연구진은 로봇이 최소한의 데이터로 인간과 유사한 움직임을 생성할 수 있는 적응형 모션 시스템을 개발합니다
동료 심사 출판물게이오 대학교 글로벌 연구소
이미지:
이 이미지는 인간의 움직임이 로봇 아바타에게 실시간으로 전달되어 로봇이 능숙한 작업을 수행할 수 있게 하는 모습을 보여줍니다.
전망 더 보기출처: 일본 게이오 대학 노자키 타카히로 부교수
로봇 자동화의 가속화된 진보는 산업을 혁신하고 위험하고 육체적으로 힘들거나 반복적인 작업을 인간을 대체함으로써 우리의 삶을 개선할 것을 약속합니다. 기존 로봇들이 이미 조립 라인과 같은 통제된 환경에서 뛰어나지만, 자동화의 궁극적인 최전선은 요리, 노인 지원, 탐험과 같은 작업에서 발견되는 동적 환경에 있습니다. 이 목표를 달성하기 위한 주요 장벽 중 하나는 촉각에 적응할 수 있는 로봇을 만드는 것입니다. 인간의 손이 무게, 마찰, 강성을 알 수 없는 물체에 직관적으로 그립을 조절하는 것과 달리, 대부분의 로봇 시스템은 이러한 중요한 적응력이 부족합니다.
정교한 인간의 손재주를 기계에 전달하기 위해 연구자들은 다양한 동작 재생 시스템(MRS)을 개발했습니다. 이 과정들은 인간의 움직임을 정확히 기록하고 원격 조작을 통해 로봇에 재현하는 데 중점을 둡니다. 하지만 MRS는 다루는 물체의 특성이 변경되거나 기록된 움직임과 일치하지 않을 경우 문제를 겪는 경향이 있습니다. 이로 인해 MRS의 다재다능함이 제한되고, 결과적으로 로봇 전반의 적용 가능성도 제한됩니다.
이 근본적인 도전을 해결하기 위해 일본의 연구팀은 복잡한 인간 움직임을 적응적으로 모델링하고 재현할 수 있는 새로운 시스템을 개발했습니다. 이 연구는 게이오대학 과학기술대학원의 석사과정 학생 다카쿠라 아키라가 주도했으며, 시스템 설계공학과의 노자키 타카히로 부교수와 공동 저술했습니다; 박사과정 학생 야네 카즈키; 게이오 대학 출신 명예교수 아다치 슈이치; 그리고 일본 도쿄과학대학의 기타무라 토모야 조교수입니다. 그들의 논문은 2025년 12월 30일 이 분야의 세계적인 국제 학술지인 IEEE Transactions on Industrial Electronics에 게재되었습니다.
팀의 핵심 돌파구는 선형 모델링 전략을 넘어 가우시안 프로세스 회귀(GPR)를 사용한 점이었습니다. 이 회귀 기법은 소량의 학습 데이터로도 복잡한 비선형 관계를 정확히 매핑할 수 있습니다. 여러 물체에 대한 인간의 잡기 동작을 기록함으로써, GPR 모델은 물체의 '환경 강성'과 인간이 내린 필요한 위치 및 힘 명령 간의 관계를 식별하도록 훈련되었습니다. 이 과정은 인간의 근본적인 움직임 의도, 즉 '인간의 강성'을 효과적으로 드러내어, 로봇이 한 번도 마주친 적 없는 물체에 대해 적절한 움직임을 생성할 수 있게 합니다. "로봇에서 일상적인 물체를 조작하는 능력을 개발하는 것은 로봇이 일상생활에서 물체와 상호작용하고 마주하는 힘에 적절히 반응할 수 있도록 하는 데 필수적입니다,"라고 노자키 박사는 설명합니다.
연구진은 이 접근법을 검증하기 위해 기존 MRS, 선형 보간, 그리고 일반적인 모방 학습 모델과 비교해 테스트했습니다. 제안된 GPR 시스템은 보간과 외삽 모두에서 정확한 동작 명령을 재현하는 데 크게 향상된 성능을 보여주었습니다. 보간은 훈련 집합 한계 내에 있는 강성을 가진 객체를 다루는 것으로, 위치에서 평균 평균평균근 오차(RMSE)를 최소 40%, 힘에 대해 34% 감소시켰습니다. 한편, 훈련 집합 내 객체보다 더 단단하거나 부드러운 객체를 외삽할 경우에도 위치 RMSE가 74% 감소하는 등 동일한 견고함을 보였습니다. 무엇보다도, GPR을 기반으로 한 제안된 방법은 다른 모든 방법보다 현저히 우수한 성능을 보였습니다.
최소한의 학습 데이터로 인간과 물체 상호작용을 정확히 모델링함으로써, 이 새로운 MRS는 다양한 물체에 대한 민첩한 동작 명령을 생성하는 데 도움을 줄 것입니다. 복잡한 인간 기술을 포착하고 재현하는 이 능력은 궁극적으로 로봇이 엄격한 맥락을 넘어 더 정교한 서비스를 제공하는 데 기여할 것입니다. "이 기술은 적은 데이터로 작동하고 머신러닝 비용을 낮출 수 있기 때문에, 생명 유지 로봇을 포함한 다양한 산업 분야에서 잠재적 응용이 가능하며, 대량의 학습 데이터가 필요해 머신러닝을 도입하지 못한 기업들에게도 기준을 낮출 수 있습니다. "타카쿠라 씨가 말한다.
주목할 만한 점은, 게이오 대학의 이 연구팀은 힘-촉각 피드백의 전달, 보존, 재현에 관한 연구에 적극적으로 참여하고 있다는 것입니다. 이 분야에서 이전의 노력은 데이터 트래픽 감소, 모션 모델링, 햅틱 이식 기술 등 다양한 주제를 다루었습니다. 그들의 민감한 로봇 팔과 '아바타' 로봇에 대한 획기적인 연구는 IEEE 같은 전자 연구 기관뿐만 아니라 일본 정부, 포브스 등 기관들로부터 널리 인정받았습니다.
댓글 0