구글AI포럼, 토싱봇 공개…물리학과 딥러닝의 조화

구글 로보틱스 학생연구원인 앤디 정이 'AI혁신과 로보틱스'를 주제로 열린 구글AI포럼에서 토싱봇을 소개하고 있다.
구글 로보틱스 학생연구원인 앤디 정이 'AI혁신과 로보틱스'를 주제로 열린 구글AI포럼에서 토싱봇을 소개하고 있다.

당연한 얘기지만 물건을 들어서 옮기는 것 보다 집어 던지는 것이 더 빠르다. 그럼에도 불구하고 흔히 로봇들은 던지기보다 들어서 옮기는 방식을 사용한다. 던지는 것이 집어서 옮기는 것 보다 훨씬 복잡하고 어렵기 때문이다.

구글은 AI포럼 16번째 주제로 ‘AI혁신과 로보틱스’를 삼고 자사가 개발중인 토싱봇(TossingBot)을 소개했다.

토싱봇은 구글 로보틱스 학생연구원인 앤디 정(Andy Zeng)의 주도하에 개발중인 프로젝트다.

그는 미국 프린스턴 대학교 컴퓨터 공학 박사과정을 밟고 있으며 3D 컴퓨터 비전과 로봇 조작에 필요한 머신 러닝을 연구하며 구글에서 인턴으로 근무하고 있다.

간단하게 말해서 토싱봇은 던지는 방법을 배우는 로봇으로 기본적인 물리학과 딥러닝을 이용한다.

앤디 정은 "우리가 택한 솔루션은 전통적인 방법과 최근의 딥러닝을 결합해 장점만 취한 것"이라며 "머신러닝 통해서 정확도 높여서 물리학적인 걸 통해 일반화가 쉽고 잘되게 했다"고 설명했다.

던진다는 특성에 따라 이전 개발된 로봇들보다 사물을 집는 속도가 최대 2배 빠르며, 사물을 내려놓는 범위도 두배 넓다.

로봇공학에서 ‘던진다’는 행동은 생각보다 어려운 부분이다. 던지기 전 집어올리는 방법부터 질량, 마찰력, 공기역학 등 물리적 특성까지 여러가지 요소를 고려해야 하기 때문이다.

예로 스크루드라이버의 경우 손잡이 부분보다 드라이버의 끝을 잡는 것이 훨씬 더 멀리 던질 수 있다. 또 던지는 물건이 꼭 드라이버라는 보장도 없다. 공기저항을 더 많이 받는 탁구공의 경우 완전 다른 계산이 필요하게 되는 것이다.

토싱봇은 딥러닝을 통해 실패와 성공을 반복하며 경험을 학습하는데, 학습을 위한 시간과 비용을 단축하기 위해 물리학적인 계산을 기본으로 먼저 추가했다.

이를 통해 발사체 탄도학을 기본으로 사물이 목표한 위치에 떨어지도록 하기 위해 어느 정도의 속도로 던져야 하는지 먼저 예상한 후 신경망을 통해 알려지지 않은 역학 및 노이즈의 변동성을 계산해 예상 속도를 조절하는 리지듀얼 피직스(Residual Physics)를 적용한 것이다.

그 결과 새로운 사물을 던질 경우 토싱봇은 처음에는 낮은 성공율을 보이지만 수백회의 학습 단계를 통해 1∼2시간 정도만에 적응할 수 있다.

앤디 정은 "리디쥬얼 피직스는 기존에 있었던 다른 방법보다 성과가 훨씬 좋고 퍼포먼스가 높다"며 "일반인 비교해도 사람보다 더 좋은 성과를 낸다"고 말했다.

구글의 연구 결과 사물을 던지는 학습을 1만번(약 14시간) 반복할 경우 토싱봇의 정확도는 85%로 나타났으며 여러가지 사물이 섞여있는 상황에서도 특정 사물을 정확하게 움켜쥘 수 있는 확률도 87%로 높게 나타났다.

토싱봇의 주목할 만한 특성은 크기와 모양이 던질 물건이 똑같은지 여부를 구분하고 똑같은 사물에 같은 공식을 적용한다는 것이다.

토싱봇은 단순하게 던지는 것 뿐만 아니라 던져진 사물이 어떻게 떨어질지까지 유추해낸다. 예를 들어 500m 물병에 물을 조금 넣고 세우는 행동을 동일한 조건에서 반복해 물통을 세우는 확률을 높일 수 있는 것이다.

이는 토싱봇이 활용될 것으로 기대되는 지진, 화재 등 재난 환경에서 무너진 건물 자재를 효과적으로 치울 수 있는 근거가 된다. 다만 정식으로 재난 현장에서 활용되기에는 시간이 필요할 것으로 보인다.

앤디정은 "토싱봇이 앞으로 어떤 곳에 활용될지는 추가 연구가 필요하다"며 "야외에서 움직이면 바람과 여러 환경적 요소가 있는데 토싱봇이 이를 반영해서 셀프로 조정하는 작업 등을 하고 있다"라고 말했다.

저작권자 © 전기신문 무단전재 및 재배포 금지