▲ 베를린대 연구진이 사람으로 혼잡한 공간에서 사람을 안내하고 추종하는 로봇 기술을 개발했다.(이미지=베를린공대)

독일 베를린공대(Berlin Institute of Technology) 연구진은 사람들로 붐비는 혼잡한 환경에서 물건을 싣고 특정인을 원하는 장소로 안내하거나 추종할 수 있는 로봇용 강화학습 모델을 개발했다고 테크엑스플로어가 지난 1일(현지 시각) 보도했다.

베를린공대 연구진은 심층강화학습 기술을 기반으로 복잡한 환경에서 사람을 안내하고 따라 다닐수 있는 새로운 학습 모델을 개발하고 논문 사전 출판사이트인 ‘아카이브(arXiv)’에 발표했다고 밝혔다.

연구팀에 따르면 쇼핑몰, 공항, 의료시설, 집안 등 다양한 환경에서 사람을 돕는 모바일 로봇은 '알려지지 않은 환경'에서 특정인을 원하는 장소로 안내하고, 중요한 정보를 공유할 수 있도록 지원할 수 있다.

지난 10년 동안 모바일 로봇의 능력은 크게 향상되었다. 하지만 많은 장애물들이 무작위적으로 움직이는 역동적인 환경에서 로봇이 적인 주변 환경을 탐색하면서 특정인을 추종하도록 훈련하는 것은 매우 어렵다.

연구진은 "공항이나 기차역 등 혼잡한 환경에서 물건을 실은 채 사람을 안내하거나 따라가는 일은 아직 해결되지 않은 문제"라며, "이러한 상황에서 로봇은 인간과 지능적으로 상호작용해야 하며, 군중들 사이를 안전하게 이동할 수 있어야 한다"고 말했다.

연구팀은 심층 강화학습 모델 검증시 사람의 현재 상태와 행동(말하기, 달리기 등)에 대한 의미론적(semantic)인 정보를 포함시켰다. 이를 통해 로봇은 다른 사람 또는 근처의 장애물과 충돌하지 않고 사람과 비슷한 속도로 이동하면서 특정인을 가장 잘 지원하는 방법에 대한 의사결정을 내릴 수 있다는 설명이다.

연구진은 논문에서 "우리는 혼잡한 환경에서 사람의 안내와 추종 동작을 위한 심층 강화학습 기반 에이전트를 제안했다"며, 의미론적 정보를 통합해 에이전트에 인간의 사회적 상태, 안전 모델, 분류 유형과 같은 높은 수준의 정보를 제공했다"고 했다.

연구원들은 딥러닝 모델을 훈련하고 평가하기 위한 2차원 시뮬레이션 환경인 ‘아레나-로스내브(arena-rosnav)‘를 활용해 테스트를 수행했다. 시뮬레이션 결과 인공 에이전트는 특정 위치로 사람을 안내하고 추종할 수 있었다. 또한 특정인의 이동 속도에 맞춰 로봇의 속도를 조정하고 주변 장애물도 피할 수 있었다.

연구팀은 이번에 개발한 심층 강화학습 모델을 시뮬레이션 상황에서 성공적으로 수행했지만 아직 실제 환경에서 물리적 로봇을 대상으로 검증하지는 못했다. 향후 실제 로봇을 활용해 공항, 기차역, 쇼핑몰 등 사람들이 붐비는 공간에서 로봇 강화학습 모델을 검증한다는 계획이다.