UC 버클리가 로봇의 움직임을 지원할 딥러닝 기술을 개발해냈다. (사진. UC Berkeley)
최근 온라인 쇼핑 등이 급증함에 따라, 많은 물류현장에서는 로봇, 자율주행 등의 기술을 적용한 자동화 시스템을 구축하는 데 관심을 기울이고 있다. 그러나 창고 작업을 자동화하는 데에는 어려움이 따른다. 인간에게는 다른 유형의 물건을 집는 장소와 방법을 결정하거나, 각 물건을 한 위치에서 다른 위치로 이동하기 위해 어깨, 팔, 손목 움직임을 조정하는 것이 간단하지만, 로봇에게는 매우 어려운 일이기 때문이다.
이에 캘리포니아 대학교 버클리(University of California, Berkeley, 이하 UC 버클리) 엔지니어들은 로봇이 창고 환경을 지원할 수 있도록 하기 위해 신경망과 모션 계획을 결합한 새로운 소프트웨어를 개발해냈다. 연구 관계자인 Ken Goldberg, William S. Floyd Jr.는 “자동차 조립 라인에서는 동일한 동작이 자동적으로 반복될 수 있지만, 창고에서는 모든 주문이 다르다”라며, “로봇에게는 여전히 물체를 안정적으로 파악하는 데 어려움이 있기 때문에, 여전히 전체적인 창고 운영은 인간이 주도하고 있다”라고 전했다.
연구진은 초기 작업에서 로봇이 물체를 집는 방법과 물체를 한 위치에서 다른 위치로 옮기기 위해 이동하는 방법을 모두 계산할 수 있는 그래입스-옵티마이즈 모션 플래너(Grasp-Optimized Motion Planner)를 만들었다.
그러나 이 플래너에 의해 생성된 동작은 불안정했다. 더 부드러운 동작을 생성하기 위해 소프트웨어의 매개 변수를 조정할 수 있었지만, 이러한 계산 역시 평균 약 30분의 시간이 소요되는 것으로 나타났다.
이후 새로운 연구에서는 딥러닝 신경망을 통합해 모션 플래너의 컴퓨팅 시간을 획기적으로 단축했다. 신경망을 사용하면 로봇이 예제를 통해 학습할 수 있으며, 추후 종종 유사한 물체와 동작으로 일반화 할 수도 있다.
또한 연구진들은 신경망에 의해 생성된 근사값이 모션 플래너를 사용해 최적화될 수 있음을 발견했다. 관계자는 “신경망은 대략적인 동작을 계산하는 데 얼마 걸리지 않지만, 정확도가 떨어진다”라며, “하지만 그 근사치를 모션 플래너에 입력하면 모션 플래너는 최종 모션을 계산하는 데 몇 번의 반복만 거칠 것”이라고 전했다. 연구팀은 신경망과 모션 플래너를 결합함으로써 평균 계산시간을 29초에서 80밀리 초 또는 1/10 초 미만으로 단축했다.
연구팀은 기술의 이러한 발전으로 로봇이 향후 몇 년 안에 창고 환경을 지원할 수 있을 것으로 예상하고 있다. 관계자는 “이러한 방식은 로봇이 인간 노동자를 지원할 수 있는 새로운 기회”라고 전했다.
