동물처럼 상황 판단해 걷고 뛰고 점프하는 로봇 구현
‘어떻게 걸을 것인가'를 로봇이 스스로 결정하는 시대가 열렸다. 계단에서는 보행 방식을 바꾸고, 틈은 뛰어넘고, 숲길에서는 균형을 잡는 등 사람이나 동물처럼 주변 환경에 맞춰 알맞는 보행 전략을 스스로 선택하는 사족 보행 로봇이 등장했다.
한국과학기술원은 기계공학과 박해원 교수 연구팀이 하나의 제어기로 걷기와 달리기, 점프 등 다양한 보행 기술을 실시간으로 선택·전환하며, 실제 야외 환경에서도 빠르고 안정적으로 이동할 수 있는 사족 보행 로봇 핵심 제어기술을 개발했다고 16일 밝혔다.
사족 보행 로봇은 네 개의 다리를 이용해 움직여 바퀴형 로봇보다 험한 지형에 유리하다. 그러나 실제 야외에서는 계단과 단차, 디딤돌, 틈, 나뭇가지 등 서로 다른 장애물이 연속적으로 나타나기 때문에 단순히 빠르게 걷거나 달리는 능력만으로는 한계가 있다.
기존 사족 보행 로봇은 평지를 빠르게 달리거나 단순한 장애물을 넘는 데는 우수했지만, 복합적인 장애물이 섞인 실제 환경에서는 속도와 안정성을 동시에 확보하기 어려웠다. 또한 걷기와 달리기, 점프 등 각각의 보행 기술을 개별적으로 제어해야 해 환경 변화에 따라 자연스럽게 전환하는 데에도 제약이 있었다.
연구팀은 이러한 한계를 극복하기 위해 APT-RL(Action Pretrained Transformer-based Reinforcement Learning, 행동 사전학습 기반 트랜스포머 강화학습)이라는 새로운 학습 기반 제어기술을 개발했다.
APT-RL은 로봇이 걷기와 달리기, 점프 등 다양한 보행 기술을 미리 익힌 뒤, 실제 환경에서는 상황에 맞게 이를 자유롭게 조합하고 전환하도록 설계한 제어기술이다.
< 로봇이 스스로 움직임을 선택해 장애물을 빠르게 넘는 기술 >
연구팀은 실제 사람이나 동물의 움직임을 일일이 촬영하지 않고도, 컴퓨터 시뮬레이션만으로 다양한 보행 기술을 담은 총 15.5시간 분량의 학습 데이터를 단 8분 만에 생성했다. 생성된 데이터는 로봇의 기본 운동 능력을 학습하는 데 활용됐으며, 이 과정에는 로봇 동역학(로봇의 움직임 원리를 수학적으로 표현한 모델)과 궤적 최적화(효율적인 이동 경로를 계산하는 기법)가 적용됐다. 이는 모션캡처(Motion Capture, 사람이나 동물의 움직임을 센서로 기록하는 기술)에 의존하던 기존 방식보다 훨씬 빠르고 효율적으로 다양한 보행 기술을 학습시킬 수 있다는 점이 특징이다.
이어 강화학습(Reinforcement Learning, 시행착오를 반복하며 최적의 행동을 스스로 학습하는 인공지능 기법)을 적용해 계단과 단차, 틈, 디딤돌 등 복잡한 3차원 지형에서도 상황에 맞는 보행 기술을 스스로 선택하고 전환할 수 있도록 했다. 마지막으로 깊이 카메라(Depth Camera, 물체까지의 거리를 측정해 입체 정보를 얻는 카메라)와 라이다(LiDAR, Laser Detection and Ranging, 레이저를 이용해 주변 환경의 거리와 형태를 3차원으로 측정하는 센서)를 결합해 로봇이 주변 환경과 목표 속도를 실시간으로 인식하고 가장 적합한 보행 전략을 선택하도록 구현했다.
이번 기술의 가장 큰 특징은 걷기와 달리기, 점프 등 여러 보행 기술을 하나의 제어기 안에서 자연스럽게 선택·전환해 실제 환경 변화에 실시간으로 대응할 수 있다는 점이다.
연구팀은 개발한 제어기술을 자체 개발한 사족 보행 로봇 'KAIST 하운드(HOUND)'에 탑재해 성능을 검증했다. 실험은 실내 장애물 코스뿐 아니라 KAIST 캠퍼스와 숲길 등 실제 야외 환경에서 진행됐다.
KAIST 하운드는 계단과 잔디, 경사로가 포함된 도시형 지형은 물론 쓰러진 나무와 노출된 뿌리, 낙엽길 등 비정형 자연 지형에서도 상황에 맞춰 보행 기술을 실시간으로 전환하며 안정적으로 이동했다. 특히 장애물이 포함된 험지에서 순간 최고 초속 6미터(약 시속 22km)를 기록해 실제 야외 환경에서도 빠른 이동성과 안정성을 동시에 확보할 수 있음을 입증했다.
< 여러 야외 환경에서 사용할 수 있는 기술 >
실험 결과 KAIST 하운드는 지형과 목표 속도에 따라 트롯(trot, 대각선 다리를 번갈아 사용하는 보행)과 바운드(bound, 앞·뒷다리를 각각 함께 사용하는 도약형 보행)를 스스로 선택·전환했으며, 걷기와 달리기, 점프, 단차 극복 등 다양한 운동 기술을 하나의 제어기 안에서 통합적으로 수행할 수 있음을 확인했다.
< 제어기술 설명이미지 >
박해원 교수는 “이번 연구는 사족 보행 로봇이 실내 및 야외의 복잡하고 비정형적인 지형을 인식하고, 상황에 맞는 보행 전략을 스스로 선택·전환할 수 있음을 보여준 성과”라며 “향후 재난 현장, 국방 임무, 산업시설 점검 등 험지 환경에서 피지컬 AI 기반 보행 로봇의 활용 가능성을 넓히는 기반 기술이 될 것으로 기대한다”고 말했다.
강준길 연구원(연구 당시 국방과학연구소 소속)과 KAIST 기계공학과 박재현 박사과정이 공동 제1저자로, 박해원 교수와 고려대학교 홍승우 교수가 공동 교신저자로 참여한 이번 연구는 로봇 분야 세계 최고 권위 학술지인 ‘사이언스 로보틱스(Science Robotics)’ 7월호 표지 논문으로 선정돼 7월 15일 (미국 동부시간) 출판됐다.
※ 논문명: Agile perceptive multi-skill locomotion for quadrupedal robots in the wild, DOI: 10.1126/scirobotics.adz7397
※ 동영상: https://drive.google.com/drive/folders/1306_hddGZGh7xwvWFc4B-9lLXwYisirN
< 사이언스 로보틱스(Science Robotics) 7월호 표지 논문 사진 >
본 연구는 산업통상자원부와 한국산업기술기획평가원(KEIT)의 연구비(RS-2024-00427719) 및 국방과학연구소 미래도전국방기술 연구개발사업(912768601)의 지원을 받아 수행됐다.