창간 준비호

모래와 점토 다루는 로봇 손, 재료 모사 없이 학습

연구진 "무른 재료를 시뮬레이션하지 않고 현실에 적용"

쎈프레스 편집국읽는 데 2분
모래와 점토 다루는 로봇 손, 재료 모사 없이 학습

연구진이 모래를 푸고 점토를 미는 것 같은 도구 사용 기술을, 모래나 점토를 컴퓨터로 흉내 내지 않고 로봇에게 가르치는 방법 DAPPT를 내놓았다. 연구진은 이 방법이 여섯 가지 작업에서 추가 학습 없이 실제 환경으로 옮겨졌다고 밝혔다.

지금까지

로봇을 가상 공간에서 먼저 훈련한 뒤 현실로 옮기는 방식은 손재주가 필요한 작업에서도 좋은 결과를 냈다. 다만 이 방식은 단단한 물체를 정확하게 흉내 낼 수 있는 작업에 주로 쓰였다. 모래 같은 알갱이나 말랑한 재료는 시뮬레이션이 너무 느려서 대규모 강화학습을 돌리기 어려웠다.

AI 시대에는

연구진은 DAPPT가 무른 재료를 시뮬레이션하지 않고도 도구를 쓰는 로봇 손 기술을 처음부터 끝까지 학습시키는 틀이라고 설명했다. 연구진에 따르면 이 방법은 영역 매개변수로 정해지는 절차형 궤적을 따라가며 학습한 뒤, 이를 하나의 감각·운동 정책으로 합친다. 연구진은 영역을 명시적으로 표현하기 때문에 작업 성과를 가장 높이는 매개변수를 빠르게 고를 수 있다고 주장했다. 모래 푸기, 점토 막대 굴리기, 모래 긁기, 마우스 휠 돌리기, 디스펜서 누르기, 스프레이 당기기 등 여섯 작업에서 가장 좋은 매개변수를 쓰면 작업 지표가 1.5배에서 3.8배로 나아졌고 현실에도 추가 학습 없이 옮겨졌다는 것이 연구진의 설명이다. 이 글은 동료 심사를 거치기 전에 공개된 사전 공개 논문의 초록이어서, 수치와 주장은 아직 외부 검증을 받지 않았다.

지금 해 볼 것

  • 일상에서 쓰는 도구 작업 세 가지를 골라 단단한 물체를 다루는 일과 모래·반죽처럼 무른 재료를 다루는 일로 나눠 보고, 어느 쪽이 컴퓨터로 흉내 내기 어려운지 생각해 본다.
  • arXiv에서 이 논문의 초록과 본문을 읽고 여섯 작업의 평가 방식과 한계를 직접 확인해 본다.

원문에서 확인한 사실

  • 논문 저자는 Beining Han과 Jia Deng이다.
  • 기존 시뮬레이션 기반 강화학습은 정확한 강체 시뮬레이션이 가능한 작업에 한정되고, 무른 재료와 알갱이 작업은 시뮬레이션이 너무 느려 대규모 학습이 어렵다고 원문은 지적한다.
  • DAPPT는 모래 푸기, 점토 막대 굴리기 같은 도구 사용 기술을 무른 재료 시뮬레이션 없이 학습하는 틀이다.
  • 영역 매개변수로 정해지는 절차형 궤적을 따라가며 영역 인식 정책을 학습하고, 이를 하나의 감각·운동 정책으로 합친다.
  • 여섯 가지 작업(모래 푸기, 점토 막대 굴리기, 모래 긁기, 마우스 휠 돌리기, 디스펜서 누르기, 스프레이 당기기)에서 평가했다.
  • 연구진은 가장 좋은 영역 매개변수를 쓰면 작업 지표가 1.5배에서 3.8배로 나아지고 실제 환경에 추가 학습 없이 옮겨진다고 밝혔다.
#로봇 손#시뮬레이션#도구 사용#강화학습

이 기사는 쎈프레스 편집국이 공개된 원문을 바탕으로 정리했습니다. 원문에 없는 내용은 싣지 않는 것을 원칙으로 하며, 틀린 곳은 010-8114-3468로 알려 주시면 바로 고칩니다.

넘겨 보기로 이어 보기

이어서 읽기