▲ MIT 연구팀이 경험하지 못한 환경에 적응할 수 있는 리퀴드 신경망 기반 드론 항법 기술을 개발했다.(사진=MIT)

MIT 컴퓨터과학 및 인공지능연구소(CSAIL) 연구팀은 복잡하고 낯선 환경에 유연하게 적응할 수 있는 '리퀴드 신경망' 기반 드론 항법기술을 개발했다고 지난 19일(현지 시각) 밝혔다.

연구팀은 끊임없이 변화하는 자연 환경에서 하늘을 비행하는 조류에서 영감을 얻어, '리퀴드 신경망(liquid neural networks)’ 기반 비행 항법기술을 개발했다고 밝혔다. 이 드론은 그동안 경험하지 않았던 환경에서도 정확하게 주변을 탐색하면서 비행할 수 있다.

새로운 데이터 입력에 지속적으로 적응할 수 있는 리퀴드 신경망은 숲, 도시, 자연 환경 등 알려지지 않은 영역에서 신뢰할 수 있는 결정을 내리는 능력을 보여준다고 연구팀은 설명했다.

리퀴드 신경망은 내비게이션 작업 수행시 기존의 최첨단 네트워크보다 성능이 뛰어난 것으로 확인됐다. 연구팀은 이 기술이 수색 및 구조, 상품 배달, 야생동물 모니터링 등 다양한 드론 응용 프로그램에 적용될 수 있을 것으로 기대하고 있다.

이번 연구 성과는 ‘사이언스 로보틱스’에 발표됐다.

연구팀에 따르면 새로운 수준의 머신러닝 알고리즘은 드론 카메라에서 수집되는 고차원적이고 비정형적인 데이터로부터 작업의 인과 구조를 획득한다. 그런 다음 신경망은 작업의 중요한 측면을 추출하고, 관련 없는 기능을 무시함으로써 내비게이션 스킬을 새로운 환경으로 원활하게 전송할 수 있다.

연구팀은 리퀴드 신경망이 심층 머신러닝 시스템의 중요한 약점을 해결할 수 있다는 점을 발견했다. 많은 머신러닝 시스템은 인과 관계를 포착하는 데 어려움을 겪는다. 종종 훈련 데이터를 과도하게 적용하거나 새로운 환경이나 변화하는 조건에 적응하지 못하는 사례가 발견된다. 이러한 문제는 다양한 환경을 통과하고, 장애물에 즉각 대응해야 하는 드론과 같은 자원이 제한된 임베디드 시스템에 널리 발생한다.

전통적인 신경망은 훈련 단계에서만 학습하는 반면, 리퀴드 신경망은 시간이 지남에 따라 변화하는 매개변수를 가지고 있다. 이를 통해 예상치 못한 데이터나 노이즈가 많은 데이터를 해석하고 탄력적으로 대응할 수 있다는 것이다.

MIT CSAIL 연구팀은 쿼드로터 폐쇄 루프 제어 실험을 통해 드론의 비행거리 테스트, 스트레스 테스트, 표적 회전 및 폐색 등 실험을 수행했다. 실험 결과 드론은 움직이는 목표물을 추적할 수 있고, 완전히 새로운 환경에서도 물체 사이의 다단계 루프를 실행할 수 있었다.

다니엘라 루스(Daniela Rus) 교수는 "이 기술은 하나의 환경에서 훈련하고, 추가 훈련 과정 없이 완전히 다른 환경에 투입될 때 발생하는 문제를 해결할 수 있는 토대를 마련한다“며, ”로봇에 대한 학습 기반 제어 접근 방식의 엄청난 잠재력에 흥분된다"라고 말했다.

연구팀은 "우리의 실험은 드론이 여름에 숲에서 물체를 찾는 것을 효과적으로 가르칠 수 있다는 것을 보여준다. 그리고 나서 겨울에는 매우 다른 환경(심지어 도시 환경)에서도, 수색하고 추종하는 등 다양한 작업을 유연하게 수행할 수 있다“며, ”이러한 유연한 알고리즘은 언젠가 의료 진단 및 자율주행 애플리케이션처럼 시간이 지남에 따라 변화하는 데이터 스트림 기반의 의사결정에 도움이 될 수 있다"고 말했다.