어떻게 걸을 것인가를 로봇이 스스로 결정하는 시대가 열렸다. 계단에서는 보행 방식을 바꾸고, 틈은 뛰어넘고, 숲길에서는 균형을 잡는 등 사람이나 동물처럼 주변 환경에 맞춰 알맞은 보행 전략을 스스로 선택하는 사족 보행 로봇이 등장했다.
사족 보행 로봇, 하나의 제어기로 다양한 보행 기술 전환
한국과학기술원 기계공학과 박해원 교수 연구팀은 하나의 제어기로 걷기와 달리기, 점프 등 다양한 보행 기술을 실시간으로 선택하고 전환하며, 실제 야외 환경에서도 빠르고 안정적으로 이동할 수 있는 사족 보행 로봇 핵심 제어 기술을 개발했다고 7월 16일 국제 학술지 ‘사이언스 로보틱스’에 밝혔다.
사족 보행 로봇은 네 개의 다리를 이용해 움직이기 때문에 바퀴형 로봇보다 험한 지형에 유리하다. 그러나 실제 야외에서는 계단, 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)이라는 새로운 학습 기반 제어 기술을 개발했다.
APT-RL은 행동 사전학습 기반 트랜스포머 강화 학습이라는 뜻으로, 로봇이 걷기와 달리기, 점프 등 다양한 보행 기술을 미리 익힌 뒤 실제 환경에서는 상황에 맞게 이를 자유롭게 조합하고 전환하도록 설계한 제어 기술이다.
실제 야외에서도 통했다…험지 누비는 사족 보행 로봇
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 동역학과 궤적 최적화가 적용됐다. 이는 모션캡처에 의존하던 기존 방식보다 훨씬 빠르고 효율적으로 다양한 보행 기술을 학습시킬 수 있다는 점이 특징이다.
이어 강화 학습을 적용해 계단과 단차, 틈, 디딤돌 등 복잡한 3차원 지형에서도 상황에 맞는 보행 기술을 스스로 선택하고 전환할 수 있도록 했다. 강화 학습은 시행착오를 반복하며 최적의 행동을 스스로 학습하는 인공지능 기법을 의미한다.
마지막으로 깊이 카메라와 라이다를 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 선택하고 전환해 실제 환경 변화에 실시간으로 대응할 수 있다는 점이다.
연구팀은 개발한 제어 기술을 자체 개발한 사족 보행 로봇 ‘KAIST 하운드’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 6m를 기록해 실제 야외 환경에서도 빠른 이동성과 안정성을 동시에 확보할 수 있음을 입증했다.
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 선택하고 전환했다. 걷기와 달리기, 점프, 단차 극복 등 다양한 운동 기술을 하나의 제어기 안에서 통합적으로 수행할 수 있다는 점도 함께 확인됐다.
기계공학과 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”라고 전했다.
이어 “향후 재난 현장, 국방 임무, 산업시설 점검 등 험지 환경에서 피지컬 AI 기반 보행 로봇의 활용 가능성을 넓히는 기반 기술이 될 것”이라고 기대했다.
박연정 기자 hello@sciencewave.kr
출처: Science Robotics, Agile perceptive multiskill locomotion for quadrupedal robots in the wild
Science Wave에서 더 알아보기
구독을 신청하면 최신 게시물을 이메일로 받아볼 수 있습니다.