[국제필드로봇포럼]①일본과 호주의 인공지능 로봇 연구

로봇신문이 주최한 ‘국제필드로봇포럼’이 지난 27일 200여명의 국내 외 전문가들이 참석한 가운데 코엑스에서 성황리에 열렸다.

제어로봇시스템학회(ICROS)·로봇신문 주최, 한국로봇산업진흥원·한국로봇융합연구원·필드로봇소사이어티 주관, 농촌진흥청 후원으로 열린 이번 국제필드로봇포럼(IFRF)은 올해로 4회째를 맞았으며 최근 뜨거운 관심사로 떠오르고 있는 ‘인공지능과 필드로봇’을 주제로 열렸다.

▲로봇신문 조규남 대표가 개회사를 하고 있다.

이날 컨퍼런스에서 로봇신문 조규남 대표는 개회사를 통해 “인공지능이 국방, 원자력, 우주, 농업 등 다양한 분야의 필드로봇에 적용되고 있다”며 "이번 컨퍼런스가 국내 필드로봇의 발전에 도움이 되기를 기대한다"고 말했다.

▲필드로봇소사이어티 김승호 수석부회장이 이석한 회장을 대신해 환영사를 하고 있다.

이어 필드로봇소사이어티 김승호 수석부회장은 환영사에서 “필드 로봇은 국방, 재난구조, 우주 탐험 등 분야에서 인간을 지원하며 미래에는 실용적인 가치가 더욱 커질 것”이라며 “향후 딥러닝 기반 머신러닝 발전이 필드로봇 기술 발전에 크게 영향을 미칠 것”이라고 말했다.

▲박철휴 한국로봇융합연구원장이 축사를 하고 있다.

박철휴 한국로봇융합연구원장은 축사를 통해 “세계적으로 필드로봇시장은 27% 이상 성장하고 있으나 한국은 5% 수준에 그치고 있다”며 “전문 서비스 로봇 육성으로 필드로봇 분야에서 새로운 돌파구를 찾아야 한다”고 강조했다. 또 필드로봇포럼이 전문 서비스 로봇 발전의 계기가 되었으면 한다는 바램도 전했다.

▲ 오전 세션 사회를 맡은 충남대 김성수 교수

이날 컨퍼런스에선 호주, 일본의 인공지능 로봇 전문가를 비롯해 국방,농업, 해양 등 각 산업 분야의 국내 대표 전문가들이 강연자로 나서 필드 로봇의 변화, 핵심 기술 동향, 필드로봇 분야와 인공지능의 융합 등에 관해 소개했다. 일본 리츠메이칸대학의 타니구치 타다히로 교수와 호주 시드니대학 ‘호주필드로봇센터’의 제임스 언더우드 연구위원 등 11명의 발표자들이 현재 추진하고 있는 인공지능과 필드 로봇 연구 현황에 관해 발표했다. 이날 발표된 기조 강연의 주요 내용을 간추려 소개한다.

(기조발표 1)주제:인공지능과 로봇 융합의 미래-일본 리츠메이칸대학 타니구치 타다히로 교수

▲일본 리츠메이칸대학 타니구치 타다히로 교수

최근 일본에선 머신러닝 로봇 공학, 인공지능 언어습득 기술 등에 관한 연구가 각광받고 있으며, 특히 ‘기호 창발(symbol emergence)’에 관한 연구가 인기를 끌고 있다.

필드로봇에서 AI는 매우 중요한 주제다. AI는 의사결정시스템이며 패턴 인식 방법이다. 인공지능 기술의 역사를 간략히 살펴보면 30년전에 룰(rule) 기반의 인공지능 연구가 있었다. 하지만 연구자가 직접 입력(input)하고 프로그래밍하는게 쉽지 않았다. 그래서 머신 러닝 방법론이 등장했다. 머신러닝을 위해선 레이블 데이터를 이용해 트레닝 하는 과정이 필요하다. 전통적인 머신러닝 방법은 연구자가 데이터를 만들어서 입력과 출력을 도와주어야 했다.

