[영상] AI 로봇, 가상훈련만으로 인간과 에어하키 대결 작성일 06-08 13 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">캐나다 학생들이 개발한 AI 에어하키 테이블</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="4ILia1u5jJ"> <p contents-hash="8f89021c9d4145924d09a5e4649a6815d76c5a30c021e32bd456d35aa57f8a81" dmcf-pid="8ConNt71gd" dmcf-ptype="general">(지디넷코리아=이정현 미디어연구소)인공지능(AI) 로봇이 실제 훈련이나 경기 경험 없이 가상 학습만으로 에어하키 기술을 익혀 인간과 경쟁할 수 있는 수준에 도달해 주목 받고 있다.</p> <p contents-hash="e35cf50880707301db7a8fe91db341aea722e42ff60f3fbf3a7302c18a07ae06" dmcf-pid="6FCOSfMVae" dmcf-ptype="general">과학 전문매체 인터레스팅 엔지니어링은 7일(현지시간) 캐나다 브리티시컬럼비아대학교 학생 연구팀이 개발한 AI 기반 1인용 에어하키 시스템을 소개했다.</p> <p contents-hash="4147e6b843c3cabd490162985b7591b359abe3652cff7a76a69e7bc16e008f10" dmcf-pid="P3hIv4RfaR" dmcf-ptype="general">이번 연구가 주목 받는 이유는 AI가 실제 테이블에서 반복 훈련을 하지 않고 시뮬레이션 환경에서 경기 능력을 습득했다는 점이다. 일반적으로 AI 제어 로봇은 실제 환경에서 수천 번의 시행착오를 거치며 학습한다. 하지만 이 과정은 많은 시간과 비용이 필요할 뿐 아니라 하드웨어 마모와 손상 위험도 따른다.</p> <figure class="figure_frm origin_fig" contents-hash="e0c3cedf36d321fa9f235537a480ee02f3ff3ab4cf7faa8c29d80ea805a8e503" dmcf-pid="Q0lCT8e4aM" dmcf-ptype="figure"> <p class="link_figure"><img alt="AI 로봇이 가상 환경에서의 학습만으로 에어하키 기술을 익혀 주목되고 있다. (영상=유튜브 @HudsonNock)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/08/ZDNetKorea/20260608150738239vkua.gif" data-org-width="600" dmcf-mid="tjrdoZpXkf" dmcf-mtype="image" height="auto" src="https://t1.daumcdn.net/news/202606/08/ZDNetKorea/20260608150738239vkua.gif" width="600"></p> <figcaption class="txt_caption default_figure"> AI 로봇이 가상 환경에서의 학습만으로 에어하키 기술을 익혀 주목되고 있다. (영상=유튜브 @HudsonNock) </figcaption> </figure> <p contents-hash="11c441dd10c919b2102d094aeb4cd82a79b426a08dbb08dbeaa20ab0f11912d0" dmcf-pid="xpShy6d8ox" dmcf-ptype="general">연구진은 이런 한계를 극복하기 위해 실제 에어하키 테이블과 거의 동일한 환경을 구현한 고정밀 '디지털 트윈’을 구축했다. AI는 이 가상 환경에서 수많은 경기를 치르며 전략과 반응 능력을 학습했다.</p> <p contents-hash="5778b4d8f12641736dfb3081c72e368ffdca97eb3ca98d3fad46831deede033d" dmcf-pid="yj64xSHljQ" dmcf-ptype="general">이후 연구진은 시뮬레이션에서 훈련된 AI를 실제 에어하키 로봇에 적용해 성능을 검증했다. 그 결과 추가 조정 없이도 인간 선수와 경쟁할 수 있는 수준의 경기력을 보여줬다.</p> <p contents-hash="81d741cd4e6f71f92854503be57d657ad9a51aed015e7af616bef5146685b611" dmcf-pid="WAP8MvXSjP" dmcf-ptype="general"><strong>불완전한 환경이 만든 강한 AI</strong></p> <p contents-hash="5eb7952fd07bee1ea99e6d63b77ca4626122431fab100739da03da3dae71846f" dmcf-pid="YcQ6RTZvj6" dmcf-ptype="general">에어하키는 AI가 학습하기에 상당히 까다로운 종목으로 꼽힌다. 경기 중 퍽(하키 경기에 사용되는공)은 매우 빠르게 움직이며, 벽과 패들에 부딪히면서 예측하기 어려운 궤적을 그린다. 여기에 카메라 인식 지연, 모터 오차, 전압 변화, 기계 진동 등 다양한 변수가 더해진다. 이 때문에 작은 계산 오류 하나만으로도 경기 결과가 달라질 수 있다.</p> <p contents-hash="3c3466275a503df193fceba0602378b95e32c959e15b92315953e57ec3850038" dmcf-pid="GkxPey5TN8" dmcf-ptype="general">연구진은 이런 문제를 해결하기 위해 일부러 훈련 환경을 완벽하지 않게 설계했다. 