“고무줄 풀고 전선도 끼우고”…KAIST 로봇 변형 물체 조작 기술 구현

작성일 08-21

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">부분 관측으로 전체 형상 복원·학습 가능<br>실험서 기존 기술 대비 성공률 크게 향상</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="Pi5a1dqyZw">
          <figure class="figure_frm origin_fig" contents-hash="ad8b36b7ed96d3d49c34a020d5318472f13c549dcc5e4974300b5e430fc9b37a" dmcf-pid="Qn1NtJBWtD" dmcf-ptype="figure">
           <p class="link_figure"><img alt="로봇팔이 다양한 작업을 수행하는 모습. ⓒ한국과학기술원" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202508/21/dailian/20250821095917012prkg.png" data-org-width="700" dmcf-mid="8CPYQho9Hm" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202508/21/dailian/20250821095917012prkg.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            로봇팔이 다양한 작업을 수행하는 모습. ⓒ한국과학기술원
           </figcaption>
          </figure>
          <p contents-hash="d9037fc6a65690060fdba13cdef91026f1a2abdc1dabf01742ab3834769aece0" dmcf-pid="xLtjFibYtE" dmcf-ptype="general">한국과학기술원(KAIST) 전산학부 박대형 교수 연구팀은 탄성 밴드처럼 형태가 연속적으로 변하고 시각적으로 구별하기 어려운 물체도 로봇이 능숙하게 다룰 수 있도록 하는 인공지능 기술 ‘INR-DOM(Implicit Neural-Representation for Deformable Object Manipulation)’을 개발했다고 21일 밝혔다.</p>
          <p contents-hash="8a350b7ed3dde6c18e2db2f94e12fd94607dfec4e983c4e63863d46dbcd7265b" dmcf-pid="y1opgZrR1k" dmcf-ptype="general">연구팀은 로봇이 관측한 부분적인 3차원 정보만으로 변형 가능한 물체의 전체 형상을 복원하고, 이를 바탕으로 조작 방식을 학습하는 기술을 구현했다. 또 특정 과제를 효율적으로 학습할 수 있도록 강화학습과 대조학습을 결합한 2단계 학습 구조를 도입했다. 학습된 제어기는 시뮬레이션 환경에서 기존 기술보다 높은 과제 성공률을 보였으며, 실제 로봇 실험에서도 얽힌 고무줄을 풀어내는 등 복잡한 작업을 수행해 변형 물체 조작의 적용 가능성을 넓혔다.</p>
          <p contents-hash="df44f322424ab7727a72f69e75178cca74bd95ca595e8ec9a71e78ba42203b63" dmcf-pid="WtgUa5me5c" dmcf-ptype="general">변형 물체 조작(DOM)은 로봇 공학의 난제로 꼽힌다. 변형 물체는 자유도가 무한에 가깝고, 자기 가림 현상으로 로봇이 전체 상태를 파악하기 어렵다. 기존 연구들은 상태 표현법과 강화학습 기반 제어 기술을 활용했지만, 연속적으로 변형되는 표면이나 복잡한 3차원 구조를 정확히 표현하기 어렵고, 상태 표현과 강화학습이 분리돼 한계가 있었다.</p>
          <p contents-hash="995804d42516f77556bcca0b2c65e0f8187fd3601d415926823bb9483e95259e" dmcf-pid="YFauN1sdGA" dmcf-ptype="general">연구팀은 이를 극복하기 위해 ‘잠재 신경 표현(Implicit Neural Representation)’을 활용했다. 이 방식은 로봇이 관측한 점 구름 형태의 3차원 정보를 입력받아 보이지 않는 부분까지 포함한 전체 형상을 연속적인 곡면으로 재구성한다. 이를 통해 로봇은 마치 사람처럼 물체의 전체 모습을 상상하고 이해할 수 있다.</p>
          <p contents-hash="88502d4b18f352135bbe6efac21b9f366b9202db1a63af9b72677d3592f58c44" dmcf-pid="Gc7rzj8tYj" dmcf-ptype="general">또 연구팀은 2단계 학습 프레임워크를 도입했다. 1단계 사전학습에서는 불완전한 점 구름으로부터 완전한 형상을 복원하는 모델을 학습시켜 상태 표현 모듈을 확보했다. 2단계에서는 강화학습과 대조학습을 함께 적용해 로봇이 현재와 목표 상태의 미묘한 차이를 구분하고 과제 수행에 필요한 최적 행동을 효율적으로 찾도록 했다.</p>
          <p contents-hash="0a23ae18fe56f2419408c2bda81581520eaf4955ff48cded207376809e7663af" dmcf-pid="HkzmqA6FYN" dmcf-ptype="general">INR-DOM 기술을 로봇에 적용한 결과, 시뮬레이션 환경에서 고무링 끼우기, O링 설치, 꼬인 고무줄 풀기 등 세 가지 복잡한 과제에서 모두 기존 최고 성능 기술보다 높은 성공률을 보였다. 특히 풀기 작업의 경우 성공률이 75%로 기존 최고 기술(26%)보다 약 49%포인트 높았다.</p>
          <p contents-hash="018a6ab03190cb26baa55f77e670c6774930642904ac2844b23e98cae44e3e04" dmcf-pid="ZDBObkQ0Yg" dmcf-ptype="general">연구팀은 샘플 효율적 강화학습 기법과 INR-DOM을 결합해 실제 환경에서도 검증을 진행했다. 그 결과 끼우기, 설치, 풀기 작업을 90% 이상 성공했으며, 특히 시각적으로 구분이 어려운 양방향 꼬임 풀기 작업에서 기존 이미지 기반 강화학습보다 25% 높은 성과를 기록했다.</p>
          <p contents-hash="5bb436b75beff58cdd13346d85789720296b46241c38381d732e20430e90618b" dmcf-pid="5wbIKExpZo" dmcf-ptype="general">송민석 연구원은 “이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다”며 “제조, 물류, 의료 등에서 사람과 협력하거나 대체할 수 있는 정교한 로봇 기술 발전에 기여할 것”이라고 말했다.</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 데일리안. 무단전재 및 재배포 금지.</p>

등록된 댓글이 없습니다.

로그인한 회원만 댓글 등록이 가능합니다.

먹튀폴리스

“고무줄 풀고 전선도 끼우고”…KAIST 로봇 변형 물체 조작 기술 구현

멤버랭킹

관련자료

멤버랭킹