연구자들, 로봇에게 더 나은 상호작용을 위한 사회적 능력 가르치기 시도
영화 속 로봇은 사람을 돕거나 방해하는 것으로 알려져 있지만, 현실 세계의 로봇은 사회적 능력이 상당히 제한적입니다. 새로운 보고서에 따르면, MIT 컴퓨터 과학 및 인공지능 연구소(CSAIL)의 연구진은 로봇이 다른 로봇과 사람들과 상호작용하며 자신의 목표를 달성하도록 훈련시켜 이 문제를 해결하려 하고 있습니다.
“머지않아 우리 주변 곳곳에 로봇이 등장할 것이며, 로봇은 우리와 사람처럼 자연스럽게 소통할 수 있어야 합니다. 언제 도와야 할지, 그리고 어떤 문제가 생기지 않도록 무엇을 할 수 있는지 지켜봐야 할지를 알아야 합니다”
연구팀은 이 연구를 «사람과 기계의 사회적 상호작용이 무엇을 의미하는지 이해하기 위한 첫 번째 매우 진지한 시도»라고 부릅니다. 이들이 매우 초기 단계에서 다루고 있는 이 문제는, 로봇이 우리 삶에서 막대한 역할을 맡기 시작하면서 로봇공학자들 사이에서 점점 더 많이 다뤄질 것이 분명합니다.
«기계와 로봇은 사람과 상호작용해야 하지만, 이들에게 사회적 능력을 부여하는 일은 대체로 간과되어 왔습니다. 주로 내비게이션, 명령 수행, 심지어 게임과 같은 과제들은 명확하게 정의된 반면, 사회적 추론은 여전히 대체로 이론적인 문제로 남아 있다는 사실에서 비롯됩니다. 우리는 다른 에이전트의 목표를 재귀적으로 추론함으로써 사회적 상호작용을 MDP(마르코프 결정 過程)에 효과적으로 포함할 수 있음을 보여줍니다», 연구에서 이렇게 밝혔습니다.
이 연구는 예를 들어 서비스 가정에서 사람과 로봇의 상호작용을 개선하고, 심리학자들이 사람 사이의 사회적 상호작용을 더 잘 측정하는 데도 도움이 될 수 있습니다. 이러한 상호작용을 연구하기 위해 연구진은 가상 로봇이 사회적 목표와 물리적 목표를 모두 추구할 수 있도록 하는 시뮬레이션 2D 환경을 만들었습니다.
“우리는 두 에이전트 사이의 사회적 상호작용을 모델링하기 위한 새로운 수학적 기반을 찾아냈습니다. 여러분이 로봇이고 X 지점에 가고 싶은데, 제가 또 다른 로봇이고 여러분이 X 지점으로 가려는 것을 제가 본다면, 여러분이 X 지점에 더 빨리 도달하도록 도와 협력할 수 있습니다. 이는 X 지점을 여러분 가까이로 옮기거나, 다른 더 나은 X를 찾거나, X에서 여러분이 해야 했던 어떤 행동이든 수행하는 것을 의미할 수 있습니다. 우리의 공식은 계획이 «어떻게»를 알아내도록 하고, 우리는 사회적 상호작용의 수학적 의미라는 관점에서 «무엇»을 정의합니다”
예를 들어, 물리적 목표는 격자의 특정 지점에 있는 나무로 가는 것일 수 있고, 사회적 목표는 다른 로봇이 무엇을 하려는지 추측한 뒤 그에 따라 행동하는 것, 예를 들어 다른 로봇이 나무에 물 주는 것을 돕는 것일 수 있습니다. 로봇은 목표에 가까워지는 행동에 보상을 받으며, 도움에는 해당하는 보상을, 방해에는 반대되는 보상을 받습니다.
연구팀은 세 가지 유형의 로봇을 만들었습니다. 첫 번째는 물리적 목표만 추구하고, 두 번째는 물리적 목표와 사회적 목표를 추구하지만 모든 로봇이 물리적 목표만 추구한다고 가정하며, 세 번째는 다른 모든 로봇이 사회적 목표와 물리적 목표를 모두 가진다고 가정하여 다른 로봇과 협력해 목표를 달성하는 등 더 복잡한 행동을 취할 수 있습니다.
심지어 아주 어린 아기들도 도움과 방해 같은 사회적 상호작용을 이해하는 것으로 보이지만, 아직 우리에게는 이러한 추론을 사람 수준의 유연함으로 수행할 수 있는 기계가 없습니다. 연구팀은 세 가지 유형의 로봇 모두를 포함한 98개의 서로 다른 시나리오를 만들었습니다. 12명이 로봇 상호작용을 담은 약 200개의 영상 클립을 보고, 물리적 목표와 사회적 목표를 평가해야 했습니다.
연구진은 이렇게 밝혔습니다: «대부분의 경우 이들의 모델은 각 장면에서 일어난 사회적 상호작용에 대해 사람들이 생각한 것과 일치했습니다». 연구진은 이 결과가 다른 연구자들이 유사한 사회적 상호작용을 연구하는 데 «기준»이 되기를 기대합니다. 궁극적인 목표는 로봇에게 사회에서 더 잘 상호작용하는 법을 가르치는 데 그치지 않고, 이것의 «인간적인 측면을 깊이 탐구하는 것»입니다.
“사회적 상호작용을 인식하는 여러분의 능력을 객관적으로 테스트할 수 있을까요? 아마 사람들이 이러한 사회적 상호작용을 인식하고 그 능력을 향상시키도록 가르칠 방법도 있을 것입니다”
현재 모델은 비교적 단순한 2차원 시뮬레이션입니다. 연구팀은 로봇이 이러한 행동을 통해 학습하는 속도를 높이기 위해 신경망 기반 로봇 플래너를 추가하면서 3D 버전으로 전환하는 작업을 진행하고 있습니다.
사회적 상호작용 문제를 다루는 정확한 수학적 모델을 갖추는 것은 실용적 가치도 있습니다. 사회적 MDP로 제어되는 챗봇과 로봇을 상상할 수 있습니다. 또한 내비게이션 연구에서 그토록 성공적으로 활용된 MDP 도구를 사용하면, 인간의 웰빙과 인류 문명에 매우 중요한 사회적 상호작용이 무엇인지 밝히는 이론적 가치도 있습니다.
