로봇이 '손끝 감각' 배운다…GIST, 정밀 작업 로봇 AI 기술 개발[과학을읽다] 작성일 03-10 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">휴머노이드·제조 로봇 핵심 기술…기어 조립·케이블 연결 성공률 83%</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="X60LeMDggm"> <p contents-hash="3db4c3cda514bfe7529a59bb2858e37c34747f52e579bf66647a3f512f62ed38" dmcf-pid="ZPpodRwakr" dmcf-ptype="general">로봇이 사람처럼 물체를 만질 때 느끼는 '손끝의 힘 감각'까지 학습해 정밀 작업을 수행할 수 있는 인공지능(AI) 기술이 개발됐다. 향후 휴머노이드 로봇이나 제조 로봇이 사람의 손작업을 대신하는 차세대 로봇 기술의 핵심 기반이 될 수 있다는 평가다.</p> <div contents-hash="7f74b1fa87c3e1ec108072957286eb2cd67200502985eb771ffa627b62038daa" dmcf-pid="5QUgJerNkw" dmcf-ptype="general"> <p>이규빈 광주과학기술원(GIST) AI융합학과 교수 연구팀은 사람이 물체를 만질 때 느끼는 힘과 접촉 감각까지 학습해 로봇이 정밀 조작 작업을 수행할 수 있도록 하는 AI 기술을 개발했다고 10일 밝혔다.</p> </div> <figure class="figure_frm origin_fig" contents-hash="8eb105c19097b33ca65426c999815202c540545cb145b02bd5962f03192e858d" dmcf-pid="1xuaidmjjD" dmcf-ptype="figure"> <p class="link_figure"><img alt="손힘 측정 장치(ManipForce) 시스템 구성도. 사람이 직접 물체를 다루는 동안 손의 움직임, 힘, 작업 영상을 동시에 기록하는 장치다. 장치는 두 대의 RGB 카메라 손목에 착용한 힘·토크 센서(F/T) 3D 마커로 손 위치를 추적하는 모듈 물체를 잡고 조작하는 로봇 손 장치로 구성돼 있다. 연구팀 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202603/10/akn/20260310094026645aelj.jpg" data-org-width="745" dmcf-mid="Yu7z0F8BjI" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202603/10/akn/20260310094026645aelj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 손힘 측정 장치(ManipForce) 시스템 구성도. 사람이 직접 물체를 다루는 동안 손의 움직임, 힘, 작업 영상을 동시에 기록하는 장치다. 장치는 두 대의 RGB 카메라 손목에 착용한 힘·토크 센서(F/T) 3D 마커로 손 위치를 추적하는 모듈 물체를 잡고 조작하는 로봇 손 장치로 구성돼 있다. 연구팀 제공 </figcaption> </figure> <p contents-hash="7d65a6431eb4561cba530c5005e0dae1498699af75dc8eaf0e6b8d07da0e15c1" dmcf-pid="tM7NnJsAAE" dmcf-ptype="general">기존 로봇 학습 방식은 대부분 카메라 영상(RGB) 정보만 활용하는 '모방 학습(Imitation Learning)' 방식이었다. 이 때문에 부품을 끼우거나 맞추는 과정에서 발생하는 미세한 저항이나 순간적인 힘 변화를 파악하기 어렵다는 한계가 있었다.</p> <p contents-hash="5c1b73a63ccca4be345d56573be7e97a1c6f15e62d565bba5eb112af277b495f" dmcf-pid="FRzjLiOcAk" dmcf-ptype="general">연구팀은 이런 문제를 해결하기 위해 사람이 작업 과정에서 자연스럽게 느끼는 '힘의 감각'까지 로봇 학습에 활용하는 기술을 개발했다.</p> <div contents-hash="375e58e95f5d0a5cf7788dac95a30378b16c4fde2dbaa59452df26a05378a1cf" dmcf-pid="3uT4KBJ6Ac" dmcf-ptype="general"> <p>연구팀이 개발한 '손힘 측정 장치(ManipForce)'는 사람이 직접 손으로 작업하는 모습을 기록하면서 △두 대의 카메라로 촬영한 작업 영상 △손목 센서로 측정한 힘과 회전력(Force-Torque) △손의 움직임과 위치 정보를 동시에 수집한다.</p> </div> <figure class="figure_frm origin_fig" contents-hash="5fe75e5b79ce8e2b64e82fa0664ce86712a584b7e01ddfb368259ff673888a33" dmcf-pid="07y89biPoA" dmcf-ptype="figure"> <p class="link_figure"><img alt="실제 작업 성공률 비교도. FMT를 적용한 로봇은 기어 조립, 배터리 삽입 등 6가지 접촉 작업에서 평균 83%의 성공률을 달성했다. 이는 영상 정보만 사용한 기존 방식(약 60%)보다 훨씬 높은 수치다. 연구팀 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202603/10/akn/20260310094027918qzfg.jpg" data-org-width="745" dmcf-mid="GjYGvlpXaO" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202603/10/akn/20260310094027918qzfg.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 실제 작업 성공률 비교도. FMT를 적용한 로봇은 기어 조립, 배터리 삽입 등 6가지 접촉 작업에서 평균 83%의 성공률을 달성했다. 이는 영상 정보만 사용한 기존 방식(약 60%)보다 훨씬 높은 수치다. 