▲ 온라인 초청강연이 열린 여수 소노캄 그랜드 볼룸 행사장 모습. 정순조 교수의 초청 강연은 은라인으로 개최되었다.

여수 소노캄에서 열린 'ICROS 2021' 둘째날에는 캘리포니아 공과대학교 (California Institute of Technology:CalTech) 정순조 교수가 ’How to Combine Machine Learning with Robot Control, Navigation, and Planning‘을 주제로 세번째 초청강연을 했다.

정순조 교수는 기계학습과 인공지능 기법이 로봇 시스템의 경로 계획과 제어에 적용될 때 어떻게 안정성과 강인성을 보장할 것인가에 대해 발표했다.

▲ 초청강연 사회를 보고 있는 KAIST 최한림 교수

정 교수는 CalTech의 Aerospace Robotics and Control Lab에서 최근에 개발한 기계학습 기반 로봇 제어의 성과를 공유하였다. 비행 로봇의 착륙 시 지면효과 (Ground Effect)에 의한 유동흐름을 학습하여 안정적인 자율 착륙을 가능토록 하는 Neural Lander 기법, 복잡한 3차원 바람 외란이 있을 때 이를 측정하여 비행 로봇이 강한 바람에 적응하여 안정적으로 비행할 수 있도록 하는 비행제어 기법, 확률적 구속조건 (Chance Constraint)이 주어진 로봇의 최적 제어 문제를 해결하기 위해 다항식 혼돈 (Polynomial Chaos) 방법을 활용하는 기법 등을 설명하였다.

특히, 정 교수는 항공우주 로봇과 같이 안전지향적(Safety-Critical)인 시스템에서는 폐루프 시스템(Closed-loop System)의 안정성과 강인성에 대한 요구도가 매우 높은 데 반해, 데이터 기반의 기계학습 제어기를 적용한 경우, 안정성을 증명ㆍ보장하고, 강인성을 분석할 수 있는 이론적 체계가 매우 부족함을 지적하였다.

▲ 온라인 초청강연이 열린 여수 소노캄 그랜드 볼룸 행사장 모습

이후, 이러한 한계를 극복하면서 안정성에 대한 보장을 가지는 강인한 신경망 기반 적응 제어 기법에 대해서 소개하였다. 특히, 수축 이론(Contraction Theory)을 이용하는 경우 심층신경망(Deep Neural Network)과 같은 매우 비선형적인 요소를 가진 제어기의 경우도 그 안정성의 분석이 용이함을 강조하였다. 구체적으로 신경망에 기반한 제어기에 적절한 수축 지표(Contraction Metric)를 적절히 정의함으로써 강인성과 안정성의 보장이 가능함을 설명하였다.

(이 기사는 KAIST 최한림 교수가 작성한 내용 요약 자료를 바탕으로 작성되었습니다)