다리 달린 로봇은 최근 몇 년 동안 분명히 더 민첩해졌지만 여전히 까다로운 지형 조건에서 기능에 제한을 받는 경우가 많다. 사족보행 로봇은 일반적으로 단일 지형에 적합하다. 예를 들어 평평하고 단단한 표면에 최적화된 사족보행 로봇은 진흙밭이나 모래 해변, 그밖의 역동적인 표면에서 그러한 환경을 위해 특별히 설계된 로봇만큼 좋은 성능을 내기 어렵다. 하지만 한국과학기술원(KAIST, 카이스트) 연구진이 개발한 사족보행 로봇 제어 기술은 인공지능(AI) 강화 학습의 도움으로 문자 그대로도, 물리적으로도 장벽을 허물고 있는 것으로 보인다.

강화 학습에서는 물리적 시험과 유사한 다양한 모의 상황이 생성되어 AI가 의도한 목표 달성을 위해 스스로를 최적화하는 데 필요한 훈련 시간을 단축한다. 카이스트 기계공학과의 황보제민 교수가 이끄는 연구팀은 사전 정보 없이 실시간 지형 평가를 할 수 있는 새로운 신경망을 개발했다. 그리고 그 지식을 그들의 네 발 달린 로봇인 라이보에게 제공했다.

그리고 연구팀은 모래와 같은 변형 지형에서 시뮬레이션하기 위해 다양한 재질의 지면 반력과 상호작용하는 로봇의 물리적 압력에 기초한 새로운 접촉 모델링도 정의했다. 이 모든 정보는 라이보의 AI에 입력되어 아주 인상적인 결과를 만들어 냈다.

이달 초 사이언스 로보틱스지(Science Robotics)에 발표된 황보 교수팀의 연구에 따르면 이 로봇 개는 모래에 발이 푹 빠진 상태에서 초당 약 3m 속도로 해변을 가로질러 조깅할 수 있는 능력을 보여주었다. 라이보는 또한 추가적인 프로그래밍이나 제어 알고리즘 조정 없이 모래와 전혀 다른 특성의 지면, 잔디밭과 러닝 트랙 같은 곳에서도 달릴 수 있었다.

논문의 제1저자이자 카이스트 박사 과정생인 최수영은 “변형된 지형에 적용하기 위해서는 실제 변형 지반과 밀접한 접촉 경험을 가진 학습 기반 제어기를 제공하는 것이 필수적이라는 것이 밝혀졌다.”라고 말했다.

새롭게 제안된 제어기는 지형에 대한 사전 정보 없이 사용할 수 있기 때문에 로봇이 에어매트리스 위에서 우아하게 움직이도록 하는 방법과 같은 향후 AI 보행 연구에도 쉽게 적용될 수 있다. 라이보는 이미 이러한 기능을 가지고 있는 것으로 알려졌다.

※이 기사는 popsci.com 원문을 바탕으로 작성됐으며, 번역은 파퓰러사이언스코리아 소속 기자가 도왔습니다. 

/글 ANDREW PAUL & 신희승 기자