검수요청.png검수요청.png

"드림워커 (로봇)"의 두 판 사이의 차이

위키원
이동: 둘러보기, 검색
(새 문서: 드림워커)
 
 
1번째 줄: 1번째 줄:
드림워커
+
'''드림워커'''(DreamWaQer)는 '''[[카이스트]]'''(KAIST) 전기및전자공학부 [[명현]] 교수 연구팀이 개발한 소형 [[사족로봇]]이다.
 +
 
 +
== 상세 ==
 +
드림워커는 명현 교수팀이 개발한 보행로봇 제어기 드림워크(DreamWaQ) 기술이 적용된 로봇이다. 드림워크는 사람이 수면 중 깨어서 깜깜한 상태에서 화장실을 갈 때 시각적인 도움이 거의 없이 보행이 가능한 것처럼, 블라인드 보행이 가능하다고 해서 붙여진 기술이다. 즉, 이 기술을 탑재하면 다양한 형태의 사족보행 로봇 드림워커를 만들어낼 수 있게 되는 것이다. 드림워커는 연기가 자욱해 앞이 안보이는 재난 상황에서 별도의 시각이나 촉각 센서의 도움 없이 계단을 오르내리고 나무뿌리와 같은 울퉁불퉁한 환경 등에서 넘어지지 않고 움직일 수 있다. 드림워커는 실험실 환경뿐 아니라, 연석과 과속방지턱이 많은 대학 캠퍼스 환경, 나무뿌리와 자갈이 많은 야지 환경 등에서 보행 시 지면으로부터 몸체까지 높이의 3분의 2 정도의 계단 등을 극복함으로써 강인한 성능을 입증했다. 또한 환경과 무관하게, 0.3m/s의 느린 속도부터 1.0m/s의 다소 빠른 속도까지도 안정적인 보행이 가능함이 확인되었다.<ref> 박경일 기자, 〈[http://m.irobotnews.com/news/articleView.html?idxno=31190 KAIST ‘드림워커’, 안보고도 계단을 성큼성큼 걷다]〉, 《로봇신문》, 2023-03-29 </ref> 다양한 산업 현장과 무선 통신 제한 재난 환경에서 임무를 수행하는 등 국내 로봇 산업 경쟁력을 높이는 데 기여할 것으로 기대된다.<ref> 김준호 기자, 〈[https://www.yna.co.kr/view/AKR20230606031451063 KAIST 자율보행 로봇 '드림워커' 미국 MIT 제치고 우승(종합)]〉, 《연합뉴스》, 2023-06-06 </ref> [[영국]] [[런던]]에서 개최된 '사족로봇 자율보행 경진대회'에서 41분 52초의 가장 빠른 완주 시간을 기록해 [[매사추세츠 공과대학교]](MIT)를 제치고 우승한 성과도 보유하고 있다.<ref> 정인선 기자, 〈[http://www.daejonilbo.com/news/articleView.html?idxno=2067674 KAIST 사족 자율보행로봇 '드림워커', 美 MIT 제치고 우승]〉, 《대전일보》, 2023-06-06 </ref>
 +
 
