에이전트와 강화학습 (3) - 로봇(Robot)

3. 로봇

3.1 로봇공학

    로봇공학(Robotics)은 로봇을 구축하기 위한 기술로 제이기술, 센싱 기술, 지식처리기술 등이 융합된 공학기술입니다. 이들 중에 인공지능(AI) 기술과 연관된 분야는 로봇 센싱으로 대표되는 센싱 기술과 로봇 운동제어, 운동계획기술, 자기 위치추정기술 등이 있습니다. 

 

    로봇의 감각계 센서에는 아래 표 2와 같은 다양한 디바이스들이  활용됩니다.

 

    (표 2) 대표적인 로봇 센서 및 기능

명칭	설명
터치센서	물리적 접촉이 검출
압력센서	압력 측정
적외선센서	적외선으로 거리 측정
초음파센서	초음파를 이용한 거리 측저
위치센서	위치 검출(GPS 등)
속도센서	이동 속도나 회전 속도 검출
가속도센서	가속도 검출
광센서	명암 등의 측정
카메라	명암 검출, 로봇 비전

    (표 2)에서 터치센서는 로봇과 외부와의 접촉이나 충돌을 검출합니다. 압력센서는 물리적인 접촉 유무만이 아닌 접촉 압력을 계측합니다. 적외선센서나 초음파센서는 로봇과 외부 대상물과의 거리를 측정합니다. 위치센서는 자신의 위치를 계측하고 속도센서나 가속도센서는 자신의 운동에 관한 정보를 속도나 가속도로 측정하기 위한 것입니다. 광센서는 외부의 명암을 검출하고 카메라는 로봇 비전으로 처리해야 할 이미지를 인식합니다. 로봇 비전은 기본적으로는 이미지 처리기술이나 이미지 인식기술의 일종입니다. 로봇 비전은 일반적인 이미지 처리보다 더욱 어려운 조건에서 이미지를 처리해야 합니다. 

    일반적인 이미지 처리나 이미지 인식에서는 대상 물체의 위치나 조명을 처리 상황에 따라 적절하게 설정할 수 있습니다. 예를 들면 일반적인 인식기술이라면 사람의 얼굴의 정면과 일정한 방향의 거리에서 찍을 수 있고, 조명도 일정한 방향에서 일정한 밝기를 주는 등의 조건을 부여할 수 있습니다. 그러나 로봇 비전에서는 로봇과의 위치 관계로 각도나 거리, 조명의 방향 등을 일정하게 유지하기 어렵습니다. 따라서 일반적인 정적 상태의 얼굴인식보다 움직이는 로봇이 인지해야 하는 얼굴인식은 매우 까다로운 문제입니다.  

    로봇의 동작제어와 운동계획은 어떤 목적에 따라 로봇을 작동시키기 위한 기술입니다. 동작제어에서는 목적에 따라 로봇의 동작을 제어하여 로봇팔로 대상물을 잡거나 다리를 상호 교차로 내밀면서 이족보행을 구현하기도 합니다. 운동계획에서는 동작제어 기능을 이용해 대상물체를 로봇팔로 붙잡아서 이동시키거나 이족보행으로 목적지까지 이동하는 계획을 세우는 것입니다.

    로봇의 자기 위치추정은 실세계에서 이동하는 로봇이 지금 어디에 있는지를 스스로 추정하는 기술입니다. 가정에서 사용하는 로봇 청소기는 방의 지도를 알려주지 않아도 방의 구석구석을 청소합니다. 그러기 위해서는 이동하면서 자신의 위치를 추정해 현재 로봇이 있는 방의 지도를 작성해야 합니다. 이런 식으로 이동하면서 자기 위치를 추정해 그 결과 지도를 작성하는 기술을 SLAM(Simulatneous Localization and Mapping)이라고 합니다. 

3.2 로봇과 인지과학

    로봇공학 기술은 일찍부터 공장의 조립라인 등에서 산업용 로봇에 응용되면서 실용화되었습니다. 산업용 로봇은 조립이나 용점, 도장, 공장에서의 운반 등의 분야에서 지금도 널리 이용되고 있습니다. 산업용 로봇은 공장과 같이 특정 환경에서 작업을 하는 경우가 대부분이고, 이와 같은 응용에는 전통적인 제어기술을 중심으로 한 로봇공학 기술이 효과적입니다. 

