옷을 다루는 AI 로봇의 혁신: DexGarmentLab과 HALO 알고리즘

DexGarmentLab과 HALO 알고리즘을 통해 의류 조작의 어려움을 극복하고 AI 로봇의 섬세한 작업 수행 능력을 향상시켰다는 연구 결과를 소개합니다. 단일 전문가 시연으로 다양한 데이터를 생성하고, 다양한 의류 형태에 일반화 가능한 알고리즘을 개발하여 기존 방식보다 뛰어난 성능을 달성했습니다.

옷을 다루는 것은 생각보다 어렵습니다. 다양한 종류, 형태, 그리고 변형 가능성 때문에 인간조차도 쉽지 않은 작업입니다. 하지만 우리는 손재주를 이용해 옷을 자유자재로 다룹니다. 그러나 지금까지의 AI 연구는 이러한 인간의 섬세한 움직임을 제대로 재현하는 데 어려움을 겪어왔습니다. 현실적인 시뮬레이션 환경이 부족했기 때문입니다.

이러한 문제를 해결하기 위해, 왕유란 등을 포함한 연구팀이 DexGarmentLab을 개발했습니다. DexGarmentLab은 특히 양손을 사용하는 섬세한 의류 조작을 위해 설계된 최초의 환경입니다. 15가지 작업 시나리오를 위한 대규모 고품질 3D 자산을 갖추고 있으며, 시뮬레이션과 현실의 차이를 줄이기 위해 의류 모델링에 맞춤화된 시뮬레이션 기술을 개선했습니다.

기존의 데이터 수집 방법은 원격 조작이나 전문가 강화 학습 정책 훈련에 의존하여 많은 노력과 시간이 필요했습니다. 하지만 DexGarmentLab은 의류 구조적 대응 관계를 활용하여 단 하나의 전문가 시연만으로 다양한 움직임 데이터셋을 자동으로 생성합니다. 이를 통해 수작업을 크게 줄이고 효율성을 높였습니다.

하지만 아무리 방대한 시연 데이터도 무한한 의류 상태를 모두 담을 수는 없습니다. 따라서 새로운 알고리즘의 탐구가 필요했습니다. 연구팀은 다양한 의류 형태와 변형에 대한 일반화 성능을 향상시키기 위해 계층적 의류 조작 정책(HALO) 을 제안했습니다. HALO는 먼저 조작 영역을 정확하게 찾기 위해 전이 가능한 기능점을 식별한 후, 작업을 완료하기 위한 일반적인 움직임을 생성합니다. 광범위한 실험과 기존 방법과의 비교 분석을 통해 HALO가 기존 방법보다 뛰어난 성능을 보이며, 형태와 변형이 크게 달라도 이전에 보지 못한 의류에도 성공적으로 적용되는 것을 확인했습니다.

DexGarmentLab 프로젝트 페이지는 https://wayrise.github.io/DexGarmentLab/ 에서 확인할 수 있습니다. 이 연구는 AI 기반 로봇이 섬세한 작업을 수행하는 데 한 걸음 더 다가서는 중요한 발걸음입니다. 앞으로 더욱 발전된 기술을 통해 AI 로봇이 우리의 일상생활에 더욱 밀접하게 다가올 것으로 기대됩니다.