촉각 로봇 공학 : 터치 감각이있는 로봇-새로운 세대의 vulcan과 햅틱 객체 인식에 대한 공동 연구

기계를 위한 촉각 인식: 객체 인식의 새로운 기준을 제시하다

로봇 공학 분야에서 촉각 센서 및 인식 시스템의 개발은 기계가 처음으로 주변 환경을 볼 뿐만 아니라 "느낄" 수 있게 해주는 중요한 진전입니다. 이러한 발전은 아마존의 새로운 벌컨 로봇과 MIT의 혁신적인 객체 인식 시스템에서 잘 나타납니다. 두 기술 모두 로봇의 활용 범위를 크게 확장하고, 이전에는 인간의 타고난 촉각 인식 능력으로만 가능했던 작업들을 로봇이 수행할 수 있도록 해줍니다.

적합:

• 스마트피킹 - 스마트피킹

아마존의 벌컨 로봇: 촉각 로봇 집게 분야의 획기적인 발전

기능 및 기술적 기반

아마존이 개발한 벌컨 로봇은 물리적 인공지능 분야에서 상당한 기술적 진보를 보여줍니다. 아마존은 이 개발을 "로봇공학 및 물리적 AI 분야의 획기적인 발전"이라고 설명합니다. 이 시스템은 물건을 저장하는 "스토우(Stow)"와 꺼내는 "픽(Pick)"이라는 두 가지 주요 구성 요소로 이루어져 있습니다. 벌컨의 가장 두드러진 특징은 주변 환경을 촉각으로 인지할 수 있다는 점입니다.

벌컨의 촉각 능력은 하키 퍽 모양의 특수 힘-토크 센서를 기반으로 하며, 이 센서를 통해 로봇은 물체를 손상시키지 않고 잡기 위해 얼마나 많은 힘을 가할 수 있는지 "느낄" 수 있습니다. 아마존 로봇 AI 부문 책임자인 아담 파네스는 이러한 접근 방식의 독창성을 강조하며 다음과 같이 말했습니다. "벌컨은 물체를 옮길 수 있는 최초의 로봇은 아닙니다. 하지만 촉각, 즉 물체와 접촉하는 시점과 방식을 이해하는 능력을 통해 작업 흐름과 시설을 최적화할 수 있는 새로운 가능성을 열어줍니다."

벌칸은 선반에 물건을 정리하기 위해 고데기에 자를 부착한 듯한 도구를 사용합니다. 이 "자"를 이용해 다른 물건들을 밀어내고 새로운 물건을 놓을 공간을 만듭니다. 집게 팔은 물건의 크기와 모양에 따라 집게의 강도를 조절하며, 내장된 컨베이어 벨트는 물건을 컨테이너 안으로 옮깁니다. 물건을 꺼낼 때는 흡착식 집게와 카메라 시스템을 함께 사용합니다.

현재 적용 분야 및 성능

벌컨 로봇은 현재 아마존 물류센터 두 곳에서 시험 운영 중입니다. 하나는 독일 함부르크 인근의 빈센에, 다른 하나는 미국 워싱턴주 스포캔에 있습니다. 워싱턴주 스포캔 물류센터에서는 6대의 스토우(Stow) 벌컨 로봇이 가동 중이며, 이미 50만 개의 물품을 성공적으로 보관했습니다. 빈센 물류센터에서는 2대의 픽(Pick) 벌컨 로봇이 가동되어 5만 건의 주문을 처리했습니다.

이 시스템의 성능은 놀라울 정도입니다. 벌컨은 현재 아마존에서 판매하는 수백만 개의 제품 중 약 75%를 처리할 수 있습니다. 로봇이 다룰 수 있는 가장 작은 물체는 립스틱이나 USB 메모리 정도 크기입니다. 특히 인상적인 것은 로봇이 실시간으로 물체를 식별하는 능력인데, 파네스의 설명처럼 "로봇이 모든 제품의 세부 사항을 암기하는 것은 불가능하기 때문"입니다.

향후 계획 및 물류망 통합

아마존은 향후 몇 년 안에 벌컨 로봇의 수를 대폭 늘릴 계획입니다. 올해 윈센 물류센터에는 60대, 워싱턴 물류센터에는 50대의 벌컨 로봇이 배치될 예정입니다. 장기적으로는 유럽과 미국 전역의 물류센터에 벌컨 로봇을 배치할 계획입니다.

아마존 전략의 핵심은 인간과 기계의 공존입니다. 회사의 "마스터 플랜"은 인간과 기계가 나란히 일하는 것을 구상하고 있습니다. 로봇은 주로 사람이 사다리 없이는 닿을 수 없거나 허리를 과도하게 굽혀야 하는 선반 위의 제품을 처리하는 데 사용될 예정입니다. 이는 전반적인 효율성을 높이는 동시에 인간 직원의 업무 부담을 줄여줄 것으로 기대됩니다.

