자동으로 이케아 의자를 조립하는 로봇 'Robo'의 주목할 만한 점

자동으로 이케아 의자를 조립하는 로봇 'Robo’의 주목할 만한 점

싱가포르 대학의 연구팀이 이케아 의자를 자동으로 조립하는 로봇을 성공적으로 개발했습니다. 카메라의 이미지 인식과 힘 센서의 지능적인 움직임은 혁신적입니다. 두 로봇 팔이 어떻게 단 20 분 만에 의자의 난해한 조립을 완료할 수 있을까요? 기계가 고도로 발달하고 인간이 더 이상 필요하지 않은 "특이점"이라고 불리는 순간. 인류는 아주 쉽게 그것에 한 발 더 가까이 다가왔습니다. 로봇은 IKEA 의자를 자동으로 조립하고 완성하는 기술을 배웠습니다. 아시다시피 이케아 의자를 조립하는 것은 너무 답답해서 어떤 사람들은 개에게 무언가를 던지거나 저주를 하기도 합니다. 지난 4 월 18 일 사이언스 로보틱스에 실린 논문에서 기성 부품 (개의 산업용 로봇 팔, 압력 센서, 3D 카메라)으로 만 만들어진 로봇이 이케아 스테이 팬 체어를 조립하는 데 성공했다고 발표되었습니다. 스테이 팬 의자는 2 개월 사용 후 무너지는 것으로 이미 대학가에서 익숙한 의자입니다. 로봇은 작업을 계획하고 의자를 완성하는 데 20 분 밖에 걸리지 않았습니다. 이에 비해 평범한 인간이 조립을 한다면 절망적인 시간만이 끝없이 지속됩니다. 의자를 조립하는 것은 사소한 것처럼 보일 수 있습니다. 그러나 사실 이것은 로봇에게 특정 징표와 같습니다. 인간의 손으로 다룰 것이라는 가정하에 만들어진 세상에서 로봇이 사물을 조작하는 데 많은 어려움을 겪어왔기 때문입니다. 연구팀은 먼저 한 쌍의 로봇 팔 기본 지침을 제공했습니다. 지침은 일반적인 인간 그림에 묘사된 것과 동일하지만 로봇 용 코드입니다. 먼저 어떤 부품이 어디에 삽입되어야 하는지 알려주는 지침들입니다. 다음으로 로봇 앞에 무작위로 배열된 부품을 놓고 로봇은 3D 카메라로 나무 부품을 관찰합니다. 그런 다음 로봇에게 작업 목록을 제공하면 로봇이 작업을 시작합니다. 싱가포르 난요 과학 기술 대학의 공학 연구원인 Fam Quan Kuong은 "로봇은 먼저 프레임의 원래 위치를 가리킨 다음 두 팔과 프레임의 움직임을 자동으로 계산합니다. 그다음 계산한 대로 잡고 움직입니다."라고 설명합니다. 예를 들어, 한쪽 팔이 의자 뒤쪽의 일부를 잡으면 다른 팔은 나무못을 잡고 이음새의 구멍에 삽입하려고 합니다. 3D 카메라의 정확도는 몇 밀리미터에 불과하므로 로봇은 구멍에서 직접 "느껴야"합니다. 구멍 주위에 나무못을 빙빙 돌려 대보아서 힘이 가해지는 패턴의 변화를 감지하면 나무못이 구멍에 약간 들어간 것으로 판단합니다. 따라서 더 많은 힘을 가하여 구멍에 완전히 밀어 넣을 수 있게 됩니다. 그러나 로봇은 여기에서 문제가 발행하는 경향이 있습니다. 구멍의 위치가 정확하게 스캔되지 않으면 이제는 구멍을 찾기 위해 너무 먼 곳을 탐색하기 시작하여 부품에서 아예 떨어진 곳으로 이동할 수 있습니다. 느껴지는 힘 패턴의 변화는 마치 구멍에 있는 것처럼 동일하므로 로봇이 구멍을 찾았다 고 판단하고 나무못을 빈 공간으로 밀어 넣으려고 합니다. 로봇 팔로 큰 부품의 양쪽 끝을 잡아야 할 때 상황은 더욱 복잡해집니다. 두 팔 각각을 잡고 들어 올리는 움직임을 계산할 뿐만 아니라 다른 팔의 움직임도 고려해야 합니다. 야구 방망이의 양쪽 끝을 잡고 각각 회전시킨다고 상상해보십시오. 각 팔이 다른 팔의 움직임에 의해 제한되는 것을 볼 수 있습니다. 로봇에게 이것은 인간보다 훨씬 더 큰 문제입니다. 로봇은 부품을 스캔하고 계산 한 다음 그로부터 나오는 계획을 그대로 실행해야 하기 때문입니다. 예를 들어 부품을 모델링할 때 작은 실수를 하면 계산에 오류가 생기기 때문에 팔이 서로 싸우기 시작하여 한쪽은 이쪽으로, 다른 쪽은 저쪽으로 당겨집니다. 그렇게 되면 로봇이 결국 부품 조각을 깨뜨릴 수 있습니다. 해결책은 힘 센서입니다. "힘이 너무 강하다고 생각되면 로봇의 움직임을 변경하여 오류가 발생한 것으로 받아들이게 됩니다."라고 Fam이 설명합니다. 이것은 실질적인 대안이지만 아직도 연구자들이 상당한 도움을 제공해야 한다는 문제는 여전히 남아 있습니다. 하지만 로보틱스를 연구하는 캘리포니아 대학 버클리의 켄 골드버그는 이것을 "대단한 업적"이라고 말합니다. "가장 큰 도전은 정교한 특수 프로그래밍이 아닌 데모와 자가학습을 통해 이러한 유형의 작업을 마스터할 수 있는 새로운 접근 방식을 도입하는 것입니다." 이것이 바로 이 연구팀이 현재 작업하고 있는 것입니다. 자립의 다음 단계는 모방 학습이라고 할 수 있습니다. 인간이 로봇을 제어하여 올바른 작업 순서를 가르치거나 로봇이 인간의 움직임을 관찰하고 모방하는 학습 방법입니다. 궁극적인 목표는 무엇일까요? "마지막 단계는 완성된 의자의 이미지를 보여주는 것만으로 로봇이 조립 방법을 이해하는 수준입니다."라고 Fam은 말합니다. 그러나 우리가 그 마지막 단계를 검토하게 될 것은 아마 5 년에서 6 년 이상이 지난 후 일 것입니다. 그럼에도 불구하고 이러한 유형의 고급 학습은 로봇의 발전에 필수적입니다. 복잡한 인간 세계에서 로봇이 만나는 모든 물체를 프로그래밍하는 것은 불가능하기 때문입니다. 로봇이 직면하는 도전은 평평한 IKEA 가구의 "복잡성”을 어떻게 이길 수 있는가에 머물지 않습니다. 앞으로 많은 도전이 남아있습니다.