검수요청.png검수요청.png

"알로하"의 두 판 사이의 차이

위키원
이동: 둘러보기, 검색
(새 문서: 알로하)
 
 
1번째 줄: 1번째 줄:
알로하
+
'''알로하'''(Aloha)는 [[구글]] [[딥마인드]](DeepMind)와 [[스탠퍼드 대학교]] 연구진이 진행한 저비용 원격조종 [[로봇]]이다. '''모바일 알로하'''라고도 한다.
 +
{{:자동차 배너}}
 +
 
 +
== 개요 ==
 +
알로하는 [[구글]] [[딥마인드]]와 [[스탠퍼드 대학교]] 연구팀이 협력하여 개발한 다양한 집안일을 할 수 있는 원격조작 양팔 [[로봇]]이다. 구글의 알로하 시스템을 기반으로 개발되었다. [[인공지능]] 분야의 세계적인 연구자인 [[첼시 핀]](Chelsea Finn) 스탠퍼드 대학교 교수가 이끈 연구진이 데이터 학습과 원격조종 로봇 기술을 접목해 가사도우미 로봇을 구현한 것이다. 알로하는 [[데이터베이스]](DB)와 지도 시연(supervised demonstration) 과정을 거쳐 다양한 집안일을 하는 동작을 훈련받았다. 로봇은 동력원에 유선으로 연결되어 있지 않으며, 대형 [[배터리]]를 탑재해 장시간 안정적으로 작업을 수행할 수 있다. 알로하는 식사 준비, 식기 세척, 빨래하기, 주방용품 조작 등 다양한 집안일을 수행할 수 있다. 연구진은 [[유튜브]]에 영상 알로하가 다양한 작업을 수행하는 영상을 올리고 관련 논문과 튜토리얼, 코드까지 모두 공개했다. 누구든 영상 속의 가사도우미 로봇을 만들고 싶다면 얼마든지 따라 만들 수 있게 한 것이다. 이 시스템은 집안일을 돕기 위해 만들어진 다른 로봇들에 비해 매우 낮은 비용인 약 3만 2,000달러(약 4,200만 원)으로 제작되었다. 연구진은 앞으로 이 비용을 2만 달러(약 2,600만 원)까지 낮춘다는 계획이다. 현재 시장에 나와 있는 대부분의 원격조종 로봇의 가격이 20만 달러 수준인 것을 감안하면 비용을 10분의 1 수준으로 낮춘 것이다. 이는 연구실뿐만 아니라 가정에서도 충분히 활용할 수 있는 수준이다.<ref name="로봇신문"> 장길수 기자, 〈[https://www.irobotnews.com/news/articleView.html?idxno=33733 美 스탠포드대, 다양한 집안 일하는 원격 조작 양팔 로봇 개발]〉, 《로봇신문》, 2024-01-09 </ref>
 +
 