MIT의 객체 감지 시스템은 특수 센서 없이도 지능형 "감지"가 가능한 핸들링을 통해 작동합니다.

객체 인식에 대한 혁신적인 접근 방식

아마존의 벌컨과 병행하여, MIT, 아마존 로보틱스, 그리고 브리티시컬럼비아 대학교의 연구진은 로봇에 촉각 기능을 부여하는 데 있어 다른 접근 방식을 취하는 시스템을 개발했습니다. 이 기술을 통해 로봇은 물체를 집어 들고 살짝 흔드는 것만으로 무게, 부드러움, 내용물과 같은 물체의 특성을 인식할 수 있습니다. 이는 마치 사람이 낯선 물체를 다룰 때와 유사한 방식입니다.

이 접근 방식의 특징은 특수한 촉각 센서가 필요 없다는 점입니다. 대신, 이 시스템은 대부분의 로봇에 이미 탑재된 관절 엔코더, 즉 움직이는 동안 관절의 회전 위치와 속도를 감지하는 센서를 활용합니다. MIT 박사후 연구원이자 이 연구 논문의 주저자인 피터 이첸 첸은 이 프로젝트의 비전에 대해 다음과 같이 설명합니다. "제 꿈은 로봇을 세상으로 내보내 사물을 만지고 움직이며, 상호작용하는 모든 것의 특성을 스스로 발견하게 하는 것입니다."

기술적 기능 및 시뮬레이션 모델

MIT 시스템의 핵심은 두 가지 시뮬레이션 모델로 구성됩니다. 하나는 로봇과 그 움직임을 시뮬레이션하는 모델이고, 다른 하나는 객체의 역학을 복제하는 모델입니다. MIT의 또 다른 박사후 연구원인 차오 리우는 이러한 디지털 트윈의 중요성을 강조하며, "실세계의 정확한 디지털 복제본은 우리 방법의 성공에 매우 중요합니다."라고 말했습니다.

이 시스템은 "미분 가능 시뮬레이션"이라는 기술을 사용하는데, 이 기술을 통해 알고리즘은 물체의 질량이나 부드러움과 같은 속성의 미세한 변화가 로봇 관절의 최종 위치에 어떤 영향을 미칠지 예측할 수 있습니다. 시뮬레이션 결과가 로봇의 실제 움직임과 일치하면 시스템은 물체의 정확한 속성을 파악한 것으로 간주합니다.

이 방법의 핵심적인 장점은 효율성입니다. 알고리즘은 몇 초 만에 계산을 수행할 수 있으며, 작동에 필요한 것은 로봇의 실제 움직임 궤적뿐입니다. 따라서 이 시스템은 실제 응용 분야에서 특히 비용 효율적이고 실용적입니다.

응용 가능성 및 이점

개발된 기술은 어두운 지하실에서 물건을 분류하거나 지진 후 부분적으로 붕괴된 건물에서 잔해를 제거하는 등 카메라의 효과가 떨어지는 분야에서 특히 유용할 수 있습니다.

이 알고리즘은 컴퓨터 비전이나 외부 센서에 의존하는 일부 방법과는 달리 학습에 대규모 데이터셋이 필요하지 않으므로, 미지의 환경이나 새로운 객체에 직면했을 때 오류 발생 가능성이 낮습니다. 이러한 특성 덕분에 이 시스템은 특히 견고하고 다재다능합니다.

로봇공학 분야에서 촉각 센서에 대한 광범위한 연구 환경

근본적인 과제와 현재의 해결책

촉각을 가진 로봇 개발은 연구자들에게 근본적인 과제를 제시합니다. 인간의 촉각 시스템은 매우 복잡하고 미묘하지만, 인공 시스템은 기술적 수단을 통해 이를 모방해야 합니다. 캘리포니아 대학교 버클리 캠퍼스의 로봇 공학자 켄 골드버그는 이 과제의 복잡성을 강조하며 다음과 같이 말합니다. "인간의 촉각은 놀라울 정도로 미묘하고 복잡하며, 매우 광범위한 동적 범위를 가지고 있습니다. 로봇 기술은 빠르게 발전하고 있지만, 향후 5~10년 안에 인간 수준의 촉각 센서를 볼 수 있다면 놀랄 것입니다."

이러한 어려움에도 불구하고 연구 분야에서는 상당한 진전이 이루어지고 있습니다. 예를 들어, 프라운호퍼 IFF는 인간의 손을 모방하여 반응형 파지를 가능하게 하는 촉각 센서 시스템을 개발하고 있으며, 이는 깨지기 쉽거나 유연한 물체를 다루는 데 이상적입니다. 센서 데이터는 그리퍼 적응, 부품 및 위치 인식, 공정 모니터링에 사용됩니다.

촉각 로봇 공학 분야의 혁신적인 연구 프로젝트

아마존과 MIT의 개발 외에도 촉각 로봇 센서 분야에는 다른 중요한 연구 프로젝트들이 있습니다.

