새로운 시뮬레이션 방법을 통해 로봇은 물체 속성을 정확하게 감지할 수 있습니다.

매사추세츠 공과대학, 매사추세츠주 케임브리지

새로운 시뮬레이션 방법을 사용하면 로봇은 물체를 집는 것만으로도 물체의 무게, 부드러움 및 기타 물리적 특성을 추측할 수 있습니다. (이미지:MIT 뉴스/iStock)

다락방에서 쓰레기를 치우는 사람은 안에 무엇이 있는지 볼 필요 없이 상자를 집어 들고 흔드는 것만으로 상자의 내용물을 짐작할 수 있는 경우가 많습니다. MIT, Amazon Robotics 및 브리티시 컬럼비아 대학의 연구원들은 로봇에게 비슷한 작업을 수행하도록 가르쳤습니다.

로봇이 내부 센서만으로 물체를 집어 들고 가볍게 흔들어 무게, 부드러움, 내용물 등을 학습할 수 있는 기술을 개발했다. 외부 측정 도구나 카메라가 필요하지 않은 이 방법을 통해 로봇은 몇 초 만에 물체의 질량과 같은 매개변수를 정확하게 추측할 수 있습니다.

이 저렴한 기술은 어두운 지하실에서 물체를 분류하거나 지진 후 부분적으로 붕괴된 건물 내부의 잔해를 치우는 등 카메라의 효율성이 떨어지는 응용 분야에서 특히 유용할 수 있습니다.

이들 접근 방식의 핵심은 로봇과 물체의 모델을 통합하여 로봇이 상호 작용할 때 해당 물체의 특성을 신속하게 식별하는 시뮬레이션 프로세스입니다.

연구원들의 기술은 컴퓨터 비전을 통합하는 좀 더 복잡하고 값비싼 방법만큼 물체의 질량을 추측하는 데 능숙합니다. 또한 데이터 효율적인 접근 방식은 보이지 않는 다양한 유형의 시나리오를 처리할 수 있을 만큼 강력합니다.

MIT 박사후 연구원이자 이 기술에 대한 논문의 주요 저자인 Peter Yichen Chen은 "이 아이디어는 일반적이며 우리는 로봇이 이런 방식으로 배울 수 있는 것의 표면을 긁는 것에 불과하다고 생각합니다. 내 꿈은 로봇이 세상에 나가서 주변 환경에서 사물을 만지고 움직이며 상호 작용하는 모든 것의 속성을 스스로 파악하게 하는 것입니다."라고 말했습니다.

연구팀의 방법은 공간에서 자신의 움직임이나 위치를 감지하는 인간이나 로봇의 능력인 고유 감각을 활용합니다. 예를 들어, 체육관에서 덤벨을 드는 인간은 손에 덤벨을 쥐고 있어도 손목과 팔뚝에서 덤벨의 무게를 느낄 수 있습니다. 마찬가지로 로봇은 팔의 여러 관절을 통해 물체의 무거움을 '느낄' 수 있습니다.

공동 저자이자 MIT 박사후 연구원인 Chao Liu는 "인간은 손가락의 관절 각도나 물체에 가하는 토크의 정확한 양을 매우 정확하게 측정할 수 없지만 로봇은 알고 있습니다. 우리는 이러한 능력을 활용합니다."라고 말했습니다.

로봇이 물체를 들어 올리면 연구원의 시스템은 움직이는 동안 관절의 회전 위치와 속도를 감지하는 센서인 로봇의 관절 인코더에서 신호를 수집합니다.

대부분의 로봇에는 움직이는 부품을 구동하는 모터 내에 조인트 인코더가 있다고 Liu는 덧붙였습니다. 촉각 센서나 비전 추적 시스템과 같은 추가 구성 요소가 필요하지 않기 때문에 이 기술은 일부 접근 방식보다 비용 효율적입니다.

로봇-객체 상호 작용 중에 객체의 속성을 추정하기 위해 해당 시스템은 두 가지 모델에 의존합니다. 하나는 로봇과 로봇의 동작을 시뮬레이션하고 다른 하나는 객체의 역학을 시뮬레이션합니다. Chen은 "실제 세계의 정확한 디지털 트윈을 확보하는 것이 우리 방법의 성공에 매우 중요합니다."라고 덧붙였습니다.

그들의 알고리즘은 물리적 상호 작용 중에 로봇과 물체의 움직임을 "감시"하고 공동 인코더 데이터를 사용하여 역방향으로 작업하고 물체의 속성을 식별합니다. 예를 들어, 로봇이 같은 양의 힘을 가하면 무거운 물체는 가벼운 물체보다 느리게 움직입니다.

이들은 미분 가능한 시뮬레이션이라는 기술을 활용하여 알고리즘이 질량이나 부드러움과 같은 물체 속성의 작은 변화가 로봇의 끝 관절 위치에 얼마나 영향을 미치는지 예측할 수 있습니다. 연구원들은 미분 가능한 시뮬레이션을 지원하는 오픈 소스 개발자 도구인 NVIDIA의 Warp 라이브러리를 사용하여 시뮬레이션을 구축했습니다.

미분 가능한 시뮬레이션이 로봇의 실제 움직임과 일치하면 시스템은 올바른 속성을 식별합니다. 알고리즘은 이 작업을 몇 초 만에 수행할 수 있으며 계산을 수행하려면 움직이는 로봇의 실제 궤적 하나만 보면 됩니다.

Liu는 "기술적으로 물체의 모델과 로봇이 해당 물체에 힘을 가하는 방법을 아는 한 식별하려는 매개변수를 파악할 수 있어야 합니다"라고 말했습니다. 연구원들은 물체의 질량과 부드러움을 학습하기 위해 자신의 방법을 사용했지만 관성 모멘트나 용기 내부 유체의 점도와 같은 속성도 결정할 수 있었습니다.

게다가, 그들의 알고리즘은 컴퓨터 비전이나 외부 센서에 의존하는 일부 방법처럼 훈련을 위해 광범위한 데이터세트를 필요로 하지 않기 때문에, 보이지 않는 환경이나 새로운 물체에 직면할 때 실패할 위험이 적습니다.

앞으로 연구원들은 자신들의 방법을 컴퓨터 비전과 결합하여 훨씬 더 강력한 다중 모드 감지 기술을 만들려고 합니다.

"이 작업은 컴퓨터 비전을 대체하려는 것이 아닙니다. 두 방법 모두 장단점이 있습니다. 그러나 여기서 우리는 카메라 없이도 이러한 속성 중 일부를 이미 파악할 수 있다는 것을 보여주었습니다."라고 Chen은 말했습니다.

또한 그들은 소프트 로봇과 같은 더 복잡한 로봇 시스템과 출렁이는 액체나 모래와 같은 입자형 매체를 포함한 더 복잡한 물체를 사용하는 애플리케이션을 탐색하고 싶어합니다. 장기적으로 그들은 이 기술을 적용하여 로봇 학습을 개선함으로써 미래의 로봇이 새로운 조작 기술을 신속하게 개발하고 환경 변화에 적응할 수 있기를 희망합니다.

자세한 내용은 Melanie Grados에게 문의하세요. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 보려면 JavaScript를 활성화해야 합니다.; 617-253-1682.