Meta AI 연구진, AI의 촉각 인식 연구를 위한 범용 '피부' ReSkin 개발
우리의 촉각은 주변 세계를 파악하는 데 도움을 줍니다. 촉각을 통해 우리는 물체가 가벼운지 무거운지, 부드러운지 단단한지, 안정적인지 불안정한지 같은 정보를 얻으며, 이는 신발을 신는 일부터 음식을 준비하는 일까지 일상의 과제를 수행하는 데 쓰입니다. 인공지능은 시각이나 청각 같은 감각을 효과적으로 결합하고 있지만, 촉각은 여전히 풀기 어려운 과제로 남아 있습니다.
이는 실제 환경에서 촉각 데이터에 접근하기가 제한적이기 때문입니다. 모델에 촉각을 포함시키고자 하는 AI 연구자들은 사람처럼 풍부한 감각 정보를 활용하는 데 어려움을 겪고 있습니다. Facebook은 Meta AI 연구진이 카네기멜런대학교와 협력해 만든 오픈소스 센서 '피부' ReSkin을 발표했으며, 이는 AI의 촉각 능력을 빠르고 대규모로 향상시키는 데 도움이 될 수 있습니다.
머신러닝과 자기 감지 기술의 발전을 활용하여 ReSkin은 저렴하고, 범용적이며, 신뢰할 수 있고, 교체 가능한 장기 사용 솔루션을 제공합니다. 이 피부는 자기지도 학습 알고리즘을 사용해 센서를 자동으로 보정하며, 이를 통해 범용성을 갖추고 다른 센서 및 시스템과 데이터를 주고받을 수 있습니다.
회사는 AI 연구자들이 자체 데이터셋을 수집하고 학습시킬 필요 없이 ReSkin을 사용할 수 있도록 설계도, 관련 문서, 코드 및 기본 모델을 공개할 계획입니다. 이는 AI의 촉각 능력을 빠르고 대규모로 발전시키는 데 도움이 될 것입니다. ReSkin과 같은 센서 피부는 물체 분류, 고유감각, 로봇 잡기를 포함한 광범위한 감각 과제에서 AI를 발전시키는 데 유용한 방대한 접촉 데이터의 원천이 될 것입니다.
촉각 인식 능력을 갖춘 AI 모델은 의료 기관에서의 작업처럼 높은 민감도가 필요한 과제나, 작고 부드럽거나 민감한 물체를 더 능숙하게 다루는 작업을 포함해 많은 종류의 과제를 수행할 수 있게 될 것입니다. ReSkin은 다른 센서와 결합해 실험실 밖의 비정형 환경에서 시각, 청각, 촉각 데이터를 수집하는 데 활용될 수 있습니다. 다중 모달 데이터셋을 통합하면 물리적으로 현실적인 세계 모델을 구축하고, 중복성을 활용해 자가 학습을 수행하는 데 도움이 됩니다.
ReSkin은 100개당 6달러 미만이며, 대량 구매 시 가격은 더 낮아집니다. 두께는 2~3mm이며 50,000회 이상의 상호작용에 사용할 수 있습니다. 이러한 특성 덕분에 로봇 손, 촉각 장갑, 소매, 심지어 반려견용 신발 등 다양한 형태에 이상적으로 적용됩니다. 이 모든 것은 연구자들이 이전에는 수집하기 어렵거나 불가능했던 촉각 데이터를 새로운 AI 모델을 위해 모으는 데 도움이 될 것입니다. ReSkin은 또한 미끄러짐, 던지기, 받기, 손뼉 치기 같은 빠른 동작을 위해 고주파 3축 촉각 신호를 제공할 수 있습니다. 마모되면 쉽게 떼어내고 교체할 수 있습니다.
ReSkin은 자성 입자가 내장된 엘라스토머이기 때문에, 어떤 식으로든 변형되면 주변의 자기장 신호가 변합니다. 이러한 변화는 근처의 자력계로 측정할 수 있으며, 제어 기법을 사용해 접촉 위치나 가해진 힘의 크기 같은 정보로 변환할 수 있습니다.
