듀얼

브리아나 웨슬링 | 2023년 8월 24일

브리스톨 로봇 공학 연구소(Bristol Robotics Laboratory)에 기반을 둔 브리스톨 대학교(University of Bristol)의 연구원들은 로봇이 디지털 도우미로부터 무엇을 해야 하는지 감지하여 수동 작업을 수행할 수 있는 바이터치 시스템을 설계했습니다. 이 시스템은 AI를 사용하여 양손 로봇이 인간 수준의 손재주에 가까운 촉각 감도를 표시하여 행동을 알릴 수 있도록 도와줍니다.

연구팀은 Deep-RL(Deep Reinforcement Learning)을 통해 양손 기술을 학습하는 촉각 양팔 로봇 시스템을 개발했습니다. 이런 종류의 학습은 보상과 처벌을 통해 개를 훈련시키는 것과 유사하게 시행착오를 통해 학습함으로써 로봇이 일을 하도록 가르치기 위해 고안되었습니다.

연구팀은 촉각 센서가 장착된 두 개의 로봇 팔이 포함된 가상 세계를 구축하는 것으로 연구를 시작했습니다. 다음으로 그들은 로봇 에이전트가 이중 수동 작업을 달성하는 방법을 배우도록 장려할 수 있는 보상 기능과 목표 업데이트 메커니즘을 설계했습니다. 그런 다음 에이전트를 적용하기 위해 실제 촉각 이중 팔 로봇 시스템을 개발했습니다.

“우리의 Bi-Touch 시스템을 사용하면 가상 세계에서 AI 에이전트를 몇 시간 안에 쉽게 훈련시켜 터치에 맞춰진 양손 작업을 수행할 수 있습니다. 그리고 더 중요한 것은 추가 교육 없이 이러한 에이전트를 가상 세계에서 현실 세계에 직접 적용할 수 있다는 것입니다.”라고 브리스톨 대학교 공과대학의 수석 저자 Yijiong Lin이 말했습니다. "촉각적 양손 에이전트는 예상치 못한 동요 속에서도 작업을 해결하고 섬세한 물체를 부드럽게 조작할 수 있습니다."

예를 들어, 로봇 조작의 경우 로봇은 물체를 떨어뜨리거나 깨지지 않고 들어올리는 등 지정된 작업을 달성하기 위해 다양한 행동을 시도함으로써 결정을 내리는 방법을 배웁니다. 로봇이 성공하면 상을 받고, 실패하면 하지 말아야 할 일을 배웁니다.

시간이 지남에 따라 이러한 보상과 처벌을 사용하여 물건을 잡는 가장 좋은 방법을 찾아냅니다. AI 에이전트는 이 학습을 수행하는 동안 시각 장애가 있으며 움직임, 동작 및 위치를 감지하는 신체의 능력인 촉각 피드백과 고유 감각 피드백에만 의존합니다.

공동 저자인 Nathan Lepora 교수는 "우리의 Bi-Touch 시스템은 현실 세계에 직접 적용할 수 있는 시뮬레이션에서 터치를 통해 양손 [행동]을 학습하기 위한 저렴한 소프트웨어 및 하드웨어를 갖춘 유망한 접근 방식을 보여줍니다."라고 말했습니다. "우리가 개발한 촉각 이중 팔 로봇 시뮬레이션을 사용하면 코드가 오픈 소스이므로 다른 다운스트림 작업을 개발하는 데 이상적이므로 더 다양한 작업에 대한 추가 연구가 가능합니다."

이 방법을 사용하여 연구원들은 이중 팔 로봇이 단일 프링글 칩만큼 깨지기 쉬운 물건을 안전하게 들어올릴 수 있게 하는 데 성공했습니다. 이러한 개발은 과일 따기 및 가사 서비스와 같은 산업에 유용할 수 있으며 궁극적으로는 의족의 촉각을 재현하는 데에도 유용할 수 있습니다.

팀의 연구는 IEEE Robotics and Automation Letters에 게재되었습니다.