▲ 구글이 컬럼비아대, 신세시스(Synthesis) AI와 공동으로 투명한 물체를 인식할 수 있는 인공지능 모델인 ’클리어그래스프(ClearGrasp)‘를 개발했다. (사진=구글 AI블로그)

로봇은 카메라·라이더 등 광학 센서를 이용해 물체나 주변 환경을 인식할 수 있다. 하지만 광학 센서는 결정적인 단점이 있다. 유리그릇처럼 투명한 물체를 잘 인식하지 못한다. 광학센서로부터 수집되는 데이터를 분석하는 알고리즘이 ‘램버시안(Lambertian)’ 반사를 가정하고 있기 때문이다.

램버시안 반사는 물체의 모든 각도에서 균등하게 빛이 반사되는 것을 말한다. 하지만 투명 물체는 빛을 굴절시키거나 반사하기 때문에 투명물체의 심도(depth)에 관한 데이터가 유효하지 않거나 노이즈가 많다. 로봇이 투명한 물체를 파지(grasping)하기 위해선 이 문제를 해결해야 한다.

'구글 AI블로그'에 따르면 구글은 컬럼비아대, 신세시스(Synthesis) AI와 공동으로 투명한 물체를 인식할 수 있는 인공지능 모델인 ’클리어그래스프(ClearGrasp)‘를 개발했다. 표준 RGB 카메라로부터 취득한 RGB-D 이미지로부터 투명 물체의 3D 데이터를 추정하는 머신러닝 알고리즘을 개발한 것.

▲투명물체를 인식 및 파지하는 실험

정교한 인공지능 모델을 훈련시키기 위해선 방대한 데이터셋이 필요하다. 하지만 투명한 물체에 관한 이미지 데이터가 없기 때문에 연구팀은 투명 물체의 심도, 표면의 굴곡, 모서리 등에 관한 극사실적인 렌더링 데이터를 5만개 이상 새로 만들었다. 이미지들은 평면에 위치한 투명 물체, 다양한 배경과 광선 조건을 갖고 있는 가방 안의 투명 물체 등을 포함하고 있다. 여기에 연구팀은 286개의 실세계 이미지를 테스트 세트로 활용했다.

클리어그래스프는 총 3개의 머신러닝 알고리즘을 포함하고 있다. 투명 물체의 평면 굴곡 등을 추정하는 네트워크, 심도의 불연속성을 나타내는 네트워크, 투명 물체를 감추고 있는 네트워크 등으로 이뤄져 있다.

연구팀은 자신들의 데이터셋뿐 아니라 오픈소스 매터포트(Matterport) 3D, 스캔넷(Scannet) 등의 실제 실내 풍경 데이터도 활용했다. 연구팀은 유니버설 로봇의 협동 로봇에 클리어그래스프 알고리즘을 적용해 투명물체를 인식 및 파지하는 실험을 진행했다. 실험 결과 베이스라인(baseline) 방법보다 클리어그래스프기법이 투명 물체의 심도를 잘 복원할 수 있는 것으로 나타났다. 병렬 그리퍼 사용시 투명 물체 파지 성공율이 12%에서 74%로 개선됐으며 진공 흡착 방식은 64%에서 86%로 개선됐다.