22일에 이어 23일에도 한림대 성심병원 이미연 커맨드센터장이 '서비스 로봇과 함께 하는 미래 병원'을 주제로 네번째, 연세대 최종은 교수가 'Equivariant and Diffusion-based Methods for Data-efficient Visual Robotic Manipulation Learning(데이터 효율적인 시각적 로봇 조작 학습을 위한 등변 및 확산 기반 방법)'을 주제로 다섯번째 초청강연을 펼쳤다.

▲ 이미연 한림대 성심병원 커맨드센터장이 '서비스 로봇과 함께 하는 미래 병원'이라는 주제로 강연하고 있다.

◇한림대 성심병원 이미연 커맨드센터장 (서비스 로봇과 함께 하는 미래 병원)

이날 강연에서 이 센터장은 고령화로 인한 의료 서비스 및 돌봄 요구도 증가와 의료 인력 부족으로 인해 어려움을 겪고 있는 의료계에서 서비스 로봇 활용에 대한 기대가 매우 높다며, 7종 73대의 로봇으로 연간 2만 건 이상의 로봇 서비스를 운영하고 있는 한림대학교 성심병원의 사용 사례를 기반으로 현재의 서비스 로봇이 가지는 장점과 한계점을 설명했다.

이 센터장은 병원이 서비스 로봇에 정말 관심이 있냐는 질문을 많이 받는데 관심이 있는 게 아니고 절실하게 필요하다고 말하면서, 병원은 식당 다음으로 서비스 로봇을 많이 구매하는 수요처가 될 것이라고 예상했다. 그녀는 실증보급사업을 통해 로봇을 도입하면서 겪었던 여러가지 어려움들과 문제점들을 소상히 설명하면서 병원에서 쓸 수 있게 로봇 기업들이 로봇을 만들어야 시장이 열릴 것이라고 강조했다.

이 센터장은 굉장한 기술력이 있어야 병원 시장에 진입할 수 있다는 생각은 잘못된 것이라면서 병원은 멋진 로봇을 원하는 게 아니라 뭐에 쓰고 싶은 니즈(Needs)가 있느냐의 문제라고 지적했다. 그녀는 국가로봇테스트필드사업에 로봇 친화 빌딩 설계란 무엇인가에 대한 이야기가 있는데 건물을 어떻게 지으면 로봇이 잘 다닐까, 건물에서 로봇을 어떻게 할까만 고민하다가 로봇만 사는 빌딩이 될까 걱정이라면서 그 안에서 생활하고 있는 입주민도 꼭 고려해 달라고 부탁했다.

이 센터장은 정말 병원에 도움이 되는 로봇을 만들려면 기업이나 연구자들이 로봇 개발 기획할 때 부터 이런 어려움이 있지 않을까라는 상상력에 기반해 로봇을 만들지 말고, 이게 진짜 필요한지 그러면 어떻게 해야 되는지에 대해 의료 전문가와 함께 고민해 달라고 부탁했다.

이 센터장은 "병원에는 서비스 로봇이 꼭 필요하다. 의료 서비스 로봇 활용은 한국이 글로벌 선두주자다. 하지만 아직 해결해야 할, 새롭게 도전해야 할 문제가 너무 많다"면서, "의료 현장 전문가와 로봇 연구 개발자가 협업할 수 있기를 바란다"며 강연을 마무리했다.

▲ 최종은 연세대학교 교수가 ' Equivariant and Diffusion-based Methods for Data-efficient Visual Robotic Manipulation Learning'이란 주제로 강연하고 있다

◇연세대 최종은 교수(Equivariant and Diffusion-based Methods for Data-efficient Visual Robotic Manipulation Learning-데이터 효율적인 시각적 로봇 매니퓰레이션 학습을 위한 등변 및 확산 기반 방법)

이날 강연에서 최 교수는 종단 간 시각적 로봇 매니퓰레이션 학습을 위한 혁신적인 SE(3) 등변 방법을 소개하고, 이러한 방법이 기존 딥 러닝 접근 방식의 데이터 비효율성 및 제한된 일반화 문제를 해결한다고 말했다.

최 교수는 또한 EDF(Equivariant Descriptor Field)를 소개하고 생성 모델링, 이중등분산, 조정 가능한 표현 및 지역성 원칙을 설명하고, 이를 통해 EDF는 사전 지식 없이도 놀라운 데이터 효율성과 일반화 가능성을 달성할 수 있다고 강조했다. 그는 또한 확산 기반 생성 모델링과 SE(3) 등분산을 통합하여 데이터 효율성을 높이고 효과적인 훈련과 빠른 추론을 위해 5~10번의 시연만 필요로 하는 Diffusion-EDF도 보여주었다.

최 교수는 이러한 방법은 이전 확산 기반 기술에 비해 우수한 일반화 가능성을 보여준다며, 우리는 등변적 방법과 생성 모델링의 시너지 효과를 통해 로봇 조작 학습의 동적 분야에서 새로운 연구 방향과 솔루션을 찾는 것을 목표로 한다고 설명했다.