MIT, 사람 손 처럼 능수능란한 매니퓰레이터 개발 AI researchers test a robot’s dexterity by handing it a Rubik’s cube / VIDEO: Self-Solving Rubik's Cube Robot!

MIT, 사람 손 처럼 능수능란한 매니퓰레이터 개발

Arxiv.org에 연구 성과 게재

    인간은 루빅 큐브를 비교적 쉽게 조작할 수 있지만 로봇에겐 그리 쉽지만은 않은 과제이다. 클래식 2x2x2 큐브만 해도 367만 4160개의 내부 구성을 가지고 있다. 하지만 언제까지 그렇다는 것은 아니다.

MIT는 최근 0.38초라는 놀라운 기록으로 큐브를 맞추는 발명품을 개발했다. 이는 특수 제작된 모터와 제어장치를 포함하고 있는 장치다. 여기에 텐센트와 홍콩중문대학도 가세했다.

'벤처비트'에 따르면 이들 연구팀은 손가락을 여러 개를 사용해 루빅 큐브를 조작하는 기계를 고안했다. 연구팀은 Arxiv.org에 실린 논문에서 최적의 이동 순서를 식별하는 큐브 솔버와 최대 5개의 손가락을 제어하는 큐브 연산자로 구성된 AI 기반 시스템을 설명했다. 1400번의 테스트에서 평균 90.3%의 성공률을 달성한 것으로 알려진다.

above: The extended hand of a humanoid robot

Image Credit: Franck V.

AI researchers test a robot’s dexterity by handing it a Rubik’s cube KYLE WIGGERS@KYLE_L_WIGGERS JULY 29, 2019 9:48 AM Humans can manipulate Rubik’s cubes with relative ease, but robots have historically had a tougher go of it. (A classic 2 x 2 x 2 cube has 3,674,160 internal configurations.) That’s not to suggest there aren’t exceptions to the rule — an MIT invention recently solved a cube in a record-breaking 0.38 seconds — but they typically involve purpose-built motors and controls. Encouragingly, a group of researchers at Tencent and the Chinese University of Hong Kong say they’ve designed a Rubik’s cube manipulator that uses multi-fingered hands. In a paper on the preprint server Arxiv.org (“Learning to Solve a Rubik’s Cube with a Dexterous Hand“), they claim their AI-powered system — which comprises a cube solver that identifies optimal move sequences and a cube operator that controls up to five fingers — achieves an average success rate of 90.3% over 1,400 trials. Above: The researchers’ system manipulating Rubik’s cube in a virtual environment. https://venturebeat.com/2019/07/29/ai-researchers-test-a-robots-dexterity-by-handing-it-a-rubiks-cube/

edited by kcontents

연구원들은 "능숙한 손 조작은 로봇이 인간 수준의 손재주를 달성하고 풍부한 접촉을 필요로 하는 일상작업을 수행하기 위한 핵심 구성 요소”라며 "진보된 작업에도 불구하고 복잡한 접촉 패턴, 고차원 동작 공간, 깨지기 쉬운 기계 구조 때문에 신뢰할 수 있는 다중 손가락의 손재주 역량은 여전히 열린 도전과제로 남아 있다”고 말했다.

이 팀의 솔루션은 모델 기반 및 모델없는 계획과 조작 요소를 결합한 계층적 시스템이다. 앞에서 언급한 큐브 솔버는 루빅 큐브를 복원하기 위한 최적의 이동 순서를 찾아내고 컨트롤러는 두 개의 원자 작용, 큐브 회전 및 레이어별 작동으로 구성돼 각 이동을 차근차근 실행한다.

연구팀은 운동학이나 관절 운동이 일부 움직임을 다른 움직임보다 더 어렵게 만든다고 지적한다. 신뢰성을 정량적으로 비교하기 위해 팀은 여러 모델들을 개별적으로 훈련시켰다. 또 피드백 신호없이 순차적으로 수행되는 큐브 회전 및 계층별 연산의 견고성을 개선하기 위해 각 단계에서 루빅 큐브의 상태를 확인하는 롤백 메커니즘을 구현했다.

연구팀은 연구 접근법을 입증하기 위해 로봇공학 및 생체역학 연구 개발을 위해 설계된 로보티(Roboti)의 물리적 엔진인 무조코(Multi-Joint dynamics with Contact, Mujoco)를 이용했다.

무조코 내에서 섀도핸드(Shadow Hand)라고 불리는 능숙한 인간 크기의 조작기를 활용했다. 섀도핸드는 각각 3개의 작동 관절과 1개의 하위작동 관절을 가진 중지와 약지가 있으며 5개의 작동 관절을 갖고 있는 엄지와 새끼손가락이 있다. 또 2개의 활성 관절을 가진 손목도 있다. 한 실험에서 섀도핸드는 가상의 루빅 큐브를 조작해 목표 자세를 달성하는 임무를 맡았고, 또 다른 실험에서는 목표 각도를 달성하기 위해 두 개의 층을 조작하도록 했다.

연구원들은 이 모델이 90% 이상의 안정적인 큐브 회전 성공률(3만회 훈련 후 95.2%로 증가), 평균 90.3%의 레이어 작동 성공률을 보였다고 전했다. 두 가지 원자 작용을 공동으로 최적화하고 실제 하드웨어에 시스템을 배치함으로써 성능을 더욱 향상시킬 수 있다고 설명한다.

김지영  robot3@irobotnews.com 로봇신문사

Self-Solving Rubik's Cube Robot!

via youtube

kcontents