MIT 테크놀로지
인공지능
혼자서도 척척…사람 도움 없이 물건 정리하는 로봇 나왔다
STEPHANIE ARNETT/MITTR | ENVATO,
GETTY
로봇이 낯선 환경에서도 기존의 오픈소스
AI 모델을 활용해 물건을 탐색할 수 있도록 해주는
시스템이 새롭게 개발되었다.
굴곡진 길 위 달려온 로보택시, 2024년 전망은? - MIT 테크놀로지 리뷰 | MIT Techonology Review Korea 로보택시 업체들은 대중의 신뢰를 회복해야 할 뿐만 아니라 로보택시 비즈니스 모델이 우버나 택시와 경쟁할 수 있다는 점을 증명해야 한다.
www.technologyreview.kr
스스로 새우를 요리하고 청소하는 로봇 - MIT 테크놀로지 리뷰 | MIT Techonology Review Korea 저렴한 하드웨어라도 복잡한 작업을 수행할 수 있으며 AI는 로봇이 더 똑똑해지는 데 도움을 줄 수 있다.
www.technologyreview.kr
로봇은 특정 작업을 능숙하게 수행할 수 있다.
최근에는 물건을 집어 다른 곳으로 옮기는 일이나 심지어 요리까지도
점차 실력이 좋아지고 있다.
하지만 로봇이 과제를 익숙하게 수행해 낼 수 있는 실험실이 아닌,
사전 데이터가 거의 주어지지 않은 낯선 환경에서는 이러한 일을 완수하기가 매우
어렵다.
‘OK-로봇(OK-Robot)’이라는 새로운 시스템은 로봇이 처음 접하는 환경에서도 물건을 집어 옮기도록 훈련시킬 수 있다.
이 방식은 큰 비용을 들여 복잡한 과정을 거쳐 로봇에 추가 훈련을 시키지 않아도 되기 때문에, 빠르게 발전하는 AI 모델과 사용하는 로봇의
기능 사이의 간극을 메우는 데 도움을 줄 수 있다.
이 시스템을 개발하기 위해 뉴욕대학교(New York University)와 메타의 연구원들은 ‘스트레치(Stretch)’라는 물류 로봇을 5개 가정의 10개 방에서 실험했다.
로봇 스타트업 헬로 로봇(Hello Robot)에서 만든 스트레치는 바퀴,
기다란 축, 접이식 팔로 구성되어 있다.
실험에서 연구원은 로봇이 있는 방에서 휴대전화의 라이다(lidar) 시스템을 사용하는 iOS 앱인 ‘레코드3D(Record3D)’로 주변 환경을 스캔했다.
그리고
이 앱으로 촬영한 3D 동영상을 로봇과 공유했다.
이후 OK-로봇 시스템은 오픈소스 AI 물체 감지 모델로 영상 프레임들을 분석했다.
로봇은 이 모델과 다른 오픈소스 모델들을 결합함으로써 방 안에서
장난감 용,
치약,
게임카드와 같은 물체와 의자,
탁자,
쓰레기통 등의 위치를 식별할 수 있었다.
그 다음 연구진은 로봇에 특정 물건을 집어 새로운 위치로 옮기라고 지시했다.
로봇의 집게 팔은 58.5%의 확률로 이를 성공적으로 수행했으며,
덜
어질러진 방에서는 성공률이 82%까지 올라갔다.
(이 연구는 아직 동료 평가를 거치지 않았다)
이 프로젝트에 참여하지 않은 구글 딥마인드의 컴퓨터 비전 연구과학자인 마티아스 민더러(Matthias Minderer)는 “최근의 AI 열풍으로 언어 및 컴퓨터 비전 기술이 크게 향상되었으며,
이로 인해 로봇공학 연구자들이 3년 전에는 존재하지 않았던 오픈소스 AI 모델 및 도구에 접근할 수 있게 되었다”고 말했다.
그는 “기성 모델에 전적으로 의존하는 것은 꽤 이례적이며,
그것들을 작동시킨다는 점이 상당히 인상적이다”라고 말했다.
또한 그는 “우리는 머신러닝의 혁명을 통해 실험실뿐 아니라 실제 세계에서도 작동하는 모델을 만들 수 있게 되었다”며 “실제 물리적 환경에서의 작동
여부를 확인하는 것은 매우 유용하다”고 덧붙였다.
연구진이 개발한 시스템은 특정 프로젝트에 맞게 세밀하게 수정되지 않은 모델을 사용했기 때문에 로봇이 찾으라고 지시된 물건을 찾지 못하는 경우에는
문제를 해결하려 하지 않고 아예 그 자리에 멈춰 서 버리는 문제가 있었다.
로봇이 주변이 깔끔한 환경에서 성공할 가능성이 높은 이유 중 하나가 바로 이러한 심각한 한계 때문이다.
물건 개수가 적을수록 로봇이 혼동할 가능성이 줄어들고 탐색 공간이 명확해진다.
이 프로젝트를 공동으로 이끈 뉴욕대학교 레럴 핀토(Lerrel Pinto) 컴퓨터공학과 조교수는 기성 오픈소스 모델들을 사용한 것이 축복이자 저주였다고 말했다.
그는 “환경에 대한 추가적인 학습 데이터를 제공하지 않아도 로봇이 알아서 작동한다는 점이 긍정적이다”라면서도 “단점은 물건을 집어서 다른 곳에 옮기는
일만 할 수 있다는 것이다.
로봇이 이 두 가지 작업만 할 수 있기 때문에 서랍을 열라고 할 수는 없다”고 말했다.
또 다른 연구 주도자인 뉴욕대학교의 박사과정생 마히 샤피울라(Mahi Shafiullah)는 OK-로봇과 음성 인식 모델을 결합하면 연구자가 로봇에 구두로 지시를 할 수 있어 어렵지 않게 구할 수 있는 데이터셋을 적용해 실험하기 용이해질 것이라고 말했다.
그는 “로봇에 관심 있어 하는 사람들 사이에는 집과 로봇 둘 다 어려운데,
그 둘을 합쳐 로봇의 활동 영역을 집으로 설정하는 것은 더욱이 불가능한
일이라는 인식이 매우 널리 퍼져 있다”며 “가정용 로봇이 실현될 것이라는 믿음이 퍼지면 이 분야에 훨씬 더 많은 연구와 개발이 이루어질 것이라고 생각한다”고 말했다.