연구팀 제공 </figcaption> </figure> <p contents-hash="ebca45b0a88e1b4a5ab21b7e7f643c57e13dbc8dda55e3ccc217aa596465f0ad" dmcf-pid="pzW62KnQoj" dmcf-ptype="general">영상은 초당 30회, 힘 정보는 초당 200회 이상 측정해 눈에 보이는 장면뿐 아니라 접촉 순간 발생하는 미세한 힘까지 정밀하게 기록할 수 있도록 설계됐다. 또한 3차원(3D) 마커 기반 위치 추적과 장치 자체 무게 영향을 제거하는 중력 보상 기능을 적용해 실제 접촉에서 발생한 힘만을 정밀하게 측정하도록 했다.</p> <p contents-hash="f3662853bd51254f529c0865d2dc7f345d406cad81ee067110f24e76b02c13e2" dmcf-pid="UqYPV9LxaN" dmcf-ptype="general">연구팀은 이렇게 수집한 영상과 힘 데이터를 함께 학습할 수 있도록 '주파수 인식 속도-감각 통합 AI 모델(Frequency-Aware Multimodal Transformer, FMT)'도 개발했다.</p> <p contents-hash="281ab09f03136ea7303fb590f560d0a5f05674d0aa4158b1402799a53a8f4e92" dmcf-pid="uBGQf2oMka" dmcf-ptype="general">영상 데이터는 초당 30회, 힘 데이터는 초당 200회 이상 측정되기 때문에 두 데이터의 시간 간격이 서로 다르다. FMT 모델은 이러한 서로 다른 센서 주파수의 데이터를 각각 분석한 뒤 비교·통합해 학습하도록 설계됐다.</p> <div contents-hash="a1daf211813daf1ea9b120ddbd870ccf7088f23c90d22ed53a92a67233a287fc" dmcf-pid="7bHx4VgRjg" dmcf-ptype="general"> <p>이를 통해 로봇은 물체의 위치와 접촉 상황을 동시에 이해하고 접촉이 많은 정밀 조작 작업에서도 안정적인 동작을 수행할 수 있다.</p> </div> <figure class="figure_frm origin_fig" contents-hash="bd7884c04e047accd44d500f65b73d0e7ccf7cecbe9acee3daf88f4d5e45399c" dmcf-pid="zKXM8faego" dmcf-ptype="figure"> <p class="link_figure"><img alt="연구진 사진. 왼쪽부터 이성주 박사, 이규빈 교수, 이건협·노상준 박사과정생, 김강민 석·박통합과정생, 백승혁 선임연구원(한국기계연구원), 이영진 석사과정생. GIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202603/10/akn/20260310094029178vlit.jpg" data-org-width="745" dmcf-mid="H35eP8jJas" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202603/10/akn/20260310094029178vlit.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 연구진 사진. 왼쪽부터 이성주 박사, 이규빈 교수, 이건협·노상준 박사과정생, 김강민 석·박통합과정생, 백승혁 선임연구원(한국기계연구원), 이영진 석사과정생. GIST 제공 </figcaption> </figure> <p contents-hash="aa68210f7a46f2974125a82c13f2cc2a64db5d70dbb9600dc44e4d73c8758d21" dmcf-pid="q9ZR64NdcL" dmcf-ptype="general">연구팀은 기어 조립, 박스 뒤집기, 배터리 삽입, 인터넷 케이블 플러그 연결, 뚜껑 열기, 배터리 분리 등 6가지 작업을 실제 로봇 실험으로 검증했다. 각 작업을 20회씩 수행한 결과 평균 성공률은 약 83%를 기록했다. 이는 RGB 카메라 영상만 활용한 기존 방식(약 20%)보다 크게 향상된 성능이다.</p> <p contents-hash="19e6fbabaef81d0764a8f56bb4f1c5d96f44903b314ae1ff05aec7146ac644f0" dmcf-pid="B25eP8jJkn" dmcf-ptype="general">이규빈 GIST AI융합학과 교수는 "이번 연구는 카메라 영상에만 의존하던 기존 로봇 학습 방식의 한계를 넘어 힘 감각 데이터를 활용한 새로운 AI 학습 프레임워크를 제시한 것"이라며 "향후 제조 현장의 부품 조립이나 커넥터 체결뿐 아니라 가정 환경에서의 배터리 교체 등 섬세한 힘 제어가 필요한 다양한 작업에서 로봇 활용을 크게 확장할 수 있을 것"이라고 말했다.</p> <p contents-hash="1f1ccec87b418b68db860950c599cb27d956bf01e774d0613943419275d167c6" dmcf-pid="bV1dQ6Aiki" dmcf-ptype="general">이번 연구는 산업통상자원부와 한국연구재단의 로봇산업기술개발사업 지원을 받아 수행됐으며, 연구 결과는 국제 학술 서버 'arXiv'에 사전 공개됐다. 논문은 로봇공학 분야 국제 학술대회인 'IEEE 국제 로봇·자동화 학술대회(ICRA 2026)'에서 발표될 예정이다.</p> <p contents-hash="08cb90b04de22f7694e573adc7867b5db9b3ab1644c9c12afb8469e3e81d92ee" dmcf-pid="KftJxPcngJ" dmcf-ptype="general">김종화 기자 justin@asiae.co.kr</p> </section> </div> <p class="" data-translation="true">Copyright © 아시아경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 [사이테크+] 운동이 기억 촉진?…"기억 관련 뇌 활동 활성화 현상 포착" 03-10 다음 티맥스소프트, '오픈프레임' 앞세워 글로벌 AX 확대 03-10 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
