'스스로 고무줄 풀고 전선도 끼워' KAIST, 사람 닮은 로봇 AI 'INR-DOM' 개발

작성일 08-21

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="QRSDMSaVsG">
          <figure class="figure_frm origin_fig" contents-hash="b3fca3203416a6de08823709ca55ccf90f8f3855876e6376be05418d4a1022fe" dmcf-pid="xevwRvNfDY" dmcf-ptype="figure">
           <p class="link_figure"><img alt="KAIST AI를 적용한 로봇팔이 다양한 작업을 수행하는 모습" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/21/etimesi/20250821095345938qxfn.png" data-org-width="700" dmcf-mid="6cNR7N41sX" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/21/etimesi/20250821095345938qxfn.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            KAIST AI를 적용한 로봇팔이 다양한 작업을 수행하는 모습
           </figcaption>
          </figure>
          <p contents-hash="629c552f884a96f9e93077717cb246e1033b23e247623002e914baa77b0025df" dmcf-pid="yGPBYP0CmW" dmcf-ptype="general">한국과학기술원(KAIST·총장 이광형)이 불완전한 시각 정보만으로도 변형 물체 상태를 정밀하게 파악하고 능숙하게 다룰 수 있는 로봇 기술을 개발했다. 케이블 및 전선 조립, 부드러운 부품을 다루는 제조업, 의류 정리와 포장 등 다양한 산업·서비스 분야 지능형 자동화에 기여할 것으로 기대된다.</p>
          <p contents-hash="782a316e0cab39d932af35558cebc19b929a8b2b002e0ae230d9fb8e407e0eb0" dmcf-pid="WHQbGQphsy" dmcf-ptype="general">KAIST는 박대형 전산학부 교수팀이 이와 같은 인공지능(AI) 'INR-DOM'을 개발했다고 21일 밝혔다.</p>
          <p contents-hash="ebe95365c802660c17a1fa2b2ea23e87381260ea1fe4e58c408a29609009acd0" dmcf-pid="YHQbGQphIT" dmcf-ptype="general">연구팀은 '잠재 신경 표현'을 활용했다. 이 기술은 로봇이 관측한 부분적인 3차원 정보(점 구름)를 입력받아, 보이지 않는 부분을 포함한 물체의 전체 형상을 연속적인 곡면(SDF)으로 재구성한다. 로봇은 마치 사람처럼 전체 물체 모습을 상상하고 이해할 수 있다.</p>
          <p contents-hash="29ca04aa91cdb96e2dcb8627b800632a0c7e54892c10001e9204444e408215c3" dmcf-pid="GXxKHxUlmv" dmcf-ptype="general">나아가 연구팀은 2단계 학습 프레임워크를 도입했다. 1단계 사전학습에서는 불완전한 점 구름으로부터 완전한 형상을 복원하는 모델을 학습시켜, 늘어나는 물체 표면을 잘 나타내는 상태 표현 모듈을 확보한다. 2단계 미세조정에서는 강화학습과 대조학습을 이용해, 로봇이 현재 상태와 목표 상태 간 미묘한 차이를 구분하고 최적의 행동을 찾아내도록 제어 정책과 상태 표현 모듈을 최적화한다.<br></p>
          <figure class="figure_frm origin_fig" contents-hash="fc0358b023080757bf13d427e97f14e75e9060fe264dfa737bf793a4377c9885" dmcf-pid="HZM9XMuSwS" dmcf-ptype="figure">
           <p class="link_figure"><img alt="2단계 학습 과정을 거치는 INR-DOM 모식도" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/21/etimesi/20250821095347252gpjf.jpg" data-org-width="700" dmcf-mid="PJrgVre7mH" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/21/etimesi/20250821095347252gpjf.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            2단계 학습 과정을 거치는 INR-DOM 모식도
           </figcaption>
          </figure>
          <p contents-hash="7652a521c28d5cc124aae829c33ad380fdcdbaa0bab04d504b8f9f80d38d2a15" dmcf-pid="X5R2ZR7vEl" dmcf-ptype="general">INR-DOM 기술을 로봇에 탑재해 시뮬레이션한 결과 고무링을 홈에 끼우거나, O링을 부품에 설치하거나, 꼬인 고무줄을 푸는 세 가지 복잡한 과제에서 모두 기존 최고 성능 기술들보다 월등한 성공률을 보였다. 특히 가장 어려운 풀기 작업에서는 성공률이 75%에 달해 기존 최고 기술보다 약 49% 높은 성과를 거뒀다.</p>
          <p contents-hash="775a69a063484551bf81d9f59eaa3cd48ebc3146335af6acf06d8189b0a594c7" dmcf-pid="Z1eV5ezTDh" dmcf-ptype="general">실환경 강화학습 수행 결과에서도 끼우기, 설치, 풀기 작업을 90% 이상 성공률을 보였고, 특히 시각적으로 구별이 어려운 양방향 꼬임 풀기 작업에서 기존 이미지 기반 강화학습 기법 대비 25% 더 높은 성공률을 기록했다.</p>
          <p contents-hash="843f95885246e195b59eafa3625e40ec3f070dc74ddc435347480ac638d5017f" dmcf-pid="5tdf1dqyEC" dmcf-ptype="general">송민석 연구원은 “이번 연구는 로봇이 불완전한 정보만으로 변형 물체 전체 모습을 이해하고, 이를 바탕으로 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다”며 ”제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 크게 기여할 것”이라고 말했다.</p>
          <p contents-hash="a6b069cfe6e4df161f99035cf18d28a00712f938aee8c9da539c32f5722bc2a3" dmcf-pid="1FJ4tJBWII" dmcf-ptype="general">KAIST 전산학부의 송민석 석사과정이 제1 저자로 참여한 이번 연구는 지난 6월 21~25일 LA USC에서 개최된 로봇 공학 분야 최상위 국제 학술대회인 '로보틱스: 사이언스 앤 시스템즈 2025'에서 발표됐다.</p>
          <p contents-hash="16a6f38fd7642dada0acd72292e114b601d1aa183e0b7e8e5d8360661ae29762" dmcf-pid="t3i8FibYmO" dmcf-ptype="general">김영준 기자 kyj85@etnews.com</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 전자신문. 무단전재 및 재배포 금지.</p>

이전

"조직 97% AI 관리 미흡…침해 여부조차 파악못한 기업도 다수"

08-21
다음

스승 따라 UFC 입성 노린다... 김동현·정찬성 제자 4인방, RTU 출격

08-21

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

'스스로 고무줄 풀고 전선도 끼워' KAIST, 사람 닮은 로봇 AI 'INR-DOM' 개발

멤버랭킹

관련자료

멤버랭킹