막스 플랑크 지능형 시스템 연구소는 높은 감도로 촉각을 감지하는 햅틱 센서 '인사이트(Insight)'를 개발했습니다. 연구소 연구팀의 책임자인 게오르크 마르티우스는 센서의 성능을 강조하며, "혁신적인 케이스 설계, 맞춤형 이미징 시스템, 자동 데이터 수집, 그리고 최첨단 딥러닝 기법 덕분에 이 센서는 탁월한 성능을 보여줍니다."라고 말했습니다. 이 센서는 매우 민감하여 중력에 대한 자체 방향까지 감지할 수 있습니다.

또 다른 흥미로운 프로젝트는 DensePhysNet입니다. 이 시스템은 슬라이딩 및 충돌과 같은 일련의 동적 상호 작용을 능동적으로 수행하고, 시각적 관찰을 기반으로 심층 예측 모델을 사용하여 관찰 대상의 물리적 속성을 반영하는 픽셀 단위의 조밀한 표현을 학습합니다. 시뮬레이션 및 실제 환경에서의 실험 결과, 학습된 표현에는 풍부한 물리적 정보가 포함되어 있으며 마찰 및 질량과 같은 물리적 객체 속성을 직접 해독하는 데 사용할 수 있음을 보여줍니다.

적합:

• 태양광 모듈 설치를 위한 AI 로봇 Maximo를 갖춘 Amazon과 AES - 태양광 발전 시설을 절반의 시간으로 단축하고 숙련된 인력 부족에 대응

촉각 로봇 시스템의 미래 전망

다중 모드 센서 시스템 통합

촉각 로봇 공학의 미래는 다양한 감각 양식의 통합에 달려 있습니다. MIT 연구진은 이미 인공지능에게 시각과 촉각 같은 감각을 결합하는 방법을 가르치는 연구를 진행하고 있습니다. 로봇은 이러한 다양한 감각 양식이 어떻게 상호작용하는지 이해함으로써 주변 환경을 더욱 포괄적으로 파악할 수 있습니다.

MIT 연구팀은 이미 자신들의 객체 탐지 ​​방법을 컴퓨터 비전과 결합하여 더욱 강력한 멀티모달 센서 시스템을 구축할 계획을 세우고 있습니다. 첸 교수는 "이번 연구는 컴퓨터 비전을 대체하려는 것이 아닙니다. 두 방법 모두 장단점이 있습니다. 하지만 우리는 카메라 없이도 이러한 속성 중 일부를 발견할 수 있음을 보여주었습니다."라고 설명합니다.

확장된 적용 분야 및 향후 발전 방향

MIT 연구팀은 또한 소프트 로봇과 같은 더욱 복잡한 로봇 시스템이나 출렁이는 액체 또는 모래와 같은 입자형 매체를 포함한 더욱 복잡한 물체에 이 기술을 적용하는 방안을 모색하고자 합니다. 장기적으로는 이 기술을 활용하여 로봇 학습 능력을 향상시키고, 미래의 로봇이 새로운 조작 기술을 빠르게 습득하고 환경 변화에 적응할 수 있도록 하는 것이 목표입니다.

아마존은 향후 몇 년 동안 벌컨 기술을 더욱 발전시키고 대규모로 도입할 계획입니다. 벌컨을 아마존이 이미 보유한 75만 대의 이동 로봇과 통합하는 것은 물류 산업을 근본적으로 변화시킬 수 있는 포괄적인 자동화 개념을 제시합니다.

촉각 학습: 센서가 로봇에게 촉각을 부여할 때

아마존의 벌컨과 MIT의 객체 인식 시스템으로 대표되는 촉각 로봇의 개발은 로봇 공학에 있어 중요한 전환점을 의미합니다. 이러한 기술 덕분에 로봇은 정교한 운동 능력과 촉각적 이해를 필요로 하는, 이전에는 인간만이 수행할 수 있었던 작업들을 맡게 되었습니다.

아마존의 특수 센서 활용 방식과 MIT의 기존 센서를 이용한 햅틱 추론 방식처럼 서로 다른 접근 방식은 이 분야의 연구 방향이 다양함을 보여줍니다. 두 접근 방식 모두 각각의 강점과 적용 분야를 가지고 있습니다.

로봇 시스템에 촉각 기능이 점차 통합됨에 따라 물류, 제조, 의료 및 기타 여러 분야에서 복잡한 작업을 자동화할 수 있는 새로운 가능성이 열리고 있습니다. 로봇이 단순히 보는 것뿐만 아니라 주변 환경을 "느낄" 수 있게 됨으로써 로봇과 인간이 더욱 긴밀하고 직관적으로 협력할 수 있는 미래에 한 걸음 더 가까워지고 있습니다.

적합:

• 아마존, 로봇 점유율 확대
• 삼성의 혁신적인 미니 로봇 : 가정용 로봇“발리 AI”