MIT 연구진, 사람에게 안전하게 접촉할 수 있는 도우미 로봇 개발
과거에는 로봇공학이 기계학습에서 가장 어려운 분야라고 여겨졌다. 로봇 팔을 짧은 거리만큼 움직이는 것 같은 단순한 일조차 엄청나게 복잡한 공학 과제였다. 로봇 팔이 사람이 재킷을 입도록 돕기 위해 기계학습을 적용한 것이 얼마나 큰 성과인지 상상할 수 있겠는가?
매사추세츠 공과대학교(MIT) 연구진은 2021년 여름 연구 세부 내용을 공개했다. 연구에서는 사람을 돕는 로봇 팔을 선보였고, 이 과정이 사람에게 안전하다고 주장하는 이유도 설명했다.
시연에서 로봇 팔은 조끼를 쥐고 있고, 사람의 오른팔이 구멍을 통과하면 조끼는 천천히 어깨 쪽으로 올라간다. 연구진은 이 작업을 논문에 자세히 기술했으며, 제목은 「불확실성 하에서 증명 가능하게 안전하고 효율적인 인간-로봇 상호작용 동작 계획」이다.
MIT 박사과정 학생 셴 리와 그의 팀의 연구는 강화학습 기반 알고리즘 접근법에 바탕을 두고 있다. 강화학습은 기계학습의 한 형태로, 2019년 독일 프라이부르크 대학교의 토르스텐 콜러와 동료들이 개발했다.
로봇 동작 문제는 일종의 목표 간 충돌로 요약할 수 있다. 하나는 즉각적인 목표이고, 다른 하나는 장기적인 목표다. 가장 가까운 목표는 사람에게 위험한 상황을 피하는 것이다. 로봇은 사람과의 충돌을 피하거나 그러한 충돌의 해로운 결과를 최소화하기 위해 매 순간 신중해야 한다.
더 긴 시간 범위에서는 로봇에게 항상 과제가 주어진다. 로봇은 어떤 과제를 수행해야 하며, 이 경우에는 사람이 옷 입는 것을 돕는 일이다. 이 두 목표의 균형을 맞추는 것이 MIT 연구팀이 스스로 설정한 과제였다.
2019년 콜러의 연구에서 과학자들은 학습 기반 예측 제어 알고리즘(LBMPC)을 개발했다. 이 알고리즘의 목표는 로봇이 사람과의 충돌을 피하면서 동시에 해당 과제에 더 효율적인 경로를 찾도록 하는 것이다.
콜러와 동료들의 연구를 바탕으로 리와 그의 팀은 충돌을 완전히 피하는 대신, 사람과의 충돌이 해로운 충격이 아니라 가벼운 접촉이 될 수 있는 곳으로 로봇 팔을 움직이는 것이 가능한지 자문했다. 이른바 안전한 충격을 허용하면 로봇 팔은 특별히 조심하지 않고도 움직일 수 있다.
저자들에 따르면, 이것은 모든 접촉을 피하는 대신 로봇 팔이 목표 과제와 안전성의 균형을 맞추는 공학 시스템이다.
연구진은 이렇게 설명했다. "안전성을 유지하면서 시스템의 보수성을 줄이기 위해, 우리는 예측적 접근법과 반응적 접근법을 하나의 틀 안에서 함께 통합하는 안전 플래너를 제안한다. 우리의 목표는 동작 플래너가 저수준 순응 제어기를 이해하도록 하는 것이며, 약간의 충격은 사람에게 해롭지 않을 수 있다는 사실을 활용해 안전을 해치지 않으면서 플래너가 더 효율적인 동작을 만들어낼 수 있도록 하는 것이다."
연구진은 LBMPC에 사람과 로봇의 위치와 속도를 모델링하는 기능을 추가해, 충돌 시 어떤 영향을 줄지 계산했다. 저자들은 이를 혼자 생각해낸 것이 아니라, 다양한 연구에서 마찰의 종류와 두 물체가 충돌할 때 어느 정도 속도가 안전한지에 대한 정보를 가져왔다.
특히 2003년 호주 국립대학교의 두 연구자는 무엇이 안전한지 판단하기 위해 충격 모델을 개발했다. 이들의 견해에 따르면 이러한 안전 기준은 로봇이 사람과 충돌할 때 발생할 수 있는 충격력을 제한한다.
무엇이 안전한지 정의함으로써 리와 다른 과학자들은 LBMPC를 재검토할 수 있으며, 그렇게 되면 알고리즘은 항상 충돌만 피하도록 계획하지 않고, 안전한 충격이 발생할 수 있는 경우에도 동작을 선택하게 된다.
“우리가 아는 한, 이것은 사람-로봇 시스템에서 불확실성을 가진 인간 동역학 모델에 대해 확률적 안전 보장을 제공하는 첫 번째 연구다”
개발 중인 알고리즘은 LBMPC를 변형한 것으로, 인간과 기계 사이에서 무슨 일이 일어날 수 있는지를 확률적으로 모델링합니다. 이는 확신이 아니라, 알고리즘이 계산한 상호작용에서 일부 결과가 «높은 확률로 유지될 것»이라는 예측입니다.
따라서 증명상 안전하다고 할 수 있는 것은 로봇이 인간에 대해 움직일 수 있는 불확실성의 정도입니다. 허용 가능한 불확실성의 범위는 일부 무해한 충돌을 허용함으로써 약간 넓어졌습니다. 중요한 점은, 허용되는 불확실성이 여러 가정이 적용된 통제된 실험의 좁은 틀 안에 있다는 것을 기억해야 한다는 것입니다.
연구 저자들은 다음과 같이 밝혔습니다. «우리의 구현은 기하학과 컴퓨터 비전의 문제를 피하기 위해 세운 다음 가정에 의존합니다. 사람의 어깨 위치는 알려져 있고 고정되어 있으며, 이 과제를 수행하는 동안 사람의 팔꿈치는 절대 구부러지지 않습니다. 이 가정이 있으면 사람의 손 위치만 추적하면 되고, 손은 손 위치와 어깨 사이의 선분으로 보간할 수 있습니다. 또한 작업 전 과정 동안 사람의 팔이 완전히 관찰 가능한 상태로 남아 있다고 가정하고, 이를 추적하기 위해 PhaseSpace 모션 캡처 시스템을 사용합니다».
이 연구에는 또 하나의 중요한 가정이 있습니다. «로봇의 계획이 수립되는 동안 사람은 움직이지 않는다고 가정합니다». 이러한 모든 단서들은, 사람이 상호작용에 대한 제약이 더 적은 상태로 더 역동적으로 움직일 때 무슨 일이 일어나는지에 대한 더 많은 모델링이 필요하다는 것을 시사합니다.
리의 핵심 주장은, 시스템을 안전하다고 가정함으로써 사람들이 시스템을 더 쉽게 받아들이게 된다는 것입니다. 저자들은 이렇게 씁니다. «흥미롭게도 실험 참가자는 로봇이 단순히 충돌을 피할 때보다 우리 알고리즘을 실행할 때 더 편안함을 느꼈다고 밝혔습니다».
한 가지 설명은, 연구진의 알고리즘이 충돌을 엄격하게 피하기 어려울 때 속도와 안전한 타격을 최적화한다는 것입니다. 안전한 타격 방식은 안전 보장 외에도 인간과 로봇 상호작용의 심리적 측면을 개선할 수 있습니다.
