구글이 인공지능 로봇에게 환경과 상호작용해 물체를 인식하는 방법을 가르치고 있다고 벤처비트가 보도했다.

구글 로봇사업부 소프트웨어 엔지니어인 에릭 장(Eric Jang)과 버클리 출신 전직 연구 인턴인 콜린 드빈(Coline Devin) 박사과정 학생은 자신들의 논문(Grasp2Vec:자기 감독적 쥐는 법울 통한 학습 개체 표현)에서 이 알고리즘을 ‘관찰하고 조작함으로써 물체의 특성을 학습하는 것’으로 설명한다.

이들의 연구는 샌프란시스코에 기반을 둔 스타트업 오픈AI(OpenAI)가 컴퓨터 비전 시스템인 DON(Dense Object Nets)을 시연한 몇 개월 후에 나왔다. DON은 로봇이 이전에 보지 못했던 물체를 검사하고, 시각적으로 이해하고, 조작할 수 있는 능력을 제공한다. 구글 연구원들은 이것이 자기 감독에 대한 인지 발달상의 연구에 기반하고 있다고 설명했다.

사람들은 환경과 상호작용해 세상에 대한 지식을 얻고, 오랜 시간에 걸쳐 사물 불변성에 대한 실험적인 연구를 습득하며, 그들이 취하는 행동의 결과로부터 배운다. 물체를 쥐는 것조차도 그것에 대한 많은 정보를 제공한다. 예를 들어 물체를 쥐는 순간까지 도달해야 한다는 사실 말이다.

장과 데빈은 “로봇에서 이런 유형의 학습은 로봇 시스템이 다량의 교육 데이터 혹은 수작업 감독 없이도 배울 수 있기 때문에 활발하게 연구되고 있다”고 썼다. 또 “이러한 자기 감독을 사용함으로써 로봇은 장면에서 시각적인 변화에 의해 객체를 인식하는 법을 배울 수 있다”고 설명한다.

이 팀은 X로보틱스와 협력해 ‘의도없이’ 물체를 잡을 수 있는 로봇 팔을 가르치고, 학습 과정에서 다양한 물체의 표현을 학습시켰다. 이러한 표현은 결국 연구자들이 선택한 도구와 장난감을 ‘의도적으로 움켜쥐는’ 결과를 낳았다.

연구진은 보상 시스템으로 특정 목표를 향해 물체를 잡고 카메라로 검사하고 기본적인 물체 인식 질문(이 대상이 일치하는가?)에 답하도록 유도하는 AI 교육 기법인 강화 학습을 활용했다. 그리고 세 개의 이미지, 즉 잡기 전의 이미지, 잡은 후의 이미지, 움켜쥐는 대상의 고립된 뷰를 분석해 항목에 대한 의미있는 정보를 추출할 수 있는 인식 시스템을 구현했다.

테스트에서 Grasp2Vec과 연구원의 새로운 정책은 80% 성공률을 보였고 여러 개의 물체가 대상과 일치하고 대상이 여러 개의 물체로 구성된 경우에도 가능했다.

논문에서 “우리는 로봇의 쥐는 기술이 어떻게 물체 중심의 표현을 학습하는 데 사용되는 데이터를 생성할 수 있는지를 보여준다”고 썼다. "그 다음 표현 학습을 사용해 자동 쥐기 시스템의 자기 감독적 학습 특성을 유지하면서 인스턴스 쥐기와 같은 더 복잡한 기술을 학습할 수 있다”고 설명한다.