사진. Panasonic HD
최근 기업들이 노동력 부족 현상으로 사회적 문제로 대두됨에 따라 다양한 분야에서 산업용 로봇을 활용하고 있다. 특히 제조업과 서비스업에서는 사람이나 사물과의 접촉이 수반되는 업무가 많다. 그러나 로봇이 사람이나 물체와 접촉했을 때 로봇의 움직임과 힘은 매우 복잡하고 시뮬레이션 환경에서 모델링하기 어렵기 때문에 안전하고 정확한 움직임을 달성하기 위해서는 주변 장치를 사용해 사전에 여러 번 시행착오를 겪는 등의 데이터가 필요하다.
이에 Panasonic Holdings Corporation(이하 Panasonic HD)이 로봇 제어 학습의 효율성과 정확성을 향상시키는 로봇 제어용 확산 모델인 확산 접촉 모델을 개발했다고 밝혔다.
로봇에서 안전하고 정확한 이동을 달성하기 위해서는 로봇이 배치된 상황에 따라 로봇의 움직임과 힘을 제어하는 매개변수를 미세하게 조정해야 한다. 튜닝 방법은 크게 시뮬레이션 환경(모델 기반)과 실제 기계에서의 시행착오(실제 기계 기반)로 나뉘며, 모델 기반은 실제 기계 기반보다 많은 시행착오를 효율적으로 수행할 수 있는 장점이 있다. 그러나 접촉이 수반되는 작업은 로봇이 사람이나 물체를 만질 때 움직임과 힘(접촉 역학)의 복잡성으로 인해 시뮬레이션이 어려웠고, 실제 기계에서 인간을 여러 번 가르치면서 시행착오를 거쳐야 했다.
최근에는 복잡하고 비선형적인 모델을 표현할 수 있는 영상 및 사운드 생성에 사용되는 확산 모델의 특징에 주목하고 있으며, 확산 모델의 노이즈 제거 과정과 접촉 시뮬레이션의 최적화 과정 간의 유사성을 적용해 실제 장치를 사용하지 않고도 복잡한 접촉 역학을 시뮬레이션할 수 있는 "확산 접촉 모델"을 개발했다. Diffusion Contact Model은 로봇이 물체에 닿을 때 로봇이 가하는 힘을 단계적으로 시뮬레이션하고 로봇이 물체에 닿았을 때의 힘을 높은 정확도로 예측할 수 있으므로 모델을 기반으로 제어 매개변수를 효율적으로 조정할 수 있다.
로봇의 제어 매개변수를 최적화하기 위한 기존 방법과 제안된 방법을 보여주는 다이어그램 / 사진. Panasonic HD
사진의 상단 행에 표시된 기존 방법에서는 먼저 베이지안 최적화 알고리즘에 의해 제어 파라미터를 추정한 다음 실제 기계에서 파라미터를 평가하고 파라미터를 다시 조정해 원하는 성능을 얻을 때까지 시행착오 루프를 반복한다. 한편, 아래에 표시된 Diffusion Contact Model에서 제어 파라미터는 기존 방법과 같이 Bayesian 최적화 알고리즘에 의해 먼저 추정되지만, 평가를 위해 실제 장치 대신 Diffusion Contact Model을 사용한다.
첫째, 시뮬레이션 환경에서 실험을 수행한 결과, 확산 접촉 모델(Diffusion Contact Model)이 기존의 딥 모델(DNN)에 비해 높은 정확도로 접촉력을 예측할 수 있음을 보여줬다. 실제 장치를 사용하지 않고 복잡한 접촉 역학을 시뮬레이션할 수 있다면 기존 방법에 비해 실제 장치가 필요한 상황의 수를 줄일 수 있습니다. 닦는 작업을 위한 실제 기계에 대한 시연에서는 총 80분이 걸리던 닦기 작업의 학습을 주로 로봇에게 수동으로 가르치면 약 25분으로 단축할 수 있음을 보여줬다.
새롭게 개발된 확산 모델 '확산 접촉 모델'은 로봇 학습에서 실제 기기에 대한 학습에 소요되는 시간을 크게 줄일 수 있는 기술이다. 논문에서 언급한 지우기 작업 외에도 시뮬레이션하기 어렵고 실제 기계에서 시행착오가 필요한 다른 로봇 작업이 많이 있다. 이 기술을 적용함으로써 많은 업무를 효율적으로 자동화할 수 있는 가능성이 높아지고, 노동력 부족 등의 사회 과제 해결에도 도움이 될 것이라고 Panasonic HD 관계자가 밝혔다.
이 기술은 국제적으로 앞선 기술력을 인정받고 있으며, AI/로보틱스 기술 분야의 최고 컨퍼런스인 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS) 2024에서 채택되었습니다. 이번 발표는 2024년 10월 14일부터 10월 18일까지 아랍에미리트 아부다비에서 개최되는 총회에서 발표될 예정이다.
