▲ 독일 칼스루헤공대가 훼스터,워털루대학과 FLAIROP 프로젝트를 추진하고 있다.(사진=칼스루헤공대,훼스토)

독일 칼스루헤공대(The Karlsruhe Institute of Technology·KIT) 연구진이 훼스토, 캐나다 워털루대학과 공동으로 분산 인공지능(distributed AI) 기법을 활용해 물체를 보다 스마트하게 집을 수 있는 로봇 피킹 기술을 연구하고 있다고 테크익스플로어가 보도했다.

연구 프로젝트의 명칭은 'FLAIROP(Federated Learning for Robot Picking)'이다. 여러 작업 공간에서 훈련한 것들을 합해 로봇이 처음 보는 작업 환경서도 피킹 작업을 스마트하게 할 수 있도록 하겠다는 목표다.

연구진은 복수의 작업대와 복수의 공장, 여러 기업들로부터 수집한 데이터를 기반으로 인공지능을 훈련시켜 로봇이 보다 다양한 형태의 물체를 잡을 수 있도록 하겠다는 계획이다. 이 과정에서 중요한 것은 민감한 기업 데이터를 참여자들에게 요구하지 않는다는 것이다.

KIT 산하 자재관리및 물류연구소(IFL·Institute of Material Handling and Logistics)의 요나탄 아우벌르는 “우리는 한 대의 로봇에서 취득한 데이터를 활용하기 보다는 인공지능 알고리즘으로 복수의 장소에서 취득한 데이터를 기반으로 로봇을 훈련시켜 보다 강력하고 효율적인 솔루션을 개발하려고 한다”고 말했다.

자율로봇은 여러 곳의 작업대에서 다양한 물품을 피킹하는 훈련을 받는다. 이를 바탕으로 로봇은 그동안 훈련받지 않은 작업대에서 처음으로 경험하는 물품을 피킹할 수 있다. 연구팀은 "우리는 ‘연합 학습(federated learning)’ 방식을 통해 산업체 환경에서 데이터의 다양성과 데이터의 보안간에 균형을 유지할수 있도록 하고 있다“고 말했다.

아우벌르는 "지금까지 연합학습은 의학 분야에서 영상 분석을 위해 주로 사용되어 왔는데 환자의 데이터를 보호하는 것이 최우선 과제였다“고 말했다. 연구팀은 인공신경망을 훈련시키기 위해 이미지나 파지 지점(grasp point) 같은 데이터를 교환하는 것이 아니라 신경망의 지역적인 가중치(기존에 저장되어 있던 지식)를 중앙 서버로 전송하는 방식을 택했다. 여러 작업대에서 중앙으로 전송된 지역적인 가중치는 다양한 기준에 따라 수집되고 최적화된다.

이렇게 최적화된 버전은 지역의 작업대로 되돌려지고 프로세스가 반복적으로 이뤄진다. 이를 통해 데이터 보호 지침을 준수하면서 산업 및 물류분야에 활용할 수 있는 강력한 알고리즘을 개발할 수 있다는 설명이다.

FLAIROP 프로젝트 기간 동안 연구팀은 로봇 훈련을 위해 총 4개의 자율 피킹 작업대를 운영할 예정이다. 이 가운데 2대는 IFL에 설치되고 2대는 독일 기업인 훼스토에 설치된다.

이번 연구과제를 통해 연구팀은 로봇이 민감한 데이터와 회사 기밀을 공유하지 않고, 서로 학습할 수 있는 새로운 방법을 개발하겠다는 계획이다. 이를 통해 고객의 데이터를 보호하고, 로봇이 보다 빨리 다양한 작업들을 수행할 수 있도록 하겠다는 것이다.