3'00" 읽기 + 2'44" 영상
- 로봇 DribbleBot의 컴퓨터 두뇌는 시뮬레이션과 연결돼 자신과 공 움직이는 방법 학습
- 복잡한 움직임 시퀀스를 마스터하고 부딪치면 스스로 일어나서 다음 일을 계속
- 진흙, 눈, 잔디, 모래 또는 매끄러운 포장도로와 같은 다양한 표면에서 이 배경에 적응
- 인상적인 점은 센서-모터 기능이 저비용 시스템에서 실시간으로 생성된다는 것

모든 표면에서 로봇이 축구공을 드리블한다.
네 발 달린 로봇은 볼 컨트롤의 함정을 독립적으로 학습한다.

로봇 종류의 드리블 아티스트:
미국 연구원들이 거의 모든 지형에서 축구공을 드리블할 수 있는 로봇을 개발했다. 다리가 4개인 DribbleBot은 잔디, 눈 또는 미끄러운 땅에서 공이 어떻게 움직이는지 스스로 학습하고 그에 따라 달리고 드리블하는 동작을 조정한다. 예를 들어, 이러한 능력의 이면에 있는 기술은 예를 들어 통과할 수 없는 지형을 위한 적응형 탐사 로봇을 개발하는 데 도움이 될 수 있다. 

▲ 이 네발 로봇은 다양한 표면에서 축구공을 드리블하는 방법을 배운다. © Mike Grimmett/MIT CSAIL

동굴 매핑을 위한 자율 드론이든, 해저 바닥의 쓰레기 수집가이든, 집안의 조수 및 수색 도우미이든 많은 로봇이 이미 독립적으로 작업을 완료하고 길을 찾거나 환경에 적응할 수 있다. 새로운 기계 학습 기술 덕분에 많은 로봇이 이미 독립적으로 작업을 완료하고 길을 찾거나 환경에 적응할 수 있다. 로봇 두뇌는 자기 인식과 자기 평가의 첫 번째 형태를 개발했다. 예를 들어 로봇 축구 선수의 형태로 재미있는 테스트를 통해 새로운 개발 경로를 이끄는 것은 드문 일이 아니다.

모든 지형을 위한 로봇

펄킷 애그라월(Pulkit Agrawal)이 이끄는 Massachusetts Institute of Technology(MIT)의 연구원들은 이제 학습이 가능하고 민첩하며 적응 가능한 로봇의 새로운 대표자를 개발했다. 그들의 목표는 지상의 조건에 독립적으로 행동을 적응시킬 수 있는 네 발 달린 로봇을 만드는 것이었다. 추가적인 복잡성으로 로봇은 걸을 때뿐만 아니라 동시에 다른 물체(이 경우에는 축구공)의 동작을 고려해야 할 때도 이 작업을 수행할 수 있어야 한다.

“지진이나 홍수 같은 재난이 닥쳤을 때 로봇이 구조와 복구 과정을 도와야 한다. 따라서 기계는 평평하지 않고 롤링 로봇이 대처할 수 없는 지형을 횡단할 수 있어야 한다”며 Agrawal은 설명했다. "걷는 로봇을 위한 알고리즘을 개발할 때 우리의 목표는 복잡하고 도전적인 지형에서도 로봇에게 자율성을 부여하는 것이다.“

가상 환경에서 교육

이 연구 결과가 DribbleBot이다. 이 네 발 달린 로봇은 다양한 센서와 카메라를 사용하여 주변과 지면을 캡처한다. 신경망을 통해 그는 훈련 과정에서 이 정보를 사용하여 진흙, 눈, 잔디, 모래 또는 매끄러운 포장도로와 같은 다양한 표면에서 이 배경에 적응하기 위해 이동하는 방법과 드리블을 축구 동작에 적응시키는 방법을 스스로 배울 수 있다.

이것은 이전의 가상훈련을 통해 가능해졌다. 로봇의 컴퓨터 두뇌는 시뮬레이션과 연결되어 점차 자신과 공을 움직이는 방법을 학습한다. 강화 학습이라고 알려진 것의 일부로 올바른 행동은 보상을 받고 잘못된 행동은 부정적인 평가를 받는다. "시간이 지남에 따라 로봇은 운동 기술을 점점 더 잘 익히고 원하는 대로 앞으로 나아가도록 축구공을 조작하는 방법을 배운다"고 공동 저자인 MIT의 Gabe Margolis는 설명했다.

모래, 잔디 또는 눈 위에서 좋은 볼 컨트롤

이 훈련의 결과로 DribbleBot은 다양한 지형에서 달리고 걸을 수 있을 뿐만 아니라 공을 잃거나 걸려 넘어지지 않고 공을 드리블할 수 있다. 로봇은 또한 축구공이 모래나 잔디에서는 잘 굴러가지 않지만 미끄러운 표면이나 약간의 경사면에서는 잘 굴러가는 경향이 있다는 것을 배웠다. DribbleBot은 이에 따라 동작을 조정한다.

"솔루션에 대한 초기 접근 방식은 종종 드리블을 크게 단순화하고 평평하고 단단한 표면만 가정했다"고 주저자인 지양동(Yangdong Ji)는 설명했다. "또한 이 로봇의 움직임은 더 정적이고, 대부분 레이스 중에 공을 조작하려고 시도하지 않았다." 반면에 DribbleBot은 이러한 복잡한 움직임 시퀀스를 마스터하고 부딪치면 스스로 일어나서 다음 일을 계속할 수 있다.

보드에 있는 신경망

 

"DribbleBot의 인상적인 점은 센서-모터 기능이 저비용 시스템에서 실시간으로 생성된다는 점이다"고 Margolis는 설명했다. 특히 가볍고 컴팩트한 신경망 형태의 로봇의 적응형 "두뇌"도 탑재되어 있다. "이것은 오늘날 대부분의 로봇과 대조적이다. 예를 들어 일반적으로 로봇 팔이 작업대에 부착되고 대형 외부 컴퓨터에 의해 구동된다"고 MIT 연구원은 말했다.

그러나 DribbleBot도 완벽과는 거리가 멀다. 움직임을 다양한 표면에 적용할 수 있기 때문이다. 그러나 다음으로 그는 여전히 지형의 장애물을 인식하고 극복하는 방법을 배워야 한다. 이를 위해 로봇은 다시 시뮬레이션 학교로 돌아가야 한다. Agrawal은 "DribbleBot은 이미 놀라운 민첩성과 조정력을 보여주고 있지만 이는 다음 단계를 위한 시작일 뿐이다"고 말했다.
(ICRA), 2023; Preprint: doi: 10.48550/arXiv.2304.01159)
출처: Massachusetts Institute of Technology

[더사이언스플러스=문광주 기자]

[ⓒ the SCIENCE plus. 무단전재-재배포 금지]