▲MIT와 스탠포드대 연구진이 역동적인 환경에서 로봇이나 드론을 보다 효과적으로 제어할 수 있는 기계학습법을 개발했다.(사진=MIT)

MIT와 스탠포드대 공동 연구팀이 빠르게 변화하는 환경에서 드론이나 자율이동 로봇을 보다 효과적으로 제어할 수 있는 기계학습 방법을 고안했다고 MIT뉴스가 최근 보도했다.

이 기술은 자율주행 로봇이나 차량이 미끄러지는 것을 피하기 위해 미끄러운 도로 조건을 보상하는 방법을 학습하거나, 드론이 강풍에 시달리면서도 활강하는 스키어를 가까이 따라가는 것을 도울 수 있다.

나비드 아지잔 MIT 교수는 “우리 연구의 핵심은 보다 효과적이고 안정화된 컨트롤러를 설계하기 위해 시스템의 역학에 내재된 구조를 학습하는 것”이라며, “데이터로부터 시스템의 역학과 고유한 제어 지향구조(control-oriented structures)를 공동으로 학습함으로써 실제 세계에서 훨씬 더 효과적으로 작동하는 컨트롤러를 자연스럽게 만들 수 있다"고 말했다.

학습된 모델에서 이 구조를 사용하면 추가적인 단계로 컨트롤러를 도출하거나 별도로 학습해야 하는 기존의 기계 학습 방법과 달리, 이번에 고안된 기술은 모델에서 효과적인 컨트롤러를 즉시 추출한다. 이 구조를 사용하면 다른 접근 방식보다 적은 데이터를 사용하여 효과적인 컨트롤러를 학습할 수있다. 이를 통해 학습 기반 제어 시스템(learning-based control system)이 빠르게 변화하는 환경에서 더 나은 성능을 달성하는 데 도움을 줄 수 있다.

논문 수석저자인 스펜서 M. 리차드 스탠포드대 대학원생은 ”시스템에서 구조를 식별하는 것과, 데이터로부터 모델을 학습하는 것 사이의 균형을 맞추려고 노력했다"고 말했다.

연구팀에 따르면, 연구자들이 시스템의 모든 것을 모델링하는 방법을 알고 있을 때에도 로봇이 주어진 작업을 수행하도록 제어하는 가장 좋은 방법을 결정하는 것은 어려운 문제다. 연구팀은 역학(다이나믹) 모델을 학습하기 위해 기계학습을 사용하는 기술을 개발했다. 이 모델은 시스템을 제어하는 데 유용한 구조를 가지고 있다. 이같은 구조에서 데이터를 사용해 컨트롤러에 대한 완전히 다른 모델을 학습하는 대신, 역학 모델에서 컨트롤러를 직접 추출할 수 있다는 것이다.

이번 연구는 NASA 대학 리더십 이니셔티브(NASA University Leadership Initiative)와 캐나다 자연과학 및 공학연구위원회(Natural Sciences and Engineering Research Council of Canada.)의 지원을 일부 받아 이뤄졌다.