'손가락

Boston Dynamics의 Atlas에서 Google의 SayCan에 이르기까지 대부분의 손으로 휘두르는 로봇에는 들고 있는 것을 "느끼는" 데 필요한 손재주가 없습니다. (그렇다면 작년에 7세 소년이 체스 로봇에게 손가락을 튕기는 일이 없었을 것입니다.) 로봇이 물체를 "보고", 물체를 향해 움직이고, 잡을 수 있게 하는 것은 충분히 복잡합니다. 물체를 느끼고 이에 따라 그립을 조정하는 기능을 추가하는 것은 완전히 다른 과제입니다. 그러나 5년간의 실험 끝에 컬럼비아 대학의 한 연구팀이 그 일을 해낸 것으로 보입니다.

arXiv(학술지 사전 인쇄 전용 서버)를 통해 공유된 논문에서 컴퓨터 과학자와 기계 엔지니어는 촉각 및 고유 감각 피드백을 사용하는 로봇 손을 만들었다고 말합니다. 고유 감각은 움직임과 위치를 물리적으로 감지하는 능력으로, 일반적으로 생물체의 근육과 관절과 관련하여 논의되지만 로봇 손은 그것이 동물에게만 국한되지 않는다는 것을 증명합니다. 촉각 피드백을 활용하는 능력과 결합된 고유 감각은 로봇 손이 잡고 있는 물체를 감지하고 테이블과 같은 수동 지지 표면의 도움 없이 그에 따라 그립을 조정할 수 있도록 해줍니다.

팀은 로봇을 훈련시키기 위해 샘플링 기반 계획(SBP) 알고리즘과 결합된 강화 학습(RL)을 사용했다고 썼습니다. RL을 사용하여 로봇은 연구자가 원하는 일을 했을 때 "보상" 신호를 받았고, 해서는 안 되는 일을 했을 때도 마찬가지로 "꾸짖었습니다". 팀은 기술적으로 RL만 사용할 수도 있었지만 이 기술은 오류의 여지를 남기기 때문에(예상된 "해야 할 것"과 "하지 말아야 할 것"에서 아주 조금만 벗어나도 실패할 수 있음) SBP를 보충제로 사용했습니다. 로봇이 해야 할 일을 수행한 것에 대해 보상을 받을 때마다 SBP는 로봇이 끊임없이 확장되는 디지털 웹에 분기를 추가할 수 있도록 지원했으며, 이는 새로운 기회가 주어졌을 때 로봇이 실행할 수 있는 일련의 선택 사항 역할을 합니다.

이 훈련은 단지 물체를 집는 것 이상의 일을 하는 로봇 손의 길을 열어줍니다. 컬럼비아 팀의 로봇은 무언가를 파악한 후 고유 감각 기술을 사용하여 보유하고 있는 내용의 요점을 파악할 수 있습니다. 이를 통해 로봇은 그립을 유지하기 위해 사용하는 압력의 양을 조정할 수 있습니다. 로봇은 또한 잡고 있는 것을 더 잘 잡기 위해 개별 손가락을 움직이는 "손가락 보행"에 참여할 수 있습니다. 조정하는 동안 로봇은 물체가 떨어지는 것을 방지하기 위해 물체 위에 최소한 세 개의 손가락을 유지하므로 테이블이나 다른 표면이 필요하지 않습니다. 로봇은 시각 센서에 의존하지 않기 때문에 조명이 밝은 곳에서와 마찬가지로 어둠 속에서도 그립을 조정하고 유지할 수 있습니다.

로봇 손은 단지 손일 뿐입니다. 따라서 유사한 기술을 사용하여 자신이 잡고 있는 것을 "느끼는" 휴머노이드 로봇을 보려면 아직 갈 길이 멀습니다. 하지만 그 지점에 가까워지면 오늘날의 이전 로봇보다 물체를 더 잘 파악하고, 잡고, 위치를 조정할 수 있는 더 유능한 보조 로봇을 보게 될 수도 있습니다.