불완전한 시각 정보로 전체 형상 복원…‘강화학습·대조학습 결합’
“고무줄 풀기 등 실험서 최고 성능 기록…제조·물류·의료 분야 확장 기대”
▲사진 (위부터) 로봇팔이 고무링을 홈에 끼우는 실링(sealing) 작업, O링을 실린더에 장착하는 설치(installation) 작업, 두 기둥 사이에 꼬인 고무줄을 푸는 분리(disentanglement) 작업. INR-DOM은 부분적인 관측 정보만으로 물체의 꼬인 상태를 정확히 파악하고 과제를 성공적으로 수행했다. 사진 KAIST
케이블, 의류, 고무줄처럼 형태가 자유롭게 변형되는 물체는 예측이 어려워 로봇 공학의 난제로 꼽혀왔다. KAIST 연구진이 불완전한 정보만으로도 물체의 전체 모습을 복원하고 정밀하게 다룰 수 있는 인공지능 기반 로봇 기술을 개발해 산업 자동화의 판도를 바꿀 전망이다.
KAIST(총장 이광형)는 전산학부 박대형 교수 연구팀이 변형 가능한 물체를 정교하게 다루는 인공지능 기술인 ‘INR-DOM(Implicit Neural-Representation for Deformable Object Manipulation)’을 개발했다고 21일 밝혔다.
연구팀은 로봇이 관측한 부분적인 3차원 정보만으로 변형 물체의 전체 형상을 복원하고, 이를 바탕으로 효율적인 조작 방식을 학습하는 새로운 프레임워크를 제안했다. 특히 강화학습과 대조학습을 결합한 2단계 학습 구조를 도입해 기존 기술 대비 월등히 높은 과제 성공률을 달성했다.
시뮬레이션 실험에서 고무링 끼우기(sealing), O링 설치(installation), 꼬인 고무줄 풀기(disentanglement) 과제 모두 기존 기술보다 성공률이 높았으며, 가장 난이도가 높은 풀기 작업에서는 성공률 75%를 기록해 기존 최고 성능(26%)보다 49%P 앞섰다. 실제 환경 실험에서도 끼우기·설치·풀기 작업을 90% 이상 성공해 산업 적용 가능성을 입증했다.
제1 저자인 송민석 연구원은 “이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고 복잡한 조작을 수행할 수 있음을 보여줬다”며, “제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 대체하는 정교한 로봇 기술 발전에 기여할 것”이라고 말했다.
이번 성과는 지난 6월 미국 USC에서 열린 로봇 공학 국제학술대회 ‘RSS 2025’에서 발표됐다. 연구는 과학기술정보통신부, 정보통신기획평가원(IITP), 삼성전자의 지원으로 수행됐다.
제1 저자인 송민석 연구원은 "이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고, 이를 바탕으로 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다”라며, "제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 크게 기여할 것”이라고 말했다.