    공장 등과 같이 특정 환경에서 특정 작업을 하는 산업용과 달리, 일반적인 환경에서 문제에 유연하게 대응하면서 동작하는 로봇을 구현하려면 산업용 로봇에서 나타나지 않는 다양한 문제가 발생할 수 있습니다. 그래서 일반적인 환경에서 예상치 못한 문제에 유연하게 대응할 수 있는 처리능력이 필요합니다. 그러한 능력에는  외부 인식이나 모델화, 운동계획 등에 관한 매우 많은 데이터 계산이 필요한데, 로봇에 탑재 가능한 컴퓨터의 능력으로는 이러한 문제를 처리하기가 어렵습니다. 이러한 문제를 해결하기 위해 인지과학이 도입되었습니다. 인지과학에서는 로봇과 외부의 상호작용에 중점을 두고 그 결과를 적극적으로 이용합니다. 결과적으로 정밀한 외부 모델이나 운동 계획이 필요하지 않고 반사적인 동작을 중심으로 처리를 진행합니다. 이렇게 로봇을 제어하는 제어구조는 감지-계획-행동(SPA : Sense-Plan-Act)에 기반한 방식입니다. 이 방식에서는 로봇이 센서를 통해 감지한 값들을 기반으로, 환경을 모델링하고, 모델링 결과를 바탕으로 어떤 일을 수행할 것인가 계획을 세우고, 계획대로 로봇을 제어하기까지 하나의 흐름으로 이루어집니다. 그러나 이 방법은 센서에서 입력을 받은 순간부터 구동기(Actuator)로 적절한 대응을 하기까지 시간이 많이 걸린다는 단점이 있습니다.

     1985년 제2회 국제 로보틱스 심포지엄에서 매사추세츠공과대학(MIT)의 로드니 브룩스(Rodney Brooks)가  인지과학에 기반을 둔 포섭구조(Subsumption ArchItecture)라는 로봇의 구체적인 구성방법을 발표해 이러한 문제를 해결하는데 공헌했습니다. 이 방법에서는 로봇에게 높은 지능을 필요로 하는 복잡한 행동을 일일이 구체적으로 지시를 하는 것이 아니라 로봇 스스로가 환경과의 상호작용 속에서 복잡한 행동 패턴을 이끌어 내도록 만드는 것입니다.

    로드니 브룩스(Rodney Brooks)는 이동 로봇의 복잡한 행동을 여러 계층(계층구조: 아래 그림 참조)으로 나눈 다음, 가장 낮은 계층의 행동에서 출발해 시시각각 변화하는 환경에 따라 더 높은 계층의 행동으로 옮겨갈 때 일어난 행동의 결과가 다른 행동을 유발하도록 설계했습니다. 이를테면 곤충로봇은 먼저 주변 환경을 직접 확인해 장애물이 없으면 앞으로 나아가지만 도중에 장애물이 나타나면 멈추게 됩니다. 곤충처럼 반사적인 행동을 하는 것입니다. 이와 같은 과정이 계속되면서 그전 행동의 결과를 포섭함으로써 그다음 계층의 로봇 행동이 제어되므로 이를 포섭구조(Subsumption Architecture)라고 이름 붙였습니다. 

 

   

포섭구조의 장점은 기존의 감지-계획-행동(SPA)의 단점이었던 느린 반응성을 해결했다는 것입니다. 기존의 접근방식이 범용적 인지를 목적으로 한 것이라면 포섭구조에서의 센싱은 각 행동을 수행하기 위해 필요한 정도의 인지만을 수행하여 인지과정이 빠르고 상대적으로 간결합니다.  

   또 포섭구조는 각 계층 간의 동시성을 보장해 주며, 또한 하위 계층이 상위 계층에 대해 의존적이지 않아도 되며, 점진적인 개발을 하는데 좋은 구조를 가집니다. 즉, 포섭구조에서는 로봇이 수행해야 할 일들이 그 복잡도에 따라 계층적으로 분류되어 있고, 각 동작들은 여전히 SPA 구조로 수행됩니다.

 

    포섭 구조는 우리가 실생활에서 자주 접하는 로봇청소기에도 많이 활용되고 있습니다. 또한 행성표면 탐사 로봇과 지뢰 제거 로봇 등에 응용되고 있습니다.

 

2023.06.09 - [인공지능(AI; Artificial Intelligence)] - 에이전트와 강화학습 (2) - 소프트웨어 에이전트