 +
== 적용 기술 ==
 +
기존의 보행로봇 제어기는 기구학 또는 동역학 모델을 기반으로 한다. 이를 모델 기반 제어 방식이라고 표현하는데, 특히 야지와 같은 비정형 환경에서 안정적인 보행을 하기 위해서는 모델의 특징 정보를 더욱 빠르게 얻을 수 있어야 한다. 그러나 이는 주변 환경의 인지 능력에 많이 의존하는 모습을 보여 왔다. 이에 비해, 명현 교수 연구팀이 개발한 인공지능 학습 방법 중 하나인 심층 강화학습 기반의 제어기는 시뮬레이터로부터 얻어진 다양한 환경의 데이터를 통해 보행 로봇의 각 모터에 적절한 제어 명령을 빠르게 계산해 줄 수 있다. 시뮬레이션에서 학습된 제어기가 실제 로봇에서 잘 작동하려면 별도의 튜닝 과정이 필요했다면, 연구팀이 개발한 제어기는 별도의 튜닝을 요구하지 않는다는 장점도 있어 다양한 보행 로봇에 쉽게 적용될 수 있을 것으로 기대된다. 드림워크는 크게 지면과 로봇의 정보를 추정하는 상황(context) 추정 네트워크와 제어 명령을 산출하는 정책(policy) 네트워크로 구성된다. 상황추정 네트워크는 관성 정보와 관절 정보들을 통해 암시적으로 지면의 정보를, 명시적으로 로봇의 상태를 추정한다. 이 정보는 정책 네트워크에 입력돼 최적의 제어 명령을 산출하는 데 사용된다. 두 네트워크는 시뮬레이션에서 함께 학습된다. 상황추정 네트워크는 지도학습을 통해 학습되는 반면, 정책 네트워크는 심층 강화학습 방법론인 행동자-비평자(actor-critic) 방식을 통해 학습된다. 행동자 네트워크는 주변 지형 정보를 오직 암시적으로 추정할 수 있다. 시뮬레이션에서는 주변 지형 정보를 알 수 있는데, 지형 정보를 알고 있는 비평자 네트워크가 행동자 네트워크의 정책을 평가한다. 이 모든 학습 과정에는 단 1시간 정도만 소요되며, 실제 로봇에는 학습된 행동자 네트워크만 탑재된다. 주변 지형을 보지 않고도, 오직 로봇 내부의 관성 센서(IMU)와 관절 각도의 측정치를 활용해 시뮬레이션에서 학습한 다양한 환경 중 어느 환경과 유사한지 상상하는 과정을 거친다. 갑자기 계단과 같은 단차를 맞이하는 경우, 발이 단차에 닿기 전까지는 알 수 없지만 발이 닿는 순간 빠르게 지형 정보를 상상한다. 그리고 이렇게 추측된 지형 정보에 알맞은 제어 명령을 각 모터에 전달해 재빠른 적응 보행이 가능하다.<ref> 이유진 기자, 〈[https://www.hellodd.com/news/articleView.html?idxno=100005 깜깜한 어둠 속···방지턱·계단·야지 OK '보행기술' 나왔다]〉, 《헬로디디》, 2023-03-29 </ref>
 +
 
 +
== 동영상 ==
 +
<youtube>v6TdqYJQBbg</youtube>
 +
<youtube>pEz46YticBc</youtube>
 +
 
 +
{{각주}}
 +
 
 +
== 참고자료 ==
 +
* 박경일 기자, 〈[http://m.irobotnews.com/news/articleView.html?idxno=31190 KAIST ‘드림워커’, 안보고도 계단을 성큼성큼 걷다]〉, 《로봇신문》, 2023-03-29
 +
* 이유진 기자, 〈[https://www.hellodd.com/news/articleView.html?idxno=100005 깜깜한 어둠 속···방지턱·계단·야지 OK '보행기술' 나왔다]〉, 《헬로디디》, 2023-03-29
 +
* 정인선 기자, 〈[http://www.daejonilbo.com/news/articleView.html?idxno=2067674 KAIST 사족 자율보행로봇 '드림워커', 美 MIT 제치고 우승]〉, 《대전일보》, 2023-06-06
 +
* 김준호 기자, 〈[https://www.yna.co.kr/view/AKR20230606031451063 KAIST 자율보행 로봇 '드림워커' 미국 MIT 제치고 우승(종합)]〉, 《연합뉴스》, 2023-06-06
 +
 
 +
== 같이 보기 ==
 +
* [[재난로봇]]
 +
* [[카이스트]]
 +
 
 +
{{인공지능 활용|검토 필요}}

2023년 6월 12일 (월) 11:18 기준 최신판

드림워커(DreamWaQer)는 카이스트(KAIST) 전기및전자공학부 명현 교수 연구팀이 개발한 소형 사족로봇이다.

상세[편집]

드림워커는 명현 교수팀이 개발한 보행로봇 제어기 드림워크(DreamWaQ) 기술이 적용된 로봇이다. 드림워크는 사람이 수면 중 깨어서 깜깜한 상태에서 화장실을 갈 때 시각적인 도움이 거의 없이 보행이 가능한 것처럼, 블라인드 보행이 가능하다고 해서 붙여진 기술이다. 즉, 이 기술을 탑재하면 다양한 형태의 사족보행 로봇 드림워커를 만들어낼 수 있게 되는 것이다. 드림워커는 연기가 자욱해 앞이 안보이는 재난 상황에서 별도의 시각이나 촉각 센서의 도움 없이 계단을 오르내리고 나무뿌리와 같은 울퉁불퉁한 환경 등에서 넘어지지 않고 움직일 수 있다. 드림워커는 실험실 환경뿐 아니라, 연석과 과속방지턱이 많은 대학 캠퍼스 환경, 나무뿌리와 자갈이 많은 야지 환경 등에서 보행 시 지면으로부터 몸체까지 높이의 3분의 2 정도의 계단 등을 극복함으로써 강인한 성능을 입증했다. 또한 환경과 무관하게, 0.3m/s의 느린 속도부터 1.0m/s의 다소 빠른 속도까지도 안정적인 보행이 가능함이 확인되었다.[1] 다양한 산업 현장과 무선 통신 제한 재난 환경에서 임무를 수행하는 등 국내 로봇 산업 경쟁력을 높이는 데 기여할 것으로 기대된다.[2] 영국 런던에서 개최된 '사족로봇 자율보행 경진대회'에서 41분 52초의 가장 빠른 완주 시간을 기록해 매사추세츠 공과대학교(MIT)를 제치고 우승한 성과도 보유하고 있다.[3]