현재 대부분의 촉각 인식 실험은 단일 센서에 의존하고 있는데, 피부를 교체할 때마다 모델을 다시 학습시켜야 했기 때문입니다. 이는 비효율적이고 비현실적입니다. 피부를 교체할 때마다 새로 학습시키는 일을 피하기 위해 연구자들은 범용 피부를 만드는 작업을 해왔습니다.
«ReSkin으로 우리는 세 가지 핵심 아이디어를 사용해 이러한 문제를 극복합니다. 첫째, ReSkin은 부드러운 소재와 기존 측정 전자장치 사이의 전기적 연결을 없앱니다. 자기 신호는 거리에 의존하므로 전자장치는 근처에만 있으면 됩니다. ReSkin은 또한 내부 전子 회로를 수동적인 인터페이스와 분리하기 때문에 기존의 부드러운 센서보다 효율적입니다. 이로 인해 마모된 피부를 교체하는 일이 스티커를 떼고 붙이는 것만큼 간단해집니다. 둘째, 단일 센서의 입력에 의존하는 대신, 여러 센서의 데이터를 사용해 모델의 매핑 함수를 더 잘 학습시킬 수 있습니다. 이렇게 우리는 모델에 더 다양한 데이터를 학습시켰고, 이는 더 효과적이고 일반화된 결과를 내는 데 도움이 됩니다», — 라고 Meta AI 연구진이 말했습니다.
새로운 센서마다 보정 데이터를 수집하는 대신, 자가 학습의 발전을 활용해 소량의 레이블이 없는 데이터로 센서를 자동으로 정밀 조정합니다. ReSkin은 기존 시스템에서는 불가능했던 범용적이고 저렴하며 확장 가능한 촉각 모듈의 넓은 범위를 열어 줍니다.
“신뢰할 수 있는 촉각은 로봇공학의 중요한 약점입니다. 현재의 센서는 너무 비싸거나, 해상도가 낮거나, 특수 로봇에 쓰기에는 지나치게 부피가 큽니다. ReSkin은 이러한 문제 중 일부를 해결할 수 있습니다. 가볍고 작은 형태 덕분에 임의의 그리퍼와 호환되며, 저는 우리 연구실의 로봇에서 이 센서를 더 연구할 날을 기대하고 있습니다”
ReSkin이 이전에는 수집하기 어려웠던 다양한 촉각 데이터를 활용해 AI 발전을 돕는 데 어떻게 쓰일 수 있는지 보여주기 위해, 여러 응용 사례로 그 작업을 시연했습니다:
손 안에서의 조작. ReSkin은 손 안에서의 조작을 위한 유용한 촉각 인식 특성을 제공합니다. 예를 들어 로봇이 열쇠를 사용해 문을 여는 법을 배우거나, 포도나 블루베리 같은 깨지기 쉬운 물체를 집는 AI를 개발하는 데 쓰입니다.
야생에서의 촉각 힘 측정. 소형이고 눈에 띄지 않는 설계 덕분에 ReSkin은 야생 환경에서 촉각 힘을 측정하는 데 이상적입니다. 시연을 위해 연구진은 자성 피부 하나와 유연한 인쇄 회로 기판을 개 신발의 밑창 안에 넣었습니다. 이 센서는 개가 쉬거나, 걷거나, 달릴 때 가해지는 힘의 크기와 방향을 추적합니다.
사람과 물체의 상호작용. ReSkin은 우리가 물건을 들어 올리거나 손으로 밀 때처럼 사람과 물체가 자연스럽게 상호작용하는 동안의 힘을 측정하는 데 유용합니다. 연구진은 피험자의 오른손 검지에 니트릴 장갑을 씌운 뒤 그 위에 피부와 단단한 인쇄 회로 기판을 올려 놓았습니다.
접촉 위치 파악. ReSkin은 넓은 면적에서 접촉 위치를 파악하도록 확장할 수 있습니다. 이는 물체의 위치를 아는 것에 기반한 모델을 구축하는 데 유용합니다. 예를 들어 연구자가 로봇에게 무언가를 안정적으로 잡는 법을 가르치려면, 로봇이 물체의 어느 부분에 얼마의 힘으로 닿는지 알아야 합니다.