일반적인 AI 훈련이 이상적인 환경을 구축하는 것과 달리, 이번 연구에서는 현실에서 발생할 수 있는 다양한 불확실성을 적극 반영했다.</p> <p contents-hash="2a79b30165620b3f1c2970ead0ca9e0155d8f1c486d6f1dff9ef179d04801949" dmcf-pid="HEMQdW1yg4" dmcf-ptype="general">연구팀은 울퉁불퉁한 레일, 휘어진 테이블, 불규칙한 리바운드, 전원 공급 변화, 카메라 지연 등의 요소를 시뮬레이션에 포함했다. 이런 접근 방식은 '도메인 무작위화(Domain Randomization)'로 불리며, AI가 예상치 못한 상황에 적응하는 능력을 기르는 데 효과적인 것으로 알려졌다. </p> <p contents-hash="62ccae1184a9112c3708c24e3f2b6b658c2cf0b50b1e6887384631c340d085c7" dmcf-pid="XDRxJYtWcf" dmcf-ptype="general">이를 통해 AI는 특정 상황에 대한 정답을 암기하는 대신, 다양한 가능성을 예측하고 상황에 맞게 대응하는 능력을 습득했다. 마치 인간 선수가 상대의 움직임과 퍽의 방향을 예측하며 플레이하는 것과 유사한 방식이다.</p> <p contents-hash="5c5a9ca8d760e4bef70664ac09646e6b39e97cb9396ed7e1128ad75f5e697810" dmcf-pid="ZweMiGFYoV" dmcf-ptype="general"><strong>수백만 번의 가상 경기로 실력 향상</strong></p> <p contents-hash="2228ab2b0fbc05be5307bb89166152f656490f5959530a9ff27162637b18e99d" dmcf-pid="5rdRnH3Gg2" dmcf-ptype="general">연구진은 학습 효율을 높이기 위해 일반적인 물리 엔진 대신 '소프트 액터 크리틱(Soft Actor-Critic)' 강화학습 기법을 활용했다. 이 시스템에서 AI는 행동에 따라 보상 또는 페널티를 받으며 학습한다. 수백만 번에 달하는 가상 경기를 반복하면서 경기 전략은 물론 예측 불가능한 변수에 대응하는 능력까지 점차 향상시켰다.</p> <p contents-hash="a817678613982b9de98d472e5e809ab3bc9cc8150f0fec24a1b4ebe592cd5150" dmcf-pid="1mJeLX0Hk9" dmcf-ptype="general">또한 AI는 특수 오버헤드 카메라와 반사 테이프가 부착된 퍽을 활용해 초당 120프레임의 속도로 경기 상황을 인식하며 정밀한 대응이 가능하도록 설계됐다.</p> <div class="video_frm" dmcf-pid="tsidoZpXaK" dmcf-ptype="embed"> <div class="layer_vod"> <div class="vod_player"> <iframe allowfullscreen class="player_iframe" dmcf-mid="41sia1u5A1" dmcf-mtype="video/youtube" frameborder="0" height="370" id="video@41sia1u5A1" scrolling="no" src="https://www.youtube.com/embed/ugwpCam1rd0?origin=https://v.daum.net&enablejsapi=1&playsinline=1" width="100%"></iframe> </div> </div> </div> <p contents-hash="1c76c8c85d3b05b2902b9a66d03ed7fc09ca490ab5967c7ee59c7cc829700939" dmcf-pid="FOnJg5UZjb" dmcf-ptype="general">전문가들은 이번 연구가 단순히 에어하키 기술을 넘어 다양한 자율 시스템 개발에도 활용될 수 있을 것으로 보고 있다. 드론, 자율주행차, 산업용 로봇 등 실제 환경에서 훈련 비용이 큰 분야에서 시뮬레이션 기반 학습이 현실 적용으로 이어질 경우 개발 속도와 효율성을 크게 높일 수 있기 때문이다.</p> <p contents-hash="6cfcd6139a703c86cff7b6f9026dd97b83c7a7ed38d821de1c957dff9708e485" dmcf-pid="3GDkmqfzaB" dmcf-ptype="general">연구진은 이번 성과가 AI가 가상 세계에서 학습한 능력을 실제 세계에 효과적으로 이전할 수 있음을 보여주는 사례라며, 향후 로봇 공학과 자율 시스템 분야 전반에 새로운 가능성을 제시할 것으로 기대하고 있다.</p> <p contents-hash="43cac4eabb2ee0916375cb2e525975d8bf91c93c22435be06a302b2f8b961ec5" dmcf-pid="0HwEsB4qkq" dmcf-ptype="general">이정현 미디어연구소(jh7253@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 '인간 새' 듀플랜티스, 장대높이뛰기 40연승 마감…3년 만에 우승 실패 06-08 다음 'K-AI 모델' 적용 범위 확대…"국가유산·반도체·모빌리티·금융까지" 06-08 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