비주얼 머신러닝 시스템이 등장하면서 좀 더 강건한 시각 인지가 가능해졌고 딥러닝의 혁신이 가능해졌다. 구글 등이 도입한 ‘딥Q 네트워크’는 이미지를 보고 학습하는게 가능하다. 최근에는 엔드 투 엔드 러닝(end-to-end learning)이 주목받고 있다. 하지만 이것으로 충분치 않다.

로봇이 일상적인 집안 일을 처리하려면 인간과 의사소통 및 협업을 해야한는데 매우 복잡한 환경을 고려해야한다. AI가 인간과 의사소통하고 있지만 일상 생활에 적용하기에는 아직 충분치 않다.

인간이 지도하지 않아도 로봇이 스스로 할수 있는 로봇이 바로 자율로봇인데, 필드로봇이 지향하는 바다. 전통 머신러닝 방법은 인간이 제공한 데이터를 이용해 훈련을 한다. 지도 머신러닝 역시 레이블 데이터에 의존한다. 레이블 데이터 없이도 혼자 학습하는 게 AI의 과제다. 아이들은 어떻게 언어를 습득할까. 아이들은 의사소통과정에서 레이블 데이터 없이도 언어를 배운다. 라이브러리를 설치하지 않지만 아이들은 많은 스킬을 환경에서 배운다. 이를 인공지능에 적용한 것이 ‘기호창발’이다.

에이전트는 센서를 통해 정보를 습득하고 물리적 상호작용뿐 아니라 소셜 인터렉션을 하는게 필요하다. 언어는 많은 것을 포함하고 있어 한꺼번에 배울 수 없다. 인지능력 감각운동에 기반하고 상호의존적이다. 감각운동 정보가 있어야 언어를 배울 수 있다.

로봇 역시 촉각, 청각, 시각 정보를 통해 ‘다중 모달(multi modal)’로 확장해야한다. 다중모달 기반의 감각 운동을 통해서 데이터를 이해하고 개념을 이해할 수 있다.

로봇은 언어를 습득하는 데 어려움이 있다. 우리는 어린이들이 말을 배우는 것처럼 로봇이 언어를 습득하는 기술을 연구하고 있다. 어휘 습득을 하기 위해선 언어에 관한 지식이 없는 로봇은 단어간에 분절시키는게 중요하다. 아이들이 언어를 배울 때 분절된 단어만 말하는 경우는 없다. 마찬가지로 로봇도 단어를 발견해야 한다. 레이블 없이 스피치 시그널만으로 단어를 파악해야 한다.

‘객체’의 어휘를 파악하기 위해선 객체의 범위를 알아야 한다. 로봇이 사과를 이해할 때, 어떻게 객체 범주를 만들 수 있을까가 문제가 된다. 해결책은 멀티모달 객체 카테고리를 통합해 단일화된 학습 시스템을 만드는 것이다. 우리의 목표는 레이블 데이터 없이 로봇이 인터렉션을 통해 학습할 수 있도록 하는 것이다. 언어 인식이 중요한 콘텍스트다. 특정 언어시스템 이해하려면 모든 정보를 통합해야한다. 언어인식이 최우선 태스크다. 로봇 학습 방식에서 멀티 모달 센서를 활용하면 많은 진전을 이룰 수 있다.

(기조발표 2) 주제:미래 필드로봇과 SLAM 기술-제임스 언더우드(James Underwood) 호주 시드니대 호주필드로봇 센터(ACFR) 연구위원

▲제임스 언더우드(James Underwood) 호주 시드니대 호주필드로봇 센터(ACFR) 연구위원

호주는 2천5백만의 인구와 풍부한 천연자원이 있으며 농업·광업·운송 산업이 핵심 산업을 형성하고 있다. 필드로봇의 최적지이며 이 분야에서 세계적인 경쟁력을 확보하고 있다. 20여년전 시드니대에 필드로봇센터가 설립돼 농업, 광산, 운송 등 호주의 핵심 산업에 적용할 수 있는 실용적 연구를 시작했다. 센터는 여러 기업의 후원을 받아 수십년 동안 다양한 분야의 필드 로봇을 개발했다. 오늘은 센터가 개발한 농업 분야 로봇을 중심으로 소개하겠다.

