능숙한 로봇 손은 수천개의 물체를 쉽게 조작할 수 있습니다

능숙한 로봇 손은 수천개의 물체를 쉽게 조작할 수 있습니다

불과 한살밖에 안된 아기는 로봇보다 더 민첩합니다.

물론 기계는 물건을 집어 올리고 내리는 것 이상의 일을 할 수 있지만

탐색적이거나 정교한 손재주 조작에 대한 자연스러운 끌어당김을 복제하는것까지는

충분하지 않습니다.

인공지능 회사인 OpenAI는 그리스어로 ‘daktylos’에서 유래한 손가락을 뜻하는

Dactyl을 사용하여 보다 일반적인 AI로의 첫걸음이며, 일반적인 싱글 단일 작업 사고에서 한걸음 벗어난 소프트웨어로 루빅 큐브를 해결하는 시도를 했습니다.

딥 마인드는 로봇이 아이템을 잡고 쌓는 방법을 배우도록 하는 

비전 기반 시스템인 “RGB-Stacking”를 만들었습니다.

MIT 컴퓨터 과학 및 인공 지능 연구소(CSAIL)의 과학자들은 기계가 인간의 능력을

복제할 수 있도록 하기 위해 더 큰 틀을 프레임워크를 만들었습니다.

로봇의 손이 위아래로 방향을 바꾸어 2천여가지의 물체의 방향을 바꿀 수 있는

시스템입니다.

컵에서 참치캔, 치즈 상자까지 모든 것을 조작할 수 있는 이 기능은 손이 특정 방법과

장소에서 빠르게 객체를 선택하고 배치하는 데 도움이 됩니다.

심지어 보이지 않는 물건까지 일반화 할 수 있습니다.

일반적으로 단일작업과 직립자세로 제한되는 이 능숙한 수작업은

물류 및 제조 속도를 높이는데 자산이 될 수 있으며, 키트를 위한 슬롯에

물건을 포장하거나 더 넓은 범위의 도구를 능숙하게 조작하는 것과 같은

일반적인 요구를 돕습니다.

향후 이 시스템이 실제 로봇 시스템으로 옮겨질 수 있다는 증거를 제시 했습니다.

MIT Improbable의 회원인 MIT CSAIL 박사 과정인 Tao Chen은

“업계에서는 병렬 조 그립퍼가 가장 많이 사용되고 있습니다. 그 이유는 부분적으로는

제어가 간단하지만 일상생활에서 볼 수 있는 많은 도구를 물리적으로 다룰 수 없습니다.” 라고

말했습니다.

“펜치는 한쪽 손잡이를 앞뒤로 능숙하게 움직일 수 없어서 어렵습니다. 우리 시스템은 

여러 손가락을 가진 이러한 도구를 능숙하게 조작할 수 있게 하여

로봇 공학 응용 분야의 새로운 영역을 개척합니다.” 라고 덧붙였습니다.

이러한 유형의 ‘손 안에서’ 물체 방향 조정은 제어해야 할 모터의 수가 많고

손가락과 물체 사이의 접촉 상태가 자주 변경되기 때문에 로봇 공학에서 

어려운 문제였습니다. 그리고 2천개가 넘는 개체가 있어서 모델은 배울것이 많았습니다.

손이 아래로 향하면 문제는 더 어려워집니다.

로봇은 물체를 조작할 뿐만 아니라 중력을 피해 떨어지지 않도록 해야 합니다.

팀은 간단한 접근법으로 복잡한 문제를 해결할 수 있음을 발견했습니다.

그들은 딥 러닝과 함께 모델이 없는 강화 학습 알고리즘(시스템이 환경과의 

상호 작용에서 가치 함수를 파악해야 함을 의미)과 ‘교사-학생’ 교육방법을

사용했습니다.

이를 위해 ‘교사’ 네트워크는 시뮬레이션에서 쉽게 사용할 수 있지만

손가락 끝의 위치나 물체의 속도 등 현실 세계에서는 이용할 수 없는

물체와 로봇에 관한 정보에 대한 훈련이 이루어지고 있습니다.

로봇이 시뮬레이션 밖에서 작업할 수 있도록 하기 위해 ‘선생님’의 지식은

카메라에 의해 캡처 된 깊이 이미지, 물체 포즈, 로봇의 관절 위치와 같은

실제 세계에서 습득할 수 있는 관찰로 추출됩니다.

이들은 또 로봇이 무중력 환경에서 기술을 학습한 뒤 점차 정상적인 중력상태에

컨트롤러를 적응시키는 ‘중력 커리큘럼’을 사용했는데 이 속도로 물건을 잡으면

전체적인 성능이 크게 향상 되었습니다.

출처: 파워볼사이트 블로그

One thought on “능숙한 로봇 손은 수천개의 물체를 쉽게 조작할 수 있습니다”

답글 남기기