로봇의 가장 취약점으로 알려져있는 조작성(Manipulation)을 개선하기 위해 어린아이의 조작 학습법을 이용한 연구가 진행되고 있다.

'로보틱스트렌즈'에 따르면 카네기멜론대학(CMU)의 로봇연구소(Robotics Institute) 소속 과학자들은 비전 인식과 동작 제어 두 가지를 아기의 조작법으로부터 참조해 로봇 개발을 진행하고 있다. CMU 과학자팀은 지난해 가을 컴퓨터 비전에 관한 유럽회의에서 이 이론을 처음 발표했으며,구글로부터 3년간 150만 달러의 연구비(focused research award)를 지원받고 있다.

이 연구는 대상을 조작할 수 있을 때 사물에 대해 더 깊은 시각적 이해를 얻는다는 아이들의 학습법에서 출발했다. CMU의 로봇공학 교수인 '아브히나브 굽타(Abhinav Gupta)'는 “2015년 다르파 로보틱스 챌린지(DARPA Robotics Challenge)에서 세계에서 가장 진보한 로봇조차도 문을 열거나 케이블을 뽑는데 어려움을 겪는 것을 보고 로봇 조작의 맹점이 너무나 명백하다고 생각했다”며 “지금의 로봇은 보고 있는 것도 이해하지 못하고 있으며 행동과 조작 능력으로 보면 2살짜리 아이에도 못미친다”고 지적한다.

그러나 구글의 연구비 지원 등으로 연구가 진행되면서 CMU는 현재 1~2개의 팔을 가진 로봇과 드론을 비롯해 수십 개의 로봇을 이 접근법으로 테스트를 하고 있다. 이 프로젝트의 주요 목표 중 하나는 학습 프로세스의 속도를 높이는 것이다.

CMU에 따르면 로봇은 느린 학습자이기 때문에 물건을 집어 올리는 방법을 배우기 위해 수백 시간의 상호 작용이 필요하다. 로봇은 이전에 값이 비싸고 신뢰할 수 없는 경우가 많았기 때문에 데이터 중심 접근 방식에 의존하는 연구자들은 오래 전부터 데이터 결핍에 시달리기도 했다.

CMU는 학습 프로세스를 확장하면 이러한 데이터 부족 문제를 해결할 수 있을 것이라고 생각했다. 굽타 교수 연구그룹의 학생인 르렐 핀토(Rerrel Pinto) 박사는 “데이터를 더 빨리 얻을 수 있다면 다른 소프트웨어 프레임워크와 알고리즘을 더 많이 시도할 수 있게 된다”고 말한다.

CMU의 조작 연구작업의 상당 부분은 간단한 두 손가락 조작기를 가진 두 팔의 백터(Baxter) 로봇을 이용해 진행됐다. CMU는 하나의 로봇이 어떤 것을 학습하면 다른 모든 로봇과 공유하도록 설계했으며 앞으로 더 많은 로봇을 사용해 조작 데이터베이스를 풍부하게 만들 계획이다.

지난 수십년 동안 시각 인식과 로봇 제어는 별도로 연구가 진행돼왔다. 시각적 인식은 물리적 상호작용을 거의 고려하지 않고 개발됐으며 대부분의 조작 및 플래닝 프레임워크는 비전 인식 실패에 대처할 수 없는 한계가 있었다. 굽타는 로봇이 지각과 행동을 동시에 탐색할 수 있게 함으로써 아기들이 하는 것처럼 이러한 실패를 점점 극복할 수 있을 것으로 전망한다.