'젊은 로봇 공학자(Young Robot Engineer)' 코너는 한국로봇학회와 로봇신문이 공동으로 기획한 시리즈물로 미래 한국 로봇산업을 이끌어 갈 젊은 로봇 공학자를 발굴해 소개하는데 있다.

57번째 인터뷰는 광운대 로보틱스 및 인공지능연구실(RAIL) 오정현 교수다. 오 교수는 1985년생으로 서울대 전기공학부를 거쳐, 동 대학원에서 2014년 2월 석사, 2018년 2월 전기정보공학으로 박사학위를 받았다. 졸업 후 2018년 3월부터 2019년 8월까지 1년 6개월간 삼성전자 삼성리서치에서 책임연구원으로 근무하다 2019년 9월 1일부터 광운대 로봇학부 조교수로 근무하고 있다.

주요 관심 분야는 이동로봇 기반 경로 계획, 위치 추정 및 지도작성(SLAM), 충돌 회피, 다중 로봇 시스템 분야다.

▲광운대 오정현 교수

Q. 광운대 로보틱스 및 인공지능연구실(RAIL)을 이끌고 계신데 간단한 소개 부탁 드립니다.

광운대학교 로보틱스 및 인공지능 연구실(Robotics & Artificial Intelligence Laboratory, RAIL)은 2019년 9월에 설립된 신생 연구실입니다. 2022년 현재 석사과정 학생 4명과 8명의 학부 연구생으로 구성되어 있습니다. 연구원 중 학부생 비율이 상당히 높은 편인데 그 이유는 광운대학교 로봇학부가 우리나라 최초의 로봇학부라서 학부 과정부터 로봇 소프트웨어(SW) 및 하드웨어(HW)에 대한 전문적이고 체계적인 교육을 하고 있기 때문입니다. 따라서 대학원 연구원과 더불어 학부생들이 주축이 되어 로봇 심화 연구에 활발히 참여하고 있으며 국내외 로봇 대회에서도 높은 성적을 거두고 있습니다.

▲로보틱스 및 인공지능연구실 구성원과 제17회 한국로봇종합학술대회(KRoC 2022)에서

연구실에서 수행하고 있는 주요 연구 분야는 이동 로봇(mobile robot)을 활용하여 인공 지능 기반의 SLAM, 경로 계획(path planning), 충돌 회피(collision avoidance) 등 자율 주행과 관련된 로봇 내비게이션(navigation)을 다루고 있습니다.

▲연구실에서 제작한 대표적인 자율 주행 로봇, 미아 찾기 로봇 MIA(좌)와 마스크 탐지 및 안내 로봇 MARO(우)

다양한 분야에서 두각을 나타내고 있는 인공 지능 기술을 로보틱스에 적용하여 기존 기술의 한계를 극복하려는 다양한 시도를 하고 있습니다. 또한 연구 내용을 실생활에 활용할 수 있도록 직접 자율 주행 로봇을 제작하여 다양한 연구 과제를 수행하고 있습니다.

Q. 최근 하고 계신 연구가 있다면 소개 부탁드립니다.

자율 주행 분야가 급속히 발전하면서 군사·농업·물류 등 여러 활용 분야가 생기고 있으나 실제로 로봇 운용을 하기 위해서는 다양한 제약을 극복해야 합니다. 대표적으로 로봇을 장기적으로 운용하기 위한 시간적 제약과 넓은 지역을 커버해야 하는 공간적 제약을 극복해야 합니다. 현재 주력하고 있는 연구는 실제로 로봇을 다양한 분야에 활용할 수 있도록 시·공간적 제약을 극복하기 위한 로봇의 환경 인지(robot perception) 연구를 수행하고 있습니다.

현재 목표로 하는 로봇의 운용 시간은 1년 이상의 장기간입니다. 야외에서 로봇을 장기간 운용하려면 날씨나 계절의 변화에 따른 환경 변화를 극복해야 합니다. 특히 최근에는 카메라를 이용한 비전 정보를 적극적으로 활용하고 있는데, 이 정보는 환경 변화에 따라 데이터가 급격히 달라지는 특징을 가지고 있습니다. 같은 장소라고 하더라도 여름에 촬영한 사진과 겨울에 촬영한 사진이 다른 것처럼 말입니다. 우리나라와 같이 계절의 변화가 뚜렷한 곳에서는 로봇이 이전에 수집한 정보와 현재 수집하는 정보가 크게 차이가 날 가능성이 높습니다. 따라서 이러한 날씨나 계절과 같은 환경 변화에서도 강인하게 활용할 수 있는 로봇 인지 기술에 대하여 연구하고 있습니다.

