“스마트폰 미세조립까지 척척” KAIST, 정밀동작 구현 ‘로봇 AI’ 개발 작성일 06-24 58 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- 박대형 교수팀, 로봇 AI 모델 ‘디스포(DiSPo)’ <br>- 기존 모델 대비 작업 성공률 최대 81% 향상</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="zQvU6fJ6Gn"> <figure class="figure_frm origin_fig" contents-hash="af3b740a2ceb56ed90a0d89f1a2fae5e436ccc8157158a8032e0a52a65dbe70d" dmcf-pid="qXdrGy3GGi" dmcf-ptype="figure"> <p class="link_figure"><img alt="다중 정밀도 조작 모델 ‘디스포(DiSPo)’.(AI 생성 이미지).[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/24/ned/20260624082120140smaj.png" data-org-width="928" dmcf-mid="uHfgImWIZo" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/24/ned/20260624082120140smaj.png" width="658"></p> <figcaption class="txt_caption default_figure"> 다중 정밀도 조작 모델 ‘디스포(DiSPo)’.(AI 생성 이미지).[KAIST 제공] </figcaption> </figure> <p contents-hash="a7c12461a903722c1eec411a87dff2009b01d035a3baaa5183cecbcb07679086" dmcf-pid="BZJmHW0HXJ" dmcf-ptype="general">[헤럴드경제=구본혁 기자] 공장에서 작업자가 동작을 한 번 보여주는 것만으로 로봇이 적은 데이터로도 정밀한 조립 작업을 익힐 수 있게 될 전망이다.</p> <p contents-hash="d51ecfe3c6535b9c87afa58efb88c8463418cf69a278524f456448e41a6cbf0e" dmcf-pid="b5isXYpXZd" dmcf-ptype="general">KAIST는 전산학부 박대형 교수 연구팀이 적은 데이터만으로 학습하고도 작업 상황에 맞춰 정밀도를 스스로 조절해 정교한 동작까지 만들어내는 로봇 AI 모델 ‘디스포(DiSPo)’를 개발했다고 24일 밝혔다.</p> <p contents-hash="d2d1772723ee100a6ee342c2ca4f9fba7000942cc641364044950c3de24339fb" dmcf-pid="K1nOZGUZZe" dmcf-ptype="general">기존 로봇 인공지능은 사람이 움직이는 모습을 매우 짧은 시간 간격으로 기록한 방대한 양의 데이터를 학습해야 정밀한 작업을 수행할 수 있었다. 예를 들어 나사를 조이거나 좁은 틈에 부품을 끼워 넣는 작업을 배우려면 수많은 동작 데이터를 세밀하게 수집해야 했기 때문에 시간과 비용이 많이 들었다.</p> <p contents-hash="e932e4c76f912050d7aa1623ec48e175a96f30261f6d0b0f5767a2cc36fc2951" dmcf-pid="9tLI5Hu5GR" dmcf-ptype="general">연구팀은 이러한 한계를 극복하기 위해 로봇이 움직임의 변화를 스스로 예측하면서 다양한 행동을 학습할 수 있는 인공지능 기술을 개발했다. 특히 작업 상황에 따라 동작을 더 세밀하게 나누거나 크게 조절할 수 있는 기능을 새롭게 도입했다.</p> <p contents-hash="2680a1892e95e4d32b742a47857efe0a97ff4245acfdda055e5bc16a0a607687" dmcf-pid="2FoC1X715M" dmcf-ptype="general">연구팀은 시간에 따른 변화를 효율적으로 학습하는 상태공간모델 ‘맘바(Mamba)’와 다양한 행동을 생성하는 확산모델(Diffusion Model)을 결합해 이러한 기능을 구현했다.</p> <p contents-hash="2891d2c35353c5f0d204a9fa3bb84c192465c7db45b3e06778f7ce9fdd376ecf" dmcf-pid="V3ghtZzt5x" dmcf-ptype="general">이를 통해 로봇은 적은 양의 데이터로 학습하더라도 실제 작업을 수행할 때는 움직임을 더 작은 단위로 나눠 정교하게 동작할 수 있다. 즉, 사람이 비교적 간단하게 시범을 보여줘도 로봇이 필요에 따라 스스로 동작을 세분화해 정밀한 작업을 수행할 수 있게 된 것이다.</p> <figure class="figure_frm origin_fig" contents-hash="41ce6c351a80e243c07705a9c3407c0aff1e3f159e409650b6ce3bdeb826b171" dmcf-pid="f0alF5qFtQ" dmcf-ptype="figure"> <p class="link_figure"><img alt="디스포(DiSPo)의 모델 실험. 사각링 통과, 버튼 터치, 벨트 체결, 실끼우기 등 산업에서 일상생활에 필요한 다양한 정밀 조작 작업에 대한 정성평가를 수행했다.[KAIST 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/24/ned/20260624082120381rrng.jpg" data-org-width="551" dmcf-mid="7vSp8Vd8XL" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/24/ned/20260624082120381rrng.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 디스포(DiSPo)의 모델 실험. 사각링 통과, 버튼 터치, 벨트 체결, 실끼우기 등 산업에서 일상생활에 필요한 다양한 정밀 조작 작업에 대한 정성평가를 수행했다.[KAIST 제공] </figcaption> </figure> <p contents-hash="da2bb44c5d68d5421fcd64657c40e21d79c291c8b8c2d7180a783c484ff1eef7" dmcf-pid="4wqeEACE1P" dmcf-ptype="general">연구팀이 개발한 디스포는 시뮬레이션 환경에서 기존 최고 성능 모델 대비 최대 81% 높은 작업 성공률을 기록했다. 또한 실제 협동로봇을 이용한 실험에서는 반경 2.5mm에 불과한 좁은 틈에 부품을 끼워 넣고 스마트폰의 작은 셔터 버튼을 정확히 누르는 고난도 작업을 안정적으로 수행했다. 이는 기존 인공지능 모델보다 최대 4배 높은 성공률이다.</p> <p contents-hash="9542ceefa07d67e7c054f933f2fc9e6f70283f4c75f782a97583fbaf73a2d2e5" dmcf-pid="8rBdDchD56" dmcf-ptype="general">이번 기술은 정밀 부품 조립, 케이블 연결, 의료 수술, 정밀 가공 등 높은 정확성이 요구되는 다양한 산업 분야에 적용될 수 있을 것으로 기대된다. 특히 적은 데이터만으로도 고정밀 로봇을 학습시킬 수 있어 로봇 개발 비용을 크게 낮추고 제조·의료·서비스 산업의 자동화를 앞당기는 데 기여할 전망이다.</p> <p contents-hash="6c4719ba410456c7fe7e4c8f4a1d0531446e956e897c597d691804981edaad3f" dmcf-pid="6mbJwklwX8" dmcf-ptype="general">박대형 교수는 “사람이 일일이 정밀한 시범을 더 보여주지 않아도, 로봇이 스스로 부족한 데이터를 채워가며 실력을 끌어올릴 수 있다”면서 ”앞으로 데이터 수집 비용을 획기적으로 줄이면서도 정밀 제조와 의료 등 다양한 산업 현장에서 활용할 수 있는 범용 로봇 학습 기술로 발전시켜 나가겠다“고 말했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 [김종석의 그라운드] "센터코트보다 아이 등하교"…앤디 머리가 말한 은퇴 후 행복 06-24 다음 S2W, 일본서 현지법인 설립…" 공공·민간 동시 공략" 06-24 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
