로봇의 발 걸림 방지 시스템, 실시간으로 복잡한 지형에 적응
로봇은 즉흥적으로 행동하기 어렵고, 낯선 표면이나 장애물과 부딪히면 보통 급정거하거나 급격히 넘어진다. 그러나 연구진은 새로운 로봇 이동 모델을 만들었다. 이 모델은 모래, 돌, 계단 등 갑작스러운 지형 변화를 만나도 걸음걸이를 즉시 바꿔 계속 움직이도록 실시간으로 어떤 지형에도 적응한다.
로봇의 이동은 다재다능하고 정확할 수 있으며, 계단을 오르고 험한 지형을 지나는 법을 배울 수도 있다. 하지만 이런 동작은 로봇이 전환하며 쓰는 개별적으로 훈련된 기술에 가깝다. Spot 같은 잘 알려진 로봇은 발로 차이거나 충격을 받아도 튕겨 낼 수 있다.
사실 이 시스템은 변하지 않는 보행 정책을 유지하면서 물리적 이상 상황을 바로잡는 방식으로 작동한다. 적응형 움직임 모델은 여러 가지가 있지만, 일부는 매우 특정한 상황에만 맞고, 다른 일부는 작동하는 데 시간이 너무 오래 걸린다. 그래서 이들이 효과를 내기 전에 로봇은 반드시 넘어지고 만다.
Facebook AI, 캘리포니아대학교 버클리, 카네기멜런대학교 연구팀은 이 시스템을 Rapid Motor Adaptation이라고 이름 붙였다. 사람과 동물은 상황에 따라 걸음걸이를 빠르고 효율적으로, 그리고 의식하지 않고도 바꿀 수 있기 때문에 이런 시스템을 만들게 되었다.
“걸음마를 배우는 중에 처음으로 해변에 간다고 가정해 보자. 발을 디뎠을 때 발이 빠지고, 발을 빼려면 더 많은 힘을 줘야 한다. 이상하게 느껴지지만 몇 걸음 지나면 단단한 땅 위에서처럼 자연스럽게 걷게 된다. 비결은 무엇일까?”
물론 해변을 처음 접한 사람이라면 그 순간 부드러운 표면 위를 걷게 해 주는 특별한 '모래 모드'에 들어가는 것은 아니다. 움직임을 바꾸는 과정은 자동으로 일어나며, 외부 환경에 대한 실제적인 이해가 없어도 이루어진다.
사람의 몸은 다양한 물리적 조건에 반응하며, 그 조건이 몸에 주는 여러 영향을 느낀다. RMA 시스템도 이와 비슷하게 작동한다. 새로운 조건에서 움직이는 동안 매우 짧은 시간(0.5초 이하) 안에 보행 규칙이 바뀐다.
이 시스템은 가상의 현실 세계에서 완전히 훈련되었다. 로봇의 작은 두뇌(모든 연산은 탑재된 제한된 연산 장치에서 로컬로 처리된다)는 최소한의 에너지로 전진 운동을 최대화하고 넘어지는 것을 피하는 법을 배웠으며, 가속도계와 기타 물리 센서가 보내는 데이터를 즉시 관찰하고 이에 반응했다.
RMA 접근법의 근본적인 내적 본질을 강조하기 위해 말리크는 이 로봇이 시각 입력을 전혀 사용하지 않는다고 밝혔다. 시각이 없는 사람과 동물도 정상적으로 걸을 수 있다면, 로봇이라고 못 할 이유가 있을까? 자신이 밟고 가는 모래나 돌의 정확한 마찰 계수 같은 '외부 효과'는 측정할 수 없으므로, 로봇은 그저 자신의 상태를 주의 깊게 살핀다.
결국 이 시스템은 두 부분으로 구성된다. 하나는 로봇의 걸음걸이를 실제로 제어하는 상시 작동 알고리즘이고, 다른 하나는 이와 병행하여 작동하며 로봇 내부 지표의 변화를 추적하는 적응 알고리즘이다. 중요한 변화가 감지되면 후자가 이를 분석하고 — '다리가 이렇게 움직여야 하는데 이렇게 움직이고 있으니 상황이 이렇다' — 주 모델에 어떻게 적응할지 알려 준다.
이 순간부터 로봇은 새로운 조건에서 앞으로 나아가는 방법만 생각하며, 특별한 걸음걸이를 효과적으로 즉흥적으로 만들어 낸다. 시뮬레이션 훈련을 마친 로봇은 이미 현실 세계에서도 성공을 거두고 있다.
보도자료에 따르면 "로봇은 모든 시험에서 한 번도 실패하지 않고 모래, 진흙, 보행로, 키 큰 풀밭을 걸을 수 있었다. 보행로의 계단은 70%의 시험에서 성공적으로 내려갔다. 시멘트 더미와 자갈 더미는 80%의 시험에서 성공적으로 넘었으며, 훈련 중 불안정하거나 꺼지는 땅, 길을 막는 초목, 계단을 한 번도 본 적이 없었음에도 그랬다. 또한 자기 무게의 100%에 해당하는 12kg의 화물을 싣고 이동할 때도 높은 성공률로 자세를 유지했다."
말리크는 뉴욕대학교 교수 카렌 아돌프의 연구를 지지했다. 아돌프의 연구는 사람이 걷는 법을 배우는 과정이 얼마나 쉽게 적응하고 자유로운지를 보여 주었다. 이 연구팀의 목표는 어떤 상황에도 대처할 수 있는 로봇이 필요하다면, 여러 모드 중에서 고르는 대신 처음부터 적응하도록 배워야 한다는 것이다.
컴퓨터 비전 시스템이 모든 객체와 상호작용을 빠짐없이 라벨링하고 문서화한다고 해서 더 똑똑해질 수 없는 것과 마찬가지로, 자갈, 진흙, 부서진 돌, 젖은 나무 위를 걷기 위한 10개, 100개, 심지어 수천 개의 특수 매개변수로 로봇을 다양하고 복잡한 물리 세계에 대비시킬 수는 없다.
이 시스템의 기반은 다리가 달린 로봇뿐 아니라 완전히 다른 AI 및 로보틱스 분야에도 잠재적으로 적용될 수 있다.
또한 기본 알고리즘과 적응 알고리즘의 결합은 다른 지능형 시스템에도 효과적으로 작동할 수 있다. 스마트 홈과 공공 시스템은 보통 이미 존재하는 정책에 의존하지만, 만약 이들이 즉시 적응할 수 있다면 어떨까?
