부분적인 시점만으로도 가능해진 정교한 물체 파지: AI 기반 3차원 형태 재구성 기술

부분적인 시점 정보만으로도 물체의 3차원 형태를 정확하게 재구성하여 작업 지향적인 파지 전략을 수립하는 AI 시스템이 개발되었습니다. LSTM 기반 R-GAN, AffordPose 데이터셋, PPO 강화학습을 활용하여 89%의 높은 파지 정확도를 달성하였으며, 다양한 분야에서의 로봇 활용 확대에 기여할 것으로 기대됩니다.

로봇이 물체를 정확하게 파지하는 것은 인공지능(AI) 분야의 중요한 과제입니다. 특히 제한된 시야에서 물체의 3차원 형태를 정확히 파악하고, 작업 목표에 맞는 파지 전략을 수립하는 것은 매우 어려운 문제입니다. 하지만 최근 Fujian Yan, Hui Li, Hongsheng He 연구팀이 개발한 새로운 AI 시스템은 이러한 문제를 획기적으로 해결했습니다.

이 시스템은 부분적인 시점의 정보만으로도 물체의 3차원 형태를 정확하게 재구성할 수 있습니다. 핵심은 순환 생성적 적대 신경망(R-GAN) 입니다. 여기서 LSTM(Long Short-Term Memory) 유닛을 활용하여 다양한 수의 깊이 스캔 데이터를 효과적으로 처리합니다. 이는 마치 사람이 물체를 여러 각도에서 관찰하여 전체적인 모습을 파악하는 것과 유사한 과정입니다.

단순히 3차원 형태만 재구성하는 데 그치지 않습니다. 연구팀은 AffordPose 지식 데이터셋을 활용하여 물체의 기능(affordance) 을 이해합니다. 예를 들어, 컵은 '들기'라는 기능을, 손잡이는 '잡기'라는 기능을 가지고 있습니다. 이러한 기능 정보는 Chamfer Distance를 이용한 부피 유사도와 동작 유사도를 측정하여 최적의 파지 전략을 선택하는 데 사용됩니다.

더 나아가, Proximal Policy Optimization (PPO) 강화학습 모델을 통해 파지 전략을 지속적으로 개선합니다. 이를 통해 작업 목표에 최적화된 파지 전략을 확보할 수 있습니다. 실제 이중 팔 모바일 조작 로봇을 이용한 실험 결과, '들기', '손잡이 잡기', '감싸 쥐기', '누르기' 등 네 가지 작업에서 89%의 높은 파지 정확도를 달성했습니다.

이 연구는 로봇의 물체 파지 능력을 한 단계 끌어올린 획기적인 성과입니다. 제한된 정보만으로도 복잡한 작업을 수행할 수 있는 AI 시스템의 가능성을 보여주는 동시에, 향후 로봇 공학 및 AI 분야의 발전에 큰 영향을 미칠 것으로 기대됩니다. 특히 물류, 제조, 의료 등 다양한 분야에서의 로봇 활용 확대에 기여할 것으로 예상됩니다.