적용 기술[편집]

기존의 보행로봇 제어기는 기구학 또는 동역학 모델을 기반으로 한다. 이를 모델 기반 제어 방식이라고 표현하는데, 특히 야지와 같은 비정형 환경에서 안정적인 보행을 하기 위해서는 모델의 특징 정보를 더욱 빠르게 얻을 수 있어야 한다. 그러나 이는 주변 환경의 인지 능력에 많이 의존하는 모습을 보여 왔다. 이에 비해, 명현 교수 연구팀이 개발한 인공지능 학습 방법 중 하나인 심층 강화학습 기반의 제어기는 시뮬레이터로부터 얻어진 다양한 환경의 데이터를 통해 보행 로봇의 각 모터에 적절한 제어 명령을 빠르게 계산해 줄 수 있다. 시뮬레이션에서 학습된 제어기가 실제 로봇에서 잘 작동하려면 별도의 튜닝 과정이 필요했다면, 연구팀이 개발한 제어기는 별도의 튜닝을 요구하지 않는다는 장점도 있어 다양한 보행 로봇에 쉽게 적용될 수 있을 것으로 기대된다. 드림워크는 크게 지면과 로봇의 정보를 추정하는 상황(context) 추정 네트워크와 제어 명령을 산출하는 정책(policy) 네트워크로 구성된다. 상황추정 네트워크는 관성 정보와 관절 정보들을 통해 암시적으로 지면의 정보를, 명시적으로 로봇의 상태를 추정한다. 이 정보는 정책 네트워크에 입력돼 최적의 제어 명령을 산출하는 데 사용된다. 두 네트워크는 시뮬레이션에서 함께 학습된다. 상황추정 네트워크는 지도학습을 통해 학습되는 반면, 정책 네트워크는 심층 강화학습 방법론인 행동자-비평자(actor-critic) 방식을 통해 학습된다. 행동자 네트워크는 주변 지형 정보를 오직 암시적으로 추정할 수 있다. 시뮬레이션에서는 주변 지형 정보를 알 수 있는데, 지형 정보를 알고 있는 비평자 네트워크가 행동자 네트워크의 정책을 평가한다. 이 모든 학습 과정에는 단 1시간 정도만 소요되며, 실제 로봇에는 학습된 행동자 네트워크만 탑재된다. 주변 지형을 보지 않고도, 오직 로봇 내부의 관성 센서(IMU)와 관절 각도의 측정치를 활용해 시뮬레이션에서 학습한 다양한 환경 중 어느 환경과 유사한지 상상하는 과정을 거친다. 갑자기 계단과 같은 단차를 맞이하는 경우, 발이 단차에 닿기 전까지는 알 수 없지만 발이 닿는 순간 빠르게 지형 정보를 상상한다. 그리고 이렇게 추측된 지형 정보에 알맞은 제어 명령을 각 모터에 전달해 재빠른 적응 보행이 가능하다.[4]

동영상[편집]

각주[편집]

  1. 박경일 기자, 〈KAIST ‘드림워커’, 안보고도 계단을 성큼성큼 걷다〉, 《로봇신문》, 2023-03-29
  2. 김준호 기자, 〈KAIST 자율보행 로봇 '드림워커' 미국 MIT 제치고 우승(종합)〉, 《연합뉴스》, 2023-06-06
  3. 정인선 기자, 〈KAIST 사족 자율보행로봇 '드림워커', 美 MIT 제치고 우승〉, 《대전일보》, 2023-06-06
  4. 이유진 기자, 〈깜깜한 어둠 속···방지턱·계단·야지 OK '보행기술' 나왔다〉, 《헬로디디》, 2023-03-29

참고자료[편집]

같이 보기[편집]


  검수요청.png검수요청.png 이 드림워커 (로봇) 문서는 인공지능 서비스에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.