가까운 미래에 우리는 요리, 청소 및 다른 가정 일을 처리할 수 있는 가정용 로봇을 가지게 될 것이다. 그것은 학습될 것이기 때문에, 커피 기계가 동작하는 방법을 배워서 커피를 내리고, 그 이상의 것들도 할 수 있게 될 것이다.
만약 당신이 새롭고, 그동안 사용하지 않았던 다른 커피메이커를 샀다고 한다면, 동작시키는 방법을 새로 배워야만 할 것이다.
“로봇은 두 가지 또는 세 가지 종류의 커피 기계를 이미 본적이 있을 것이다. 그래서 그것 중 하나를 사용하는 방법을 알고 있을 것”이라고 컴퓨터과학과 Ashutosh Saxena 교수가 말했다. 로봇이 현재까지 발전하는 것을 통해서 보았을 때, 로봇은 각각의 작업에 맞도록 훈련되어야 하고, 기계와 제어가 항상 동일한 관계가 가지고 있어야만 한다고 그가 말했다.
그의 로봇학습연구실에서 Saxena는 로봇이 더욱 잘 적응할 수 있도록 만들고 있는 중이다. Saxena와 대학원생인 성 재명이 개발한 새로운 딥러닝 알고리즘은 로봇이 이전에 보지 못했던 기계에 대하여 온라인에서 볼 수 있는 사용설명서를 참고하여 동작시킬 수 있도록 해줄 것이다. 그리고 유사한 제어방법을 가진 다른 기계들에 대하여 이것을 통한 경험을 이용할 수 있게 될 것이다. Saxena는 이 연구결과를 7월 16일 로마에서 열리는 2015 로봇과학 및 시스템 컨퍼런스(2015 Robotic Science and Systems conference)의 프로그램 중 하나인 “데모를 통한 학습” 워크숍에서 발표할 예정이다.
이 연구를 어렵게 만드는 한 가지 어려움은 자연 언어 명령에 대한 잡음이다. 손잡이나 스위치를 가지고 있는 기계를 켤 수 있고, 핸들이나 레버를 잡아당겨서 커피를 얻게 될 수 있을까? 기계를 제어하고, 그것을 조작하는 적당한 방법은 무엇인지에 대하여 로봇은 기록된 행동의 데이터베이스에서 찾게 될 것이다.
“우리는 딥러닝 신경네트워크를 사용하여 데이터베이스 내에 있는 어떤 행동이 수행되어져야 할 동작과 가장 유사한지를 로봇에서 말해줄 수 있을 것”이라고 성 재명이 말했다. 딥러닝은 정보를 레이어별로 분류하게 된다. 그래서 대략적인 것에서부터 세밀한 것으로 이동하게 된다. 매우 큰 데이터베이스를 가지고 최적의 동작을 수행하기 때문에 연구원들은 행동에 대한 방대한 자료들을 수집하기 위해서 크라우드소싱에 의지하고 있다. 적은 보수를 지불하여 간단한 온라인 작업을 수행하려고 사람들을 모집한 아마존 미케니컬 터크(Amazon Mechanical Turk) 서비스를 통해서 그들은 수 백만 명의 방문자들을 초청하여 로봇이 설명에서 나온 다양한 작업을 수행할 수 있도록 움직임을 안내할 수 있었다. 크라우드소싱을 가능하도록 만들기 위해서 연구원들은 웹 인터페이스를 만들었다. 이것은 비디오 게임을 하는 것처럼 사용자들이 상상의 로봇을 안내할 수 있도록 해주는 것이다.
데이터베이스로부터 로봇은 또한 위치가 아닌 모양으로부터 다양한 종류의 제어를 인지할 수 있도록 학습되며, 설명서에서 사용될 수 있는 다양한 라벨들이 그것들과 연관될 수 있도록 학습될 것이다.
첫 번째 테스트 베드로서 에스프레소 기계를 사용한 연구원들은 로봇을 로보바리스타로 언급하였다. 이탈리아어인 바리스타는 커피숍의 서빙하는 사람을 말한다.(그것은 이 이름이 시장에서 독립적인 커피기계라는 것을 나중에 배우게 되었다.) 그들은 로봇을 교육시키고 116가지의 다른 가정용품을 가지고 로봇을 테스트하였다. 그것에는 주스메이커, 램프, 소다 기계 및 욕실용 싱크도 포함되어 있었다. 손잡이를 돌리는 것과 같은 행동들은 한 종류의 손잡이에서 다른 종류로 변화할 수 있다. 싱크에 있는 손잡이를 돌리는 것은 전기 찜솥에 있는 타이머 제어 장치를 돌리는 것과 유사한 행동이며, 냉수기의 레버를 누르는 것은 커피 기계의 레버를 누르는 것으로 변환될 수 있다.
3D 카메라가 장착된 로봇은 영상의 X, Y, Z 축의 목록에서 점군데이터(point cloud)를 가지고 시작하게 된다. 설명서에서 라벨을 번역한 후에 이것은 점군데이터 상에 있는 제어를 찾아내어, 클라우드 소싱 모델에게 로봇팔이 제어를 따르게 될 궤적을 계획할 수 있도록 상의하게 된다.
“에스프레소 기계를 동작시키는 방법을 이해시키려고 노력하지 않고 우리는 그것의 각 부분들이 동작하는 방법을 이해하게 되었다”고 성 재명이 설명했다. 현재까지 다양한 종류의 기계들을 테스트하면서 로봇은 이전에 보지 못했던 기계들을 동작하는데 60%의 정확도를 가지고 동작하게 되었다. 한 가지 문제점은 복잡한 빛 패턴을 반사시키는 광택 있는 부분들이 때때로 모양으로 인식되는데 어렵다는 점이다.
향후에 로봇은 적절하게 제어를 동작시키기 위해서 촉감 피드백을 필요로 할 것이며, 충돌을 피하기 위해서 실행되는 동안에 시각적인 모니터링을 필요로 할 것이라고 연구원들이 말했다. 또한 로봇은 익숙치 않은 제어에 대하여 시행착오를 통해서 배우게 될 것이며, 실패를 복구하려는 방법을 가져야 할 것이다. 액션 모델은 Saxena가 만들어놓은 온라인 로보브레인 데이터베이스에서 사용될 수 있을 것이라며, 로보바리스타 웹사이트에서 로봇을 가르치도록 시도할 수 있을 것이라고 성 재명이 말했다.
이 연구는 국립과학재단(National Science Foundation)의 지원을 받고 있다.
출처 KISTI 미리안 『글로벌동향브리핑』
