KAIST, 적은 데이터로 정밀 동작 구현하는 로봇 AI 개발…추론 효율까지 강화

한국과학기술원(KAIST)의 박대형 전산학부 교수 연구팀이 적은 양의 데이터를 통해 정밀 동작을 구현하는 혁신적인 로봇 AI 모델 '디스포(DiSPo)'를 개발했다. 이 모델은 특히 사용자가 원하는 정밀도에 따라 로봇의 움직임을 세밀하게 조절할 수 있는 기능을 제공하며, 기존 로봇 AI의 한계를 극복하는 데 큰 기여를 할 것으로 기대된다.

데이터의 한계를 넘어서는 기술

기존의 로봇 AI 시스템은 정밀한 작업을 수행하기 위해 방대한 양의 동작 데이터를 필요로 했다. 예를 들어, 나사를 조이거나 좁은 공간에 부품을 삽입하는 작업은 수많은 동작을 짧은 시간 간격으로 기록하고 학습해야 했다. 이로 인해 시간과 비용이 많이 소모되는 문제가 발생했다. 박 교수의 연구팀은 이러한 문제를 해결하기 위해 로봇이 스스로 움직임의 변화를 예측할 수 있는 AI 기술을 도입했다. 이를 통해 로봇은 최소한의 데이터로도 다양한 행동을 학습할 수 있게 되었다.

디스포 모델은 두 단계로 나뉘어 학습이 이루어진다. 첫 번째 단계에서는 다양한 해상도로 데이터를 증강하고, 무작위로 선택된 단계 조정 계수를 통해 다중 해상도 표현을 확보한다. 두 번째 단계에서는 이러한 사전학습 모델을 활용하여 저주파 시연으로부터 정밀한 의사 시연을 생성하고, 이를 다시 학습에 활용함으로써 고주파 행동 패턴까지 효과적으로 학습할 수 있게 된다. 이러한 방식으로 디스포는 적은 양의 데이터로도 정밀한 작업을 수행하는 능력을 갖추게 되었다.

로봇의 자율성과 정밀도

디스포의 독특한 점은 사용자가 원하는 정밀도를 직접 입력하거나, 상황에 따라 로봇이 스스로 적절한 정밀도를 예측할 수 있다는 것이다. 이는 작업의 핵심 구간에서는 정밀한 움직임을, 자유 공간에서는 저주파 행동을 생성하여 추론의 효율성을 높일 수 있도록 설계되었다. 관련 실험 결과, 디스포는 클램프 통과, 좁은 통로 통과, 버튼 누르기 등의 작업에서 기존의 로봇 AI 모델보다 월등한 성과를 보였다. 특히 2.5Hz의 저주파 시연에서는 81% 이상의 성공률을 기록해 주목을 받았다.

실제 환경에서도 UR5e 로봇을 통한 실험에서 디스포는 반경 2.5mm의 여유 공간에서 클램프 통과와 셔터 버튼 누르기 작업을 안정적으로 수행하여 산업 적용 가능성을 입증했다. 이는 기존 모델보다 최대 4배 높은 성공률을 보여주며, 정밀 부품 조립, 의료 수술, 정밀 가공 등 다양한 산업 분야에서 활용될 수 있는 가능성을 열어준다.

미래의 로봇 기술을 이끌다

박대형 교수는 "이번 연구를 통해 데이터 수집 비용을 획기적으로 줄이면서도 정밀 제조와 의료 분야에서 사용할 수 있는 범용 로봇 학습 기술로 발전시키겠다"라고 밝혔다. 디스포의 개발은 로봇 기술의 진화를 가속화할 뿐만 아니라, 제조업, 의료산업 및 서비스 산업에서의 자동화를 촉진하는 중요한 전환점이 될 것으로 기대된다. 적은 데이터로도 고정밀 로봇을 학습할 수 있는 디스포는 앞으로의 산업 현장에서 필수적인 기술로 자리매김할 전망이다.