로봇 팔이 고무링을 실링(sealing), 설치(installation), 분리(disentanglement) 작업하는 작업 / 사진. 카이스트
카이스트(KAIST)가 8월 21일(목), 전산학부 박대형 교수 연구팀이 불완전한 시각 정보만으로도 변형 물체의 상태를 정밀하게 파악하고 능숙하게 다룰 수 있는 로봇 AI 기술 ‘INR-DOM(Implicit Neural-Representation for Deformable Object Manipulation)’을 개발했다고 밝혔다.
이번 연구 성과는 전선 및 케이블 조립, 의류 정리·포장, 부드러운 부품을 다루는 제조업 등 산업·서비스 분야의 지능형 자동화에 폭넓게 기여할 것으로 기대된다.
연구팀은 로봇이 관측한 부분적인 3차원 정보만으로 변형 가능한 물체의 전체 형상을 복원하고, 이를 기반으로 조작 방식을 학습하는 기술을 구현했다. 특히 강화학습과 대조학습을 결합한 2단계 학습 구조를 도입해, 로봇이 목표 상태와 현재 상태의 미묘한 차이를 명확히 구분하고 최적의 행동을 찾아낼 수 있도록 했다.
실험 결과, INR-DOM 기술을 탑재한 로봇은 시뮬레이션 환경에서 ▲고무링 끼우기(sealing) ▲O링 설치(installation) ▲꼬인 고무줄 풀기(disentanglement) 등 복잡한 과제에서 기존 최고 수준 기술을 크게 웃도는 성능을 보였다. 특히 풀기 과제에서는 성공률이 75%에 달해, 기존 기술(26%) 대비 약 49%p 향상된 결과를 기록했다.
연구팀은 실제 환경에서도 INR-DOM을 적용해 90% 이상의 성공률을 달성했다. 특히 시각적으로 모호한 양방향 꼬임 풀기 과제에서도 기존 이미지 기반 강화학습 기법보다 25% 높은 성과를 보여, 변형 물체를 정교하게 다루는 로봇 기술의 가능성을 입증했다.
제1 저자인 카이스트 송민석 석사과정 연구원은 “이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고 복잡한 조작을 수행할 수 있음을 보여줬다”라며, “제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 기여할 것”이라고 말했다.
이번 연구 결과는 지난 6월 21일(토)부터 25일(수) 미국 로스앤젤레스 USC에서 열린 로봇 공학 최상위 국제 학술대회 ‘로보틱스: 사이언스 앤 시스템즈(Robotics: Science and Systems, RSS) 2025’에서 발표됐다.