▲로봇이 극복해야 하는 계절 변화와 같은 시간적 제약(좌)과 도시 규모와 같은 대규모 넓이와 같은 공간적 제약(우)

또한 로봇의 운용 공간 넓이는 도시 크기 정도(수백 km²)를 목표로 하고 있습니다. 실제로 도심을 자율 주행하는 로봇이나 넓은 지역을 경계해야 하는 군사용 로봇, 대규모 토지를 관리하는 농업용 로봇 등을 생각해 보면 대규모 공간에서의 로봇 운용은 필수적입니다. 그러나 한 대의 로봇으로 이러한 임무를 수행하는 것은 쉽지 않을 것입니다. 사람도 혼자보다 여러 명이 협업할 때 많은 일을 할 수 있듯이 로봇도 한 대의 로봇이 아니라 여러 대의 로봇이 협업해야 대규모 공간에서 임무 수행을 효율적으로 할 수 있습니다. 따라서 다개체 로봇이 협업하여 환경을 인지하는 연구도 병행하고 있습니다.

Q. 서울대에서 “Sequence-based place recognition using deep learning features in changing environments(변화하는 환경에서 딥러닝 특징을 이용한 시퀀스 기반의 장소 인식 방법)”으로 박사 학위를 받으셨는데 어떤 내용인지 소개 부탁 드립니다.

로봇이 변화하는 환경에서 카메라를 통해 획득한 이미지로부터 자신이 방문했던 장소를 인식하는 방법에 대한 연구입니다. 이미지는 주변 환경에 대한 풍부한 정보를 제공하지만 계절이나 날씨 등의 영향을 많이 받는 특성이 있습니다. 제 학위 논문은 변화하는 환경에서 이미지 기반으로 장소를 인식하는 문제에 대하여 다루고 있습니다. 로봇이 자신이 방문했던 장소를 알게 되면 자율 주행을 하기 위한 로봇의 위치 추정, SLAM에서의 루프 클로징(Loop closing) 등 이동 로봇의 다양한 분야에 활용될 수 있습니다.

박사 학위 논문에서는 환경 변화의 한계를 극복하기 위하여 크게 두 가지 접근법을 제시하는데 첫 번째는 딥러닝을 활용하여 이미지로부터 환경 변화에 강인한 특징을 추출하는 방법이고, 두 번째는 로봇의 위치 및 속도 정보를 활용하여 이미지 간 관계를 이용하는 시퀀스 기반의 장소 인식 방법입니다. 먼저 딥러닝 기반의 특징 추출 방법은 카메라를 통해 얻은 이미지는 같은 장소라도 시간의 변화에 따라 다르게 보이는 것을 데이터 생성 모델(generative model) 관점에서 접근하여 환경 변화에 영향을 받지 않는 이미지 및 특징(feature)을 뽑아내는 것을 목표로 합니다. 시퀀스 기반의 장소 인식 방법은 로봇이 일정 시간 동안 물리적으로 이동할 수 있는 거리가 한계가 있다는 특징을 이용하여 시퀀스 데이터를 활용하여 장소를 인식하는 방법입니다.

▲학위 논문에서 접근한 특징 추출 및 시퀀스 기반의 장소 인식 방법

Q. 교수님의 주요 관심 분야가 이동로봇 기반 경로 계획, 위치 추정 및 지도작성(SLAM), 충돌 회피, 다중 로봇 시스템 분야로 알고 있습니다. 다개체 로봇(Multi-robot) 분야의 최신 동향이나 특이사항이 있다면 무엇인지 궁금합니다.

단일 로봇을 활용한 연구가 많은 성과를 거두고 있으나 로봇이 실용화되고 다양한 분야에서 활용되려면 다개체 로봇을 활용하는 것이 필수적입니다. 다개체 로봇 시스템은 크게 모든 정보를 중앙에서 관리하는 '중앙식 시스템(centralized system)'과 개별 로봇이 각자 정보를 관리하는 '분산식 시스템(decentralized system)'으로 나눌 수 있습니다.

로봇 분야에서 연구적으로 많은 관심을 받고 있는 것은 분산식 시스템입니다. 그 이유는 실제 로봇을 운용할 때는 분산식 시스템의 효율성과 안정성이 큰 장점을 가지기 때문입니다. 모든 정보를 중앙에서 관리하게 되면 로봇의 대수가 많아질수록 처리해야 하는 정보가 늘어나고 로봇과 중앙 서버 간의 통신이 유지되어야 합니다. 또한 중앙에서 문제가 생기면 시스템 전체가 붕괴될 수 있는 위험성이 있습니다. 그러나 분산식 시스템은 이러한 단점을 모두 극복할 수 있습니다. 최근 금융 분야에서 탈중앙화 시스템이 각광받고 있는 것도 유사한 이유라고 볼 수 있습니다. 사실 우리 인류가 구성하고 있는 사회도 자율적인 개인의 판단이 모여서 만든 분산식 시스템이라고 할 수 있습니다.

