로봇 조작능력 높이는 AI 등장

작성일 08-22

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">KAIST 전산학부 박대형 교수팀<br>변형 물체 상태 정밀하게 파악<br>복잡한 케이블도 척척 풀어내<br>산업·서비스 지능형 자동화 기대</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="fsNBMZrRYw">
          <figure class="figure_frm origin_fig" contents-hash="500a8fa3ea53eea1d2bf519bafdb4ef5d1e9747d563a106a5849d87d47d0e216" dmcf-pid="4OjbR5me5D" dmcf-ptype="figure">
           <p class="link_figure"><img alt="박대형(오른쪽) KAIST 교수와 송민석 석사과정이 인공지능(AI) 기술이 적용된 로봇팔을 점검하고 있다. [KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/22/ned/20250822113425345gftc.jpg" data-org-width="1280" dmcf-mid="VBUmGL9HGr" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/22/ned/20250822113425345gftc.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            박대형(오른쪽) KAIST 교수와 송민석 석사과정이 인공지능(AI) 기술이 적용된 로봇팔을 점검하고 있다. [KAIST 제공]
           </figcaption>
          </figure>
          <p contents-hash="efee0033f0585c07c52be78f538a4fff554ea951a047d2736f00a0b044c3bb83" dmcf-pid="8Ad3VvNftE" dmcf-ptype="general">국내 연구진이 불완전한 시각 정보만으로도 변형 물체의 상태를 정밀하게 파악하고 능숙하게 다룰 수 있는 로봇 기술을 개발했다. 케이블 및 전선 조립, 부드러운 부품을 다루는 제조업, 의류 정리와 포장 등 다양한 산업 및 서비스 분야 지능형 자동화에 기여할 것으로 기대된다.</p>
          <p contents-hash="084a7f949bf9ce86cbbc299437aa30ca65cc9fca203029e882a6ccb1987724b6" dmcf-pid="6cJ0fTj4tk" dmcf-ptype="general">KAIST는 전산학부 박대형 교수 연구팀이 탄성 밴드처럼 형태가 연속적으로 변하고, 시각적으로 형태를 구별하기 어려운 물체도 로봇이 능숙하게 다룰 수 있게 하는 인공지능(AI) 기술인‘INR-DOM(아이엔알-돔)을 개발했다고 21일 밝혔다.</p>
          <p contents-hash="b6d7e5f79a40a7b9711103be952f9a88f112e2c07cb58709c72dce35c6aaa366" dmcf-pid="Pkip4yA85c" dmcf-ptype="general">박 교수 연구팀은 로봇이 관측한 부분적인 3차원 정보만으로 변형 가능한 물체의 전체 형상을 완전하게 복원하고, 이를 바탕으로 로봇의 조작 방식을 학습하는 기술을 개발했다.</p>
          <p contents-hash="49df14f0630c2826c67a049ee95ffcf07f6d7110ca0c7d72ed346efbdaaeeb8d" dmcf-pid="QEnU8Wc65A" dmcf-ptype="general">또한 로봇이 특정 과제를 효율적으로 학습할 수 있도록 강화학습과 대조학습을 결합한 새로운 2단계 학습 구조를 도입했다. 학습된 제어기는 시뮬레이션 환경에서 기존 기술 대비 월등히 높은 과제 성공률을 달성했으며, 실제 로봇 실험에서도 복잡하게 얽힌 고무줄을 풀어내는 등 높은 수준의 조작 능력을 선보여 변형 물체를 다루는 로봇의 적용 범위를 크게 넓힐 것으로 기대된다.</p>
          <p contents-hash="27a0be39096990398b4ae1d1df415eccb8709d640b999a0d27542a582bb75d62" dmcf-pid="xDLu6YkPtj" dmcf-ptype="general">변형 물체 조작(Deformable Object Manipulation, DOM)은 로봇 공학의 오랜 난제 중 하나다. 변형 물체는 무한한 자유도를 가져 움직임을 예측하기 어렵고, 스스로 일부를 가리는 자기-가림 현상으로 인해 로봇이 전체적인 상태를 파악하기 어렵기 때문이다.</p>
          <p contents-hash="cc66c5e607e469cf42c7803d8104964fb3ce75da9f51450c1b703885ed4600bb" dmcf-pid="yq1cSR7vHN" dmcf-ptype="general">연구팀은 ‘잠재 신경 표현(Implicit Neural Representation)’을 활용했다. 이 기술은 로봇이 관측한 부분적인 3차원 정보(점 구름)를 입력받아, 보이지 않는 부분을 포함한 물체의 전체 형상을 연속적인 곡면으로 재구성한다. 이를 통해 로봇은 마치 사람처럼 물체의 전체적인 모습을 상상하고 이해할 수 있게 된다.</p>
          <p contents-hash="ca8b19ff097bdbb4d4c8412fb7aa933a756c97be99187e8ec2ad077bfd513b8e" dmcf-pid="WBtkvezT1a" dmcf-ptype="general">연구팀이 개발한 INR-DOM 기술을 로봇에 탑재해 실험한 결과, 시뮬레이션 환경에서 고무링을 홈에 끼우거나, O링을 부품에 설치하거나, 꼬인 고무줄을 푸는 세 가지 복잡한 과제에서 모두 기존 최고 성능의 기술들보다 월등히 높은 성공률을 보였다. 특히 가장 어려운 과제였던 풀기 작업에서는 성공률이 75%에 달해, 기존 최고 기술(ACID, 26%)보다 약 49% 높은 성과를 거뒀다.</p>
          <p contents-hash="d90bde1e90da23ecb274b0b2c9db7c0b0aaa3346c64120bacf9871e550de92ef" dmcf-pid="YbFETdqyHg" dmcf-ptype="general">송민석 연구원은 “이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고, 이를 바탕으로 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다”라며 ”제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 크게 기여할 것”이라고 말했다.</p>
          <p contents-hash="aee6461b28110584123f94222166159d8e76f681c24826d83e6d73c59031b5cb" dmcf-pid="GK3DyJBWto" dmcf-ptype="general">구본혁 기자</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p>

이전

내년 R&D예산 역대 최대 35.3조원…개인기초연구, 1만1827개→1만5311개

08-22
다음

내년 R&D 예산 35조3000억원이라고?…완전 복원 넘어 파격 투자

08-22

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

로봇 조작능력 높이는 AI 등장

멤버랭킹

관련자료

멤버랭킹