▲ 출입문을 열고 이동하는 법을 학습하는 4족 보행 로봇(사진=조지아텍)

미 조지아공대(Georgia Tech) 하세훈 교수 연구팀은 4족 보행 로봇이 재학습 과정 없이, 인간의 학습을 미러링하면서 점점 더 복잡한 작업을 수행할 수 있도록 지원하는 학습 프레임워크인 'CCRL(Cascaded Compositional Residual Learning)'을 개발했다고 18일(현지 시각) 밝혔다.

CCRL은 로봇이 단순한 작업을 수행하면서 배운 모든 것을 기억할 수 있도록 해주는 ‘라이브러리’ 기능을 수행한다. 새로 얻은 기능은 라이브러리에 추가되고, 더 복잡한 기능을 습득하는데 활용된다. 예를 들어, 회전 동작(turn motion)은 내비게이션 기술의 기본으로서 기능하며, 보행 동작의 위에서 학습될 수 있다.

연구팀은 '에너지 전달(energy transfer)'을 통해 4족 보행 로봇이 무거운 출입문을 여는 동작을 시연했다. 이번 연구에 주도적으로 참여한 니란잔 쿠마르 박사과정 학생은 CCRL이 대화형 내비게이션(interactive navigation) 연구 분야에서 새로운 지평을 열었다고 말했다.

대화형 내비게이션은 로봇이 실세계에서 이동할 수 있도록 해주는 여러 내비게이션 솔루션 중 하나다. 대화식 네비게이션은 로봇이 이동 중에 장애물과 상호작용하면서 목표 위치에 도달해야 한다. 이는 로봇이 배우기 가장 어려운 것으로 인식된다.

연구팀이 적용한 '정책(policy)'은 로봇이 학습하고 배치할 수 있는 10가지 기술에 도달했다. 하나의 정책에서 학습할 수 있는 기능의 수는 프로그래머가 사용하는 하드웨어에 달려 있다고 한다.

쿠마르는 CCRL이 잡동사니들이 놓여 있는 집안을 돌아다닐 때 민첩하고 유연성을 지녀야하는 가정용 보조 로봇에 유용하다고 말했다. 또 CCRL이 시각 장애인을 위한 안내견 역할을 할 수 있다고 했다. 그는 “만일 시각 장애인 앞에 장애물이 있다면, 로봇은 그 사람이 걸을 때 장애물을 치우고, 문을 열어줄 수 있다"고 말했다.

이번 하세훈 교수 연구팀의 연구논문은 2023년 IEEE 국제 로봇/자동화 저널(RA-L, Robotics and Automation Letter)에 발표됐다.