다개체 로봇에서 분산식 시스템이 적극적으로 활용되고 있는 분야가 물류 분야입니다. 실제로 물류 창고에서는 수백 대의 로봇이 상품을 분류하고 나르는 데 이용되고 있는데 기존에는 아마존(Amazon)의 키바(KIVA) 시스템과 같이 창고에 로봇들만 존재하고 중앙에서 모든 정보를 제어하는 중앙식 시스템이 대부분이었습니다.

최근에는 로봇과 인간이 협업하는 로커스 로보틱스(Locus Robotics)와 같은 물류 시스템이 주목받고 있는데, 여기서 쓰이는 로봇은 개별적으로 상황을 판단하고 상호 작용할 수 있는 분산식 자율 로봇 시스템입니다. 예상치 못했던 장애물이 존재하더라도 피해갈 수 있고, 일부 로봇이 동작하지 않더라도 다른 로봇이 보완할 수 있는 등 다양한 상황을 극복할 수 있습니다. 따라서 최신 로봇 분야도 분산식 시스템에 대한 연구가 활발히 진행되고 있습니다.

Q. 로봇을 연구하시면서 가장 어려운 점은 무엇입니까?

과거 로봇 연구는 이론적인 가정 위에 치밀하고 정교한 수학 이론을 전개하는 방식으로 많이 이루어졌습니다. 로보틱스의 뿌리가 되는 제어 공학을 발전시킨 연구자 중에 수학자들이 많았던 것도 그러한 이유 때문입니다. 그러나 로봇이 실생활에 활용되기 위해서는 기존의 가정들을 깨야 하는 경우가 생기고 최근에는 인공 지능의 발전과 빅데이터의 힘으로 더 높은 성과를 내는 케이스도 생기면서 로보틱스의 패러다임이 변하고 있습니다.

따라서 최근의 로봇 연구를 이해하기 위해서는 기존의 로봇 이론뿐만 아니라 인공 지능과 같은 새로운 분야에 대한 내용도 알고 있어야 합니다. 즉 연구를 시작하기 위해 기초적으로 쌓아야 하는 내용이 많다는 점이 가장 어려운 점 같습니다.

Q. 로봇을 연구하시게 된 동기가 있다면?

로보틱스라는 분야가 가지고 있는 종합적인 특성이 큰 매력인 것 같습니다. 로봇을 만들기 위해 전기·전자·기계·컴퓨터 등 다양한 세부 전문 지식이 필요하고 한 사람이 이 모든 지식을 다 갖추기는 어렵습니다. 따라서 로봇이라는 종합적인 시스템을 구성하기 위해서는 다양한 전공 배경을 가진 사람들로 구성된 팀이 필요하고 이 사람들을 융합하고 전체적인 관점에서 이끌면서 세부 기술들을 적재적소에 배치하여 종합하는 로봇 엔지니어가 꼭 필요하다고 생각합니다.

향후 사실 4차 산업혁명의 핵심 기술로 손꼽히는 인공 지능, 3D 프린팅, 자율 주행, 5G, 사물 인터넷 등이 모두 로봇과 연결되어 있습니다. 로봇 엔지니어는 앞으로도 다양한 기술을 융합하여 종합적인 시스템을 구축할 수 있는 역할을 담당할 수 있으리라 생각합니다.

Q. 2018년 2월 박사 학위 취득 후 2018년 3월부터 2019년 8월까지 1년 6개월간 삼성전자 삼성리서치 책임연구원으로 계셨는데 당시 주로 어떤 연구를 하셨나요?

삼성리서치에서 주로 수행하였던 연구는 라이다 기반 청소 로봇의 SLAM과 문 감지 기술과 같은 환경 인지 내용들을 연구하였습니다. 당시에 삼성전자는 청소 로봇을 세대 교체하기 위하여 기존의 카메라 기반에서 라이다 기반으로 센서를 교체하고 인공 지능 기술을 포함한 새로운 청소 로봇을 개발하고 있었습니다. 따라서 여러 부서가 협업해야 했으며 개발해야 하는 내용도 방대하였습니다.

기존에는 주로 이론적인 연구를 수행하다가 실제로 사람들이 쓰는 제품을 개발하면서 많은 점을 배울 수 있었습니다. 특히 실제 로봇을 구동할 때 요구되는 알고리즘 수행 성능과 연산 시간 및 메모리 제한 등을 만족시키기 위해 많은 개발자들이 노력을 기울이고, 어떤 상황에서도 로봇이 동작할 수 있도록 수많은 케이스를 실험하는 모습들을 보면서 실제 로봇이 개발되는 과정을 경험할 수 있었던 소중한 시간이었습니다.