 +
== 기술 ==
 +
알로하 시스템은 모바일 기반으로 만들어졌으며, 전신 원격 운영 인터페이스를 지원하며 저비용으로 제작할 수 있다. 인간 시연을 통한 모방학습은 로봇공학에서 인상적인 성능을 보여주고 있다. 하지만 이동성과 손놀림이 제한적이라는 한계를 갖고 있다. 연구팀은 이 같은 한계를 극복하기 위해 양손을 모두 쓸 수 있고, 전신 원격 제어가 가능한 모바일 매니퓰레이터를 개발했다. 연구팀은 수집된 데이터를 사용해 지도 행동 복제(supervised behavior cloning)를 수행하고, 기존의 정적인 알로하 데이터세트와의 공동 훈련을 통해 모바일 매니퓰레이션 작업의 성능을 향상시킬 수 있다는 것을 발견했다. 연구진은 모두 7개의 동작으로 모바일 알로하의 성능을 평가했다. 와인잔 아래 흘린 와인 닦기, 프라이팬에서 새우 요리하기, 요리가 끝난 프라이팬을 물로 닦기, 냄비를 수납장에 넣기, 엘리베이터 버튼을 누르고 타기, 의자 정리하기, 사람과 하이파이브하기다. 연구진은 우선 사람이 로봇을 이용해 각각의 동작을 직접 수행하는 방식으로 로봇을 학습시켰다. 새우 요리하기와 하이파이브만 20회를 수행했고, 나머지 동작은 50회를 수행했다. 연구진은 여기에 로봇 하드웨어 플랫폼에서 수집된 데이터 세트를 접목해 학습 능력을 강화했다. 사람을 통한 동적 학습과 데이터 세트를 이용한 정적 학습을 접목한 것이다. 이렇게 각 작업에 대해 50번의 시연과 공동 훈련을 통해, 작업의 성공률을 최대 90% 수준으로 높일 수 있었다. 논문에 따르면 와인잔 닦기나 엘리베이터 타기는 성공률이 95%에 달하고, 하이브파이브와 수납장 이용하기, 프라이팬 닦기, 의자 정리하기도 80%가 넘는다. 유일하게 새우 요리하기만 성공률이 40%에 그쳤다. 요리가 끝난 새우를 접시에 담는 동작에서 어려움을 겪는 것으로 나타났다. 앞으로의 개발 방향은 두 가지이다. 알로하를 설치하기 위해 필요한 공간을 줄이고 로봇 팔의 높이에 더 많은 자유도를 주는 방식으로 시스템을 개선하고, 소프트웨어 측면에서도 로봇이 자율적으로 동작을 개선하거나 새로운 동작을 학습할 수 있도록 할 계획이다.<ref> 이종현 기자, 〈[https://biz.chosun.com/science-chosun/technology/2024/01/09/O6PVXEE4AJHBNAMJ3GU4XWCOFI/ (뉴테크) 프라이팬에 새우 굽고 설거지도 척척…‘우렁각시’ 로봇이 현실로]〉, 《조선일보》, 2024-01-09 </ref><ref name="로봇신문"></ref>
 +
 
 +
== 동영상 ==
 +
<youtube>BeWtXQqy-eo</youtube>
 +
<youtube>fPmZbzqMEHM</youtube>
 +
 
 +
{{각주}}
 +
 
 +
== 참고자료 ==
 +
* 장길수 기자, 〈[https://www.irobotnews.com/news/articleView.html?idxno=33733 美 스탠포드대, 다양한 집안 일하는 원격 조작 양팔 로봇 개발]〉, 《로봇신문》, 2024-01-09
 +
* 이종현 기자, 〈[https://biz.chosun.com/science-chosun/technology/2024/01/09/O6PVXEE4AJHBNAMJ3GU4XWCOFI/ (뉴테크) 프라이팬에 새우 굽고 설거지도 척척…‘우렁각시’ 로봇이 현실로]〉, 《조선일보》, 2024-01-09
 +
 
 +
== 같이 보기 ==
 +
* [[구글]]
 +
* [[딥마인드]]
 +
 
 +
{{인공지능 활용|검토 필요}}

2024년 1월 17일 (수) 11:29 기준 최신판

알로하(Aloha)는 구글 딥마인드(DeepMind)와 스탠퍼드 대학교 연구진이 진행한 저비용 원격조종 로봇이다. 모바일 알로하라고도 한다.

타고 월렌트 대형 가로 배너.jpg
이 그림에 대한 정보
[타고] 1개월 단위로 전기차가 필요할 때! 타고 월렌트 서비스

개요[편집]

