[KRoC 2025](신진연구자세션②) "자율주행에서 일상 생활 로봇까지"

 

지난 14일 오전 평창 알펜시아리조트에서 열린 'KRoC 2025'에선 5명의 신진연구자 발표가 이뤄졌다. 이날 발표자들은 자율주행의 불확실성 해결, 인체 동작 취득 방법, 모바일 매니퓰레이터의 복잡한 동작 수행 , 풍선 및 해양 글라이더, 그리고 유도체 발사 기술, 로봇의 일상 생활 학습 등 다양한 주제로 연구 성과를 발표했다.

 

◇최경환(광주과학기술원 교수)=모빌리티의 불확실성을 고려한 최적제어

 

 

 

▲최경환 교수가 발표하고 있다.

 

최 교수는 "모빌리티 제어가 시스템 모델 자체의 불확실성과 시스템이 속한 환경의 불확실성으로부터 영향을 받는다"며 "다양한 레벨의 모빌리티 제어에서 발생하는 불확실성을 설명하고, 불확실성의 영향을 최소화하기 위한 최적제어기술들을 소개하겠다"고 말했다.

 

예를 들어 자율주행자동차를 운행할 경우 주변에 사람이 운전하는 자동차가 있으면, 그 사람의 의도를 파악하는 게 상당히 어렵고, 그 다음에 조금 더 글로벌한 최적화를 하다 보면 미래의 경로에서의 트래픽 조건도 불확실성으로 작용한다는 설명이다. 최 교수는 불확실성을 처리하기 위해 학습기반제어, 최적제어원리, 모델예측제어, 그리고 이들의 결합에 대해 설명했다. 또한 불확실성의 '추정'과 '러닝'에 대한 비교 연구를 통해 러닝에 관심 갖게 된 배경에 대해서도 언급했다.

 

◇김대겸(고려대 교수)=Wearable Intelligence for estimating 3D human kinemataics

 

 

 

▲김대겸 교수가 발표하고 있다.

 

김대겸 교수는 "인체 동작 측정이 생체역학, 임상 연구(clinical research), 스포츠 과학, 엔터테인먼트 등 분야에서 핵심 요소로 자리잡고 있다"며 "인체 동작 측정에 광학 카메라 기반 모션 캡처(optical motion capture) 동작 측정 시스템이 표준(gold standard)으로 사용되고 있으나, 높은 비용과 제한된 작업 공간으로 인한 한계를 가지고 있다"고 말했다.

 

또 "상대적으로 저가의 카메라와 딥러닝 기술을 사용해 사람의 모션을 얻어내는 기술이 존재하지만, 물체가 많은 환경에서 촬영할 경우 사람이 움직일 때 물체에 가려져서 정확한 모션 캡처가 어렵다는 문제도 존재한다"고 말했다. 이를 극복하기 위한 대안인 관성측정장치(IMUㆍInertial Measurement Units) 기술도 소개했다. 김 교수는 "IMU는 상대적으로 저렴하고 크기가 작아 착용이 가능하고 광학 카메라의 고비용과 제한된 공간 문제를 해결할 수 있지만 노이즈와 시간에 따라 변하는 편차(bias)로 인해 정확한 인체 동작 측정을 어렵다는 한계가 있다"고 지적했다.

 

김 교수는 이같은 문제를 극복하기 위해 '액티비티 인더루프 키네마틱스 에스티메이터(AIL-KE)' 알고리즘 등 학습 기반 방법론에 대해 설명했다.

 

◇장근우(한국과학기술연구원 연구원)=모바일 매니퓰레이터의 전신 제어 및 경로 계획

 

 

 

▲장근우 연구원이 발표하고 있다.

 

장근우 연구원은 "모바일 매니퓰레이터가 이동성을 가진 모바일 로봇과 조작성을 가진 로봇 팔이 결합되어 다양하고 복잡한 작업 수행이 가능하도록 해준다"며 모바일 매니퓰레이터의 다양한 제한 조건들을 고려한 전신 경로 계획, 제어 전략, 여러 활용 사례를 소개했다.

 

장 연구원은 모바일 매니퓰레이터를 활용해 복잡한 환경에서 로봇이 문을 열고 이동해 주어진 작업을 수행하는 연구, 스타트업인 와트와 함께 진행한 아파트 택배 로봇 개발 및 적용에 대한 연구도 소개했다.

 

◇조성진(순천대 조교수)=비행 플랫폼의 모델링 및 제어

 

 

 

▲조성진 교수가 발표하고 있다.

 

조성진 교수는 실내에서 움직이는 로봇 풍선에서부터 물속에서 움직이는 수중 글라이더와 공중에서 비행하는 발사체에 이르기까지 다양한 연구들을 소개했다. 특히 실내 풍선의 인간 상호작용과 군집 제어, 불확실한 조류 환경에서의 수중 글라이더 제어와 피쉬 태그(Fish Tag) 기반 위치 추정, 발사체의 불확실한 추력을 고려한 강인 유도제어와 가속도 제한 최적 유도제어 기술등에 관해 발표했다. 조 교수는 "정부 지원 인력양성 사업과제의 일환으로 홍콩의 연구기관과 제휴해 풍선에 제어 및 군집 제어에 관한 연구를 계속 추진하고 있다"고 밝혔다.

 

◇이영운(연세대 교수)=로봇의 일상 작업 데이터 기반 학습 연구

 

 

▲이영운 교수가 발표하고 있다.

 

이영운 교수는 "챗GPT와 소라(Sora) 등 최신 인공지능 모델들이 전문가 수준의 결과를 보이고 있지만 로봇 인공지능은 아직 어린 아이 수준에도 미치지 못하며, 현실의 다양한 일상 작업은 더 정교하고 복잡한 상호작용을 필요로 하는 여러 작은 작업으로 이루어져 훨씬 더 복잡하다"고 말했다.

 

이 교수는 로봇에게 우리가 필요한 일상 작업을 학습하기 위해 다양한 '스킬'을 먼저 취득하고, 이 '스킬'을 활용해 복잡한 작업을 효율적으로 해결하는 연구에 대해 소개했다. 그러면서 "데이터를 어떻게 수집하고 활용할 것인가가 일상생활을 로봇에게 학습시키는데 중요하다"고 말했다. 이 교수는 "로봇은 학습 데이터를 수집하는 게 너무 어렵고 거의 불가능한 경우도 굉장히 많다"고 어려음을 토로하고 이 분야를 집중적으로 연구하고 있다고 말했다.

 

이 교수는 "그동안 다양한 데이터 수집 방안에 대해 연구해왔는데, 특히 오픈소스 기반의 다양한 로봇 데이터를 활용해 새로운 테스트나 새로운 환경에서 실험할 때 성공률을 분석한 결과 다양한 데이터와 대용량 데이터를 쓸수록 더 잘 작동한다는 것을 볼 수 있었다"고 말했다.

 

장길수 ksjang@irobotnews.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>