로봇이 도구를 사용하는 법을 가르치는 데 인간의 언어 묘사가 도움이 된다는 연구 결과가 나왔다.

美 프린스턴 연구팀은 도구에 관한 언어적인 묘사가 시뮬레이션 환경에서 로봇팔을 들어올리거나 다양한 도구를 활용하는 학습을 가속화할 수 있다고 21일(현지 시각) 밝혔다.

이번 연구 성과는 인공지능(AI) 훈련 중 보다 풍부한 정보를 제공하는 것이 자율 로봇을 새로운 상황에 보다 잘 적응할 수 있도록 만들어 안전성과 효과를 향상시킬 수 있다는 증거에 기반을 두고 있다.

로봇 훈련 과정에 도구의 형태와 기능에 대한 언어 묘사를 추가하면 원래 훈련 세트에 없던 새로운 도구를 만나더라도 로봇이 도구를 조작할 수 있는 능력이 향상된다는 것이다.

프린스턴대 연구팀은 지난 14일 열린 '로봇학습 컨퍼런스'(Conference on Robot Learning)에서 도구 조작에 관한 새로운 학습 방법인 ‘ATLA’(Accelerated Learning of Tool Manipulation with LAnguage)를 소개했다.

연구팀에 따르면 로봇 팔은 반복적이거나 어려운 작업을 도와줄 수 있는 큰 잠재력을 가지고 있지만 도구를 효과적으로 조작하도록 로봇을 훈련시키는 과정은 매우 어렵다. 도구는 다양한 형태를 지니고 있으며, 로봇의 능숙함과 시각 능력은 인간과는 비교할 수 없다.

지능형로봇모션연구소를 이끌고 있는 아니루다 마줌다르(Anirudha Majumdar) 프린스턴대 기계 및 항공우주공학 교수는 "언어의 형태로 된 추가적인 정보는 로봇이 도구 사용법을 더 빨리 숙지할 수 있도록 돕는다"고 말했다.

연구팀은 인공지능 전문기업 오픈AI가 2020년에 내놓은 대형 언어 모델인 GPT-3을 활용해 도구에 대한 묘사를 얻었다. 논문 공동 저자인 카르티크 나라심한(Karthik Narasimhan) 교수는 "이러한 언어 모델들은 인터넷에서 훈련되었기 때문에 도구 설명을 위해 크라우드소싱을 사용하거나 특정 웹사이트를 스크랩하는 것보다 효율적이고 포괄적이다“라고 말했다.

연구팀은 시뮬레이션 환경에서의 로봇 학습 실험을 위해 도끼, 고무 롤러 등 27개의 도구로 이뤄진 훈련 세트를 선택했다. 그리고 연구팀은 로봇 팔에 네 가지 다른 작업을 수행하도록 했다. 도구를 미는 동작, 도구를 들어올리는 동작, 테이블을 따라 실린더를 쓰는 동작, 구멍에 못을 박는 동작 등이다.

연구팀은 언어 정보를 갖고 있거나 언어 정보가 없는 기계학습 훈련 접근법을 사용해 일련의 정책을 개발하고 정책의 성능을 비교했다. 로봇이 각각의 연속적인 작업을 통해 학습 능력을 향상시키기 때문에 이 접근법은 '메타 학습'(meta-learning) 으로 알려져 있다.

로봇은 수백 가지의 서로 다른 도구들의 설명을 이해하는 법을 배우려고 노력하기 때문에 완전히 새로운 도구를 사용하는 법을 배우는 것이 기존 방법에 비해 훨씬 빠르게 이뤄진다. 연구팀은 "우리는 로봇에게 도구 사용법을 가르치고 있지만 영어도 가르치고 있다"고 덧붙였다.

연구팀은 도요타연구소(TRI)로부터 연구 자금 일부를 지원받아 이번 연구를 수행했다.