알로하는 구글 딥마인드스탠퍼드 대학교 연구팀이 협력하여 개발한 다양한 집안일을 할 수 있는 원격조작 양팔 로봇이다. 구글의 알로하 시스템을 기반으로 개발되었다. 인공지능 분야의 세계적인 연구자인 첼시 핀(Chelsea Finn) 스탠퍼드 대학교 교수가 이끈 연구진이 데이터 학습과 원격조종 로봇 기술을 접목해 가사도우미 로봇을 구현한 것이다. 알로하는 데이터베이스(DB)와 지도 시연(supervised demonstration) 과정을 거쳐 다양한 집안일을 하는 동작을 훈련받았다. 로봇은 동력원에 유선으로 연결되어 있지 않으며, 대형 배터리를 탑재해 장시간 안정적으로 작업을 수행할 수 있다. 알로하는 식사 준비, 식기 세척, 빨래하기, 주방용품 조작 등 다양한 집안일을 수행할 수 있다. 연구진은 유튜브에 영상 알로하가 다양한 작업을 수행하는 영상을 올리고 관련 논문과 튜토리얼, 코드까지 모두 공개했다. 누구든 영상 속의 가사도우미 로봇을 만들고 싶다면 얼마든지 따라 만들 수 있게 한 것이다. 이 시스템은 집안일을 돕기 위해 만들어진 다른 로봇들에 비해 매우 낮은 비용인 약 3만 2,000달러(약 4,200만 원)으로 제작되었다. 연구진은 앞으로 이 비용을 2만 달러(약 2,600만 원)까지 낮춘다는 계획이다. 현재 시장에 나와 있는 대부분의 원격조종 로봇의 가격이 20만 달러 수준인 것을 감안하면 비용을 10분의 1 수준으로 낮춘 것이다. 이는 연구실뿐만 아니라 가정에서도 충분히 활용할 수 있는 수준이다.[1]

기술[편집]

알로하 시스템은 모바일 기반으로 만들어졌으며, 전신 원격 운영 인터페이스를 지원하며 저비용으로 제작할 수 있다. 인간 시연을 통한 모방학습은 로봇공학에서 인상적인 성능을 보여주고 있다. 하지만 이동성과 손놀림이 제한적이라는 한계를 갖고 있다. 연구팀은 이 같은 한계를 극복하기 위해 양손을 모두 쓸 수 있고, 전신 원격 제어가 가능한 모바일 매니퓰레이터를 개발했다. 연구팀은 수집된 데이터를 사용해 지도 행동 복제(supervised behavior cloning)를 수행하고, 기존의 정적인 알로하 데이터세트와의 공동 훈련을 통해 모바일 매니퓰레이션 작업의 성능을 향상시킬 수 있다는 것을 발견했다. 연구진은 모두 7개의 동작으로 모바일 알로하의 성능을 평가했다. 와인잔 아래 흘린 와인 닦기, 프라이팬에서 새우 요리하기, 요리가 끝난 프라이팬을 물로 닦기, 냄비를 수납장에 넣기, 엘리베이터 버튼을 누르고 타기, 의자 정리하기, 사람과 하이파이브하기다. 연구진은 우선 사람이 로봇을 이용해 각각의 동작을 직접 수행하는 방식으로 로봇을 학습시켰다. 새우 요리하기와 하이파이브만 20회를 수행했고, 나머지 동작은 50회를 수행했다. 연구진은 여기에 로봇 하드웨어 플랫폼에서 수집된 데이터 세트를 접목해 학습 능력을 강화했다. 사람을 통한 동적 학습과 데이터 세트를 이용한 정적 학습을 접목한 것이다. 이렇게 각 작업에 대해 50번의 시연과 공동 훈련을 통해, 작업의 성공률을 최대 90% 수준으로 높일 수 있었다. 논문에 따르면 와인잔 닦기나 엘리베이터 타기는 성공률이 95%에 달하고, 하이브파이브와 수납장 이용하기, 프라이팬 닦기, 의자 정리하기도 80%가 넘는다. 유일하게 새우 요리하기만 성공률이 40%에 그쳤다. 요리가 끝난 새우를 접시에 담는 동작에서 어려움을 겪는 것으로 나타났다. 앞으로의 개발 방향은 두 가지이다. 알로하를 설치하기 위해 필요한 공간을 줄이고 로봇 팔의 높이에 더 많은 자유도를 주는 방식으로 시스템을 개선하고, 소프트웨어 측면에서도 로봇이 자율적으로 동작을 개선하거나 새로운 동작을 학습할 수 있도록 할 계획이다.[2][1]

동영상[편집]

각주[편집]

참고자료[편집]

같이 보기[편집]


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