미국 샌프란시스코에 위치한 인공지능 분야 비영리조직인 ‘오픈AI’가 인공지능 기술을 활용해 한개의 로봇 핸드로 루빅 큐브(Rubic’s Cube)를 맞출 수 있는 기술을 선보였다.

한손으로 루빅 큐브를 맞추는 일은 사람에게도 쉽지 않은 도전이다. 그동안에도 루빅 큐브를 빠른 시간에 맞추는 로봇 기술 개발은 비교적 활발하게 이뤄졌다. 하지만 오픈 AI는 루빅 큐브를 맞추는 작업에 특화된 로봇 프로그래밍 방식이 아니라 로봇이 일반 인공지능을 이용해 스스로 로봇 큐브를 맞추는 방법을 깨달을 수 있도록 인공지능을 훈련시켰다. 로봇 핸드는 루빅 큐브의 위치 등에 관한 정보 없이 스스로 루빅 큐브를 맞추는 방법을 학습한다. 최종적으로 다양한 작업을 스스로 할수 있는 일반 인공지능 기반의 로봇을 개발하겠다는 게 오픈 AI의 의도다.

오픈AI는 자사 블로그를 통해 “아이들도 수년간의 훈련을 거쳐야만 루빅 큐브를 한손으로 능숙하게 맞출 수 있다“며 ”우리가 개발한 로봇이 아직 100% 완벽하게 기술을 습득하지 못했다“고 지적했다. 성공률이 60% 수준이며 루빅 큐브를 맞추기 힘들게 만들어놓으면 성공률이 20% 정도에 그친다고 설명했다.

오픈AI가 이번에 사용한 로봇 핸드는 ‘쉐도우 덱스트러스 E 시리즈 핸드’다. 여기에 5개의 손가락 움직임을 조절할 수 있도록 '페이스스페이스(PhaseSpace)' 모션 캡쳐 시스템을 채택했다.시각적인 위치 정보 취득을 위해선 3RGB 배슬러 카메라를 설치했다. 루빅 큐브 내부에는 빌트인 센서와 블루투스 모듈을 탑재했다.이를 통해 루빅 큐브에 관한 정보를 로봇 핸드가 취득해 매니퓰레이션을 할수 있도록 했다.

오픈AI는 이번에 2개의 신경망 기술을 적용했다. 여기에는 맞춤형 로봇 플랫폼과 ADR(automatic domain randomization)기술이 포함되어 있다. ADR은 점점 복잡도가 높아지는 시뮬레이션 환경을 생성하며, 제어정책(control policy)은 반복적인 신경망과 강화학습을 통해 문제를 해결할 수 있도록 학습한다. 위치 예측을 위한 CNN(convolutional neural network)은 동일한 데이터를 이용해 학습을 하되, 제어 정책과는 분리되어 있다고 오픈AI 측은 설명했다.

오픈AI는 “제어 정책과 시각-상태 추정기(vision-state estimators)는 ADR 훈련을 통해 ‘시뮬레이션으로부터 실제 세계(sim2real)’로 훈련 데이터를 전송한다고 덧붙였다.

연구팀은 실제 로봇이 한손으로 루빅 큐브를 조작하는 과정에서 혼란을 주기위해 기린 인형으로 방해하거나 로봇 손가락에 고무 장갑을 끼우는 방식으로 환경을 점점 복잡하게 만들어 테스트를 진행했다. 하지만 이 같은 장애물에도 불구하고 로봇 핸드는 스스로 루빅 큐브를 맞추는 방법을 학습한다는 것.