[Robotics Trends 2023] 마키나락스 세계 최대의 로봇학회 IROS를 가다
[Robotics Trends 2023] 마키나락스 세계 최대의 로봇학회 IROS를 가다
ㅤ
안녕하세요. 저는 마키나락스 ML Application 3 파트 리드 이태호입니다. 저희 파트에서는 제조 산업 전반에 걸쳐 사람의 손으로 설계되고 평가돼야했던 부분들을 인공지능을 이용해 개선하고 있습니다. 다중로봇 테스트 및 모션 플래닝 프로젝트(이하 OLP), 로봇 동작 분석 프로젝트(이하 RPMS), 칩 설계 자동화 프로젝트와 PCB 표면실장기술 최적화 프로젝트가 그 예 입니다. 이 중 로봇과 관련된 프로젝트 두 개가 우수한 평가로 마무리되고 차기 과제를 준비하고 있습니다. 마침 로봇 지능 분야의 최고 학회 중 하나인 IROS가 일본 교토에서 열려서, 멤버들과 함께 학회에 참가해 최신 트렌드를 다시 확인하고 우리 기술을 돌아보는 기회를 가졌습니다.
ㅤ
학회장에서 OLP 프로젝트 멤버들 (왼쪽부터 제열 님, 유리허샤 님, 유정님)
ㅤ
위에서 언급한 여러 로봇의 작업과 움직임을 최적화하는 프로젝트가 OLP(Off-Line Programming)입니다. 자동차 용접을 예로 든다면, 용접해야할 용접점들이 수천개가 주어지고, 이를 위해 2 대에서 10 대 사이의 로봇들이 용접에 필요한 부품을 옮기고 용접을 하는 등의 작업을 서로 협력하여 진행합니다. 여러 로봇이 각자 수행해야 할 작업을 나누고 각 작업을 수행하기 위한 모션을 계획하면서 최종적으로는 큰 하나의 태스크를 수행한다고 볼 수 있는데요. 작업 순서가 달라지면 장애물이나 주변 로봇의 위치가 달라지는 등, 충돌을 피하기 위한 로봇의 움직임의 제한에도 영향을 끼칩니다. 이 태스크 하나를 최적화하는데도 수일이 소요되기 때문에 이를 위한 분산 처리 시스템을 구축하는 것도 주요한 과제중에 하나죠.
그래서 사실 IROS학회 참관은 OLP 프로젝트에는 종합선물세트 같은 느낌이었습니다. 작업 계획, 모션 계획 그리고 로봇 시스템을 위한 Kubernetes 같은 플랫폼까지 우리에게 필요한 기술 분야에 대해 다양한 시도들을 접할 수 있었습니다. OLP 프로젝트에서는 이 중에서 몇 가지 공유 해드리고 싶은 내용을 뽑아 Robotics Trends 2023을 주제로 연재 포스팅을 진행할 예정입니다.
ㅤ
IROS 2022 학회장 정원에서 RPMS 프로젝트의 명원 님
ㅤ
OLP가 로봇의 작업과 움직임을 최적화하는 프로젝트라면, Robot Predective Maintenance System (RPMS) 프로젝트는 그 작업과 움직임에 대한 정보를 수집해 분석하고 평가해 현장의 전문가들이 다시 로봇의 작업이나 움직임을 수정 및 재정의할 수 있도록 도와주는 프로젝트입니다. 로봇의 작업들은 보통 어떻게 움직였으면 좋겠다에 대한 정보가 함께 정의됩니다. 로봇이 움직이는 특정 좌표계 상의 A란 점에서 B라는 점까지 어떤 속도와 정확도로 이동할지 등이 그 정보에 해당합니다. 이렇게 정의된 작업을 수행하기 위해 로봇의 모터나 actuator를 제어하게됩니다. 이때 제어를 위해 흐르는 전류나 제어의 결과물로 얻게되는 토크 등의 센서 값을 활용해 로봇의 움직임을 분석하게 되죠.
저희는 이런 작업에 대한 움직임을 분석하려면 특정 작업군에 대한 움직임들의 분포를 알아야한다고 생각합니다. 그러려면 좋은 생성모델을 가지고 있어야하는 것이구요. 이와 관련해서 OLP와는 다르게 많은 연구를 찾지는 못했습니다. 그러나 일부 논문 발표와 워크샵 세션에서 로봇이 정상적인 동작을 수행하는지 모니터링 하는 연구들을 찾을 수 있었습니다. 이에 대한 자세한 설명 역시 후속 포스팅에서 진행될 예정입니다.
위에서 설명한 기술들 외에도 IROS에서 저희가 관심있게 보고있는 기술들을 로봇에 적용한 다양한 사례들을 찾을 수 있었습니다. 특히, 강화학습 측면에서 로봇은 지속적으로 변화하는 환경, 안전에 문제가 되는 행동, 일반화 되기 힘든 보상 혹은 태스크 등 태생적으로 가지고 있는 문제들이 있습니다. 이 문제에 대한 큰 공감대가 형성되어 있었고, 많은 연구들이 이에 대한 각기 다른 해결책을 제시했습니다. 다만 아쉬운 것은 우리가 공감하는 로봇의 문제가 어려운 만큼 각기 다른 방법으로 로봇의 실험 환경과 태스크를 제한해 자신들의 방법을 검증하고 있다는 것, 이 때문인지 end-to-end model에 대한 연구는 부족한 것 등이 있었습니다.
그러나 이런 아쉬운 점들도 개인적으론 흥미롭게 다가왔습니다. 다들 아시다시피 최근 딥러닝의 역할이 컴퓨터 비전이나 자연어 처리 분야에서 매우 커졌는데요. 이에 비해 로봇에 있어서 딥러닝의 역할이 커지지 못한 이유에 대해 생각해보게 되었습니다. IROS와 같은 학회를 통해 머신러닝, 딥러닝 및 강화학습을 이용한 로봇 연구가 10년 이상 이어져오고 있는데 말이죠.
저 뿐만 아니라 함께 IROS에 출장갔던 우리 팀 멤버들도 실무에 적용할 수 있는 많은 인사이트를 얻었습니다. 이어질 포스팅들에서는 2023년 로보틱스 기술 트렌드와 마키나원들이 IROS에서 배우고 느낀 것들을 더 자세히 확인하실 수 있습니다. 다음 포스팅들에 많은 기대를 부탁드려요!
ㅤ
» 이 글은 마키나락스 미디엄에 게재된 포스팅으로 원문은 여기서 확인하실 수 있습니다.