Q. 로봇 연구자로서 앞으로의 꿈과 목표가 있다면?

로봇 연구는 대단히 빠른 속도로 발전하고 있습니다. 방대한 양의 논문이 매년 쏟아져 나오고 올해 연구했던 내용이 다음 해에 사라지기도 합니다. 그러나 핵심이 되고 기초가 되는 연구는 많은 시간이 지나더라도 그 가치가 변하지 않고 다른 상위 연구에도 도움이 된다고 생각합니다.

저에게 연구자로서 목표가 있다면 제가 수행한 연구가 다른 연구자들에게 도움이 될 수 있는 연구였으면 좋겠습니다. 로보틱스라는 거대한 성을 쌓는다면 그 성의 기초가 되는 벽돌 한 장이 되는 연구를 하여 다른 벽돌을 쌓을 수 있도록 하는 것이 목표입니다.

Q. 선배로서 로봇공학자가 되려는 후배들에게 어떤 준비와 노력이 필요한지 조언해 주신다면?

로보틱스는 종합적이고 방대한 분야이기 때문에 로봇에 대한 모든 내용을 전부 아는 것은 쉽지 않습니다. 따라서 다양한 분야 중에서도 본인이 관심 있는 분야를 찾아서 기초를 쌓으면서 뿌리를 깊이 있게 내린 후에 분야를 확장하는 것이 중요하다고 생각합니다. 특히 제어나 최적화 이론, 확률 이론과 같은 분야는 로봇을 연구하는 모든 분야에서 필수적인 전공 지식입니다. 최근에 새로운 기술들이 많이 등장하면서 로보틱스와 활발하게 융합되고 있지만 기초적인 전공 지식을 쌓는 것을 소홀히 하면 안될 것이라 생각합니다.

Q. 연구자로서 한국 로봇산업이 한 단계 더 발전하기 위해 조언을 해 주신다면...

연구 이론과 실제 산업계에서 필요로 하는 현실 사이에 괴리를 극복하는 것이 가장 어려운 부분이라고 생각합니다. 학술적으로 높은 평가를 받는 연구들이 실생활에서는 활용되지 못하는 경우가 많습니다. 오픈되어 있는 데이터셋에서 높은 성능을 보이지만 실제 취득한 새로운 데이터에 적용하면 그렇지 못한 경우도 많습니다. 학계에서는 연구를 위해 단일 센서를 이용하여 복잡하고 정교한 이론을 만들지만 산업계에서는 간단하게 센서 퓨전으로 풀 수 있는 경우도 있습니다.

결국 연구자들의 연구 내용이 현실에 큰 도움이 되지 못하고 산업계에서 로봇을 실용화하기 위해서 새로운 내용 개발을 해야 하는 부분이 어려운 점 같습니다. 최근에는 많은 연구자들이 이 문제에 동의하고 기술적인 내용이나 코드를 공개하면서 이러한 장벽을 없애고자 노력하고 있습니다. 이러한 문제들이 극복된다면 한국의 로봇 산업도 한 단계 더 발전할 수 있으리라 생각합니다.

Q. 연구에 주로 영향을 받은 교수님이나 연구자가 계시다면...

석·박사 지도 교수님이자 IEEE Fellow이신 이범희 교수님은 연구자로 성장할 때 많은 도움을 주셔서 로봇 공학자의 길을 걸을 수 있도록 가장 큰 영향을 주신 분입니다. 특히 연구를 하다 보면 세세한 내용에 집중하다가 전체적인 내용을 놓치는 경우가 많습니다. 석·박사 과정을 거치면서 나무보다 숲을 보는 법을 배울 수 있었고 이러한 바탕은 로보틱스라는 종합적인 학문을 연구하는 연구자로 성장하는데 큰 도움이 되었습니다. 또한 삼성전자에서 근무할 때 프로젝트를 이끄셨던 백아론 님도 연구자로 성장하는데 많은 영향을 주셨습니다. 실제로 로봇을 개발하는 과정에서 한계라고 느껴졌던 부분도 같이 고민하시면서 극복할 수 있도록 도움 주시고 개발에 부족한 점이 많은데도 불구하고 끝까지 믿어주시면서 좋은 성과를 내는 것을 보면서 많은 점을 배울 수 있었고 연구자로 성장하는데 큰 도움이 되었습니다. 이 자리를 빌어 두 분께 깊은 감사를 드립니다.