미시간대 연구, 가정용 로봇의 객체 관계 학습으로 더 스마트한 내비게이션 구현

이 연구의 목표는 로봇이 복잡한 환경에서 대상 객체를 능동적으로 검색할 수 있는 실용적인 방법을 제공하는 것입니다.

우리는 한때 미래학자들이 꿈꿨던 로봇 가득한 미래에 살지는 않지만, 그에 점점 가까워지고 있습니다. 가상 비서가 탑재된 스피커와 로봇 청소기는 이미 일상이 되었고, 향후 10년 내에 더 많은 가정용 로봇이 등장할 것으로 예상됩니다.

가정 내 로봇 내비게이션의 과제

현재 개발자들이 직면한 과제 중 하나는 로봇이 집 안에서 어떻게 이동하게 할 것인가입니다. 이를 해결하기 위해 미시간대학교 연구팀이 가정 내 객체 간의 관계를 학습하는 새로운 모델을 발표했습니다.

예를 들어, 로봇에게 2층 세탁 바구니에서 빨랫감을 가져와 세탁기에 넣는 임무가 주어졌다고 가정해 봅시다. 이 모델을 사용하면 로봇이 바구니와 세탁기의 위치를 모두 이해할 수 있어, 로봇을 수동으로 이동시킬 필요가 없습니다.

공동 저자인 젠 젱(Zhen Zeng)은 "로봇이 환경에서 객체를 효율적으로 검색할 수 있는 것은 서비스 로봇이 자율적으로 작업을 수행하는 데 필수적"이라며 "복잡한 환경에서 로봇이 대상 객체를 능동적으로 검색할 수 있는 실용적인 방법을 제공합니다"라고 말했습니다.

SLiM 모델: 의미적 연결 맵

이 모델은 SLiM(Semantic Linking Maps, 의미적 연결 맵)이라고 불립니다. 냉장고 같은 랜드마크 객체를 오렌지 주스나 마요네즈 같은 관련 객체와 연결합니다. 이를 통해 로봇에게 '식탁을 치워라'는 명령을 내리면, 냉장고 물품을 원래 위치에 돌려놓을 수 있습니다.

연구진에 따르면 SLiM은 불확실성을 고려합니다. 예를 들어 세탁 바구니가 옮겨졌더라도 작동을 멈추지 않으며, 새로운 위치를 찾는 데 더 오래 걸릴 뿐입니다.

이러한 지리적 위치와 객체 관계의 능동적 갱신은 로봇의 장기적 성능을 향상시켜야 합니다. 그렇지 않으면 환경 변화로 인해 로봇이 지속적으로 작동을 중단할 수 있습니다.

룸바를 넘어선 차세대 가정용 로봇

룸바(Roomba)는 가정용 로봇의 분수령이었으며, 이후 출시된 대부분의 로봇은 그 설계와 기능을 모방했습니다. 그러나 미시간팀이 제시한 로봇은 훨씬 더 정교하여, 객체를 집어 들고 작업을 수행할 수 있습니다.

그러한 로봇이 상용화되기까지는 아직 몇 년이 남았지만, 이러한 연구가 그 파이프라인에 분명히 있음을 보여줍니다.