적 지표)’과 인간의 조작 명령 사이의 상관관계를 파악하도록 했다. 이 과정에서 로봇은 인간이 무의식적으로 발휘하는 동작 의도인 ‘인간 강성(Human Stiffness)’을 추출하고, 이를 바탕으로 한 번도 접해보지 못한 물체까지 인간처럼 유연하게 다룰 수 있다.

​

연구팀이 GPR 시스템을 기존 동작 재현 시스템, 모방학습 등 기법과 비교한 결과 압도적인 정밀도를 보인 것으로 나타났다. 보간(Interpolation, 학습 범위 내 물체 조작) 테스트 결과 ‘RMSE(Root Mean Square Error, 로봇이 목표로 하는 위치나 가해야 하는 힘의 수치에서 얼마나 벗어났는지를 계산한 값)’가 위치 오차 40%, 힘 오차 34% 이상 감소했다. 또, 외삽(Extrapolation, 학습 범위를 벗어난 극단적 강성의 물체 조작) 테스트 결과 위치 오차 74%가 감소했다. 이는 로봇이 아직 경험하지 못한 극단적으로 단단하거나 부드러운 물체를 만났을 때도, 기존 방식보다 정밀도가 74% 더 높아졌음을 정량적으로 입증한 것이다.

​

연구팀은 “적은 데이터로 작동하기 때문에 머신러닝 비용을 획기적으로 낮출 수 있다”며 “데이터 확보 문제로 머신러닝 도입을 주저했던 기업들에게 낮은 문턱을 제공할 것”이라고 강조했다.

​

이번 연구는 특히 방대한 학습 데이터 구축이 어려운 산업 현장과 매번 대상을 바꿔가며 움직여야 하는 생활 지원 로봇(Life-support Robot) 분야에 큰 변화를 불러올 전망이다.

​

이번 연구 성과는 전문 학술지 ‘IEEE 트랜젝션 온 인더스트리얼 일렉트로닉스(IEEE Transactions on Industrial Electronics)’에 작년 12월 30일자로 게재됐다. (논문 제목:Motion Reproduction System for Environmental Impedance Variation via Data-Driven Identification of Human Stiffness)

​

백승일 기자 robot3@irobotnews.com

저작권자 © 로봇신문 무단전재 및 재배포 금지