로봇은 언젠가 수색 및 구조 임무, 산불 방제 등 위험한 상황에 활용되어 사회에 엄청난 혜택을 제공하게 될 것이다. 그러나 로봇이 이러한 작업을 성공적으로 수행하기 위해서는 손상되었을 때 계속 일할 수 있는 능력을 가져야 한다. 

미국 와이오밍 대(University of Wyoming) 소속의 연구자가 포함된 연구팀이 로봇을 2분 이내에 부상에서 자동으로 회복시킬 수 있는 방법을 다루고 있는 논문을 영국의 권위 있는 순수과학 학술지인 네이처(Nature)에 발표하였다. 

이 연구 결과를 보여주는 동영상에서 6족 로봇은 심지어 다리 2개가 파손되었어도 보행을 지속할 수 있게 적응하였다. 또한, 이 동영상은 손상된 여러 모터를 가지는 로봇 팔이 옮겨야 할 대상 물체를 정확하게 위치시키는 법을 어떻게 배우는지도 보여 주었다.

프랑스의 피에르 및 마리 퀴리 대(Pierre and Marie Curie University) 출신인 앙투안느 큘리(Antoine Cully)와 장-밥티스테 무레(Jean-Baptiste Mouret)는 미국 와이오밍 대의 제프 클루네(Jeff Clune)와 피에르 및 마리 퀴리 대의 다네쉬 타라포레(Danesh Tarapore)와 협력하여 이 연구를 이끌었다. 

오늘날의 로봇과 대비되어 동물들은 부상에서 적응할 수 있는 놀라운 능력을 보인다. 예를 들어, 1개의 다리가 손상되어 3개의 다리를 가지는 다수의 개들은 프리스비(Frisbee: 던지기를 하고 놀 때 쓰는 플라스틱 원반)를 잡을 수 있으며, 당신은 발목을 접질려도 빠르게 걷는 방법을 찾는다. 과학자들은 이러한 생물체들의 전략으로부터 영감을 얻었다.

"동물이 부상을 당한 경우 아주 처음부터 시작하여 적응하는 법을 배우지 않는다. 대신에 이들은 거동하는 여러 가지 방법에 대한 직관력을 가지고 있다. 동물들은 이러한 직관력을 이용하여 시도할 수 있는 몇 가지 거동을 지능적으로 선택한다. 그리고 이러한 여러 번의 시도에서 동물들은 부상에도 불구하고 작동하는 거동을 선택한다. 우리는 로봇이 동일한 기능을 수행하도록 만들었다”고 제출된 논문의 책임저자인 장-밥티스테 무레가 말했다.

로봇은 배치되기 전에 고성능의 거동을 수행하는 공간에 대한 상세한 지도를 만들기 위하여 스스로 컴퓨터 시뮬레이션을 이용한다. 이 지도는 로봇이 수행할 수 있는 여러 가지 거동 및 이에 대한 예측값에 대한 로봇의 직관력을 나타낸다. 만약 로봇이 손상되면 이러한 직관력을 이용하여 손상에도 불구하고 동작하는 보상적인 거동을 신속하게 발견하기 위한 실험을 수행하는 학습 알고리즘이 로봇에게 안내된다. 이 새로운 알고리즘은 “지능적인 시행오차법(Intelligent Trial and Error)”이라고 불린다.

“일단 손상되면, 로봇은 과학자처럼 된다. 로봇은 동작할 가능성이 있는 여러 다른 거동에 대하여 사전 기대치를 가지고 있으며, 이를 시험하기 시작한다. 그러나 이러한 예측은 시뮬레이션을 통하여 손상되지 않은 로봇에서 얻은 데이터이다. 로봇은 주어진 손상에서 실제로 어떠한 거동이 적합한지를 찾아내야 한다”고 발표된 논문의 주저자인 앙투안느 큘리가 말했다. 

“로봇이 시도하는 각각의 거동은 실험을 수행하는 것과 같다. 로봇은 만약 하나의 거동이 적합하지 않으면, 거동의 전체 형태를 배제하고 새로운 형태를 시도할 정도로 영리하다. 예를 들어, 주로 뒷다리를 이용할 때 보행이 잘 되지 않으면 로봇은 다음에 주로 앞다리를 이용한 보행을 시도할 것이다. 놀라운 것은 로봇이 새로운 보행법을 매우 빠르게 배운다는 것이다. 로봇이 심각한 손상을 입어서 허우적거리는 상태에서 절름거리면 효율적으로 걷는 상태로 전환되기까지 약 2분 정도가 걸리는 것을 목격한 것은 굉장한 일”이라고 앙투안느 큘리가 설명하였다.

지능적인 시행오차법은 로봇이 새로운 환경에 적응하고, 새로운 거동을 창안하는 것을 포함하여 예측되지 않는 상황에 적응하는 데에도 적용된다. “기술적으로 지능적인 시행오차법은 (1) 거동-성능을 나타내는 지도 만들기, (2) 예측되지 않는 상황에 적응하기 등과 같은 2단계를 거친다”고 제프 클루네가 설명하였다.

제1단계의 지도는 맴-엘리트(MAP-Elites)라고 불리는 새로운 형태의 진화 알고리즘(evolutionary algorithm)으로 만들어진다. 진화 알고리즘은 인공적으로 지능 로봇을 진화시키기 위하여 컴퓨터 시뮬레이션에서 적자생존(survival of the fittest) 경연 대회를 열어서 다윈(Darwin)의 진화론을 모사한다. 제2단계의 적응은 손상에도 불구하고 작동하는 거동을 효율적으로 탐색하기 위하여 지도로 제공되는 이전의 지식을 활용하는 ‘베이스 최적화 알고리즘(Bayesian optimization algorithm)’을 포함한다. 

“우리는 실험을 수행하여 지능적 시행착오법의 가장 중요한 요소가 지도에 포함된 이전 지식을 만들고 활용하는 것임을 증명하였다”고 앙투안느 큘리가 말했다.

이 새로운 기법은 좀 더 강인하고 효과적이며 자율적인 로봇을 개발하는 데에 도움이 될 것이다. 다네쉬 타라포레는 이러한 로봇 개발의 사례를 들었다. “지능적 시행착오법은 구조자들이 지속적으로 관심을 두지 않아도 되도록 로봇을 만드는 데에 도움이 된다. 또한, 부품이 일부 고장 났더라도 계속하여 도움이 될 수 있는 개인용 도우미 로봇을 더 쉽게 실현하도록 도울 것”이라고 다네쉬 타라포레가 말했다. 

출처 KISTI 미리안 『글로벌동향브리핑』