호주 농업은 여러 문제를 안고 있다. 농부의 평균 연령이 55세로 노령화가 빠른 속도로 진행되면서 농업의 승계도 잘 이뤄지지 않고 있다. 임금 수준도 높고 노동 효율성은 떨어진다. 산불, 홍수, 가뭄 등이 동시다발적으로 발생하며 광대한 대륙내 운송, 고객들의 요구 사항 증대 등 문제에 직면해 있다. 필드 로봇이 이를 해결할 수 있는 대안이다.

센터가 개발한 로봇은 다양한 센서를 장착했고, 저렴한 비용으로 구현할수 있다. 대표적인 로봇인 ‘레이디버드’는 작물 연구에 주로 활용되고 있다. 농업뿐 아니라 다양한 분야에 적용 가능한 로봇 플랫폼이다. 태양광과 전기로 작동하며 360도 비전 카메라, 초분광 센서, 라이더, GPS, 로봇 암을 장착하고 있다. 자율주행과 자율스캐닝이 가능하다. 작물을 스캐닝 하면서 데이터를 습득하고 고해상도로 전환한다. 3D센싱이 정확해 작물 정보 수집이 가능하다. 라이더 데이터를 이용해 작물의 생육 정도에 따라 색깔을 달리할 수 있으며 데이터의 정량화를 통해 작물 생육현황을 빠르게 파악할 수 있다. 데이터 해상도는 mm의 정확도를 갖고 있으며 픽셀별로 확대해 볼 수도 있다.

센터는 잡초 제거 등 작물 조작(매니퓰레이션)이 가능한 농업 로봇도 개발했다. 딥러닝 기법을 이용해 잡초 검출 및 제거, 제초제 분사가 가능하다. 토양 센서를 부착해 토양의 속성을 판단하고 토양 매핑도 가능하다. 태양광 패널을 탑재하고 배터리 저장 시스템이 있기 때문에 밤에도 활용할 수 있다. 전력만 공급되면 휴식 없이 24시간 작동 가능하다.

레이디 버디 로봇을 기반으로 저비용 로봇 플랫폼도 개발했다. 이 플랫폼은 2개의 바퀴로 굴러가며 카메라를 탑재해 스캐닝이 가능하다. 교육용으로도 많이 활용하고 있다. 농촌 지역 학생들을 대상으로 이 로봇을 활용해 코딩 방법도 교육할 수 있다.

지난 2009년 개발한 슈림프(Shrimp) 로봇 플랫폼은 농업뿐 아니라 국방, 물류 등 다양한 분야에 적용 가능하다. 레이디버드보다 많은 센서를 부착했다. 스테레오 카메라, 360도 카메라, 라이더, 거리 센서, 토양센서 등이다. 젖소 목장에 적용 가능한 로봇도 개발했다. 소몰이를 할 경우 빨리 몰면 소의 관절에 문제가 생긴다. 젖소들을 소몰이 로봇이 차분하게 몰아가면 젖소 복지에도 도움이 되고, 젖소들의 건강도 실시간으로 체크할 수 있다. 슈림프 로봇은 동물의 각 부분을 스캐닝하고 건강을 관리할 수 있다. 호주의 아웃백 지형에 적합한 농업용 로봇인 ‘스웨그봇(Swagbot)’도 개발됐다. 복잡한 지형에 적합하다.

자율주행이 가능한 과수원 로봇도 개발했다. 과실수와 농장 전체를 스캐닝해 높은 해상도의 서비스를 제공할수 있다. 이미지를 활용해 농부들의 의사결정을 도와준다. 과수원에선 GPS가 기능을 하지 않은 경우가 많기 때문에 SLAM 기술을 활용했다.

SLAM은 GPS보다 훨씬 정확하다. 나무들간에 경계를 인식할 수 있도록 나무의 종류에 따라 색깔을 달리해 세그멘트화할 수 있다. 로봇은 3D데이터를 활용해 나무의 두께, 높이, 생육 상태 등을 알 수 있으며 일조량도 파악한다. 딥러닝 통해 사과, 아몬드 등 과일의 종류를 구별할 수 있다. 360도 멀티뷰 기술을 적용하면 나무 사이에 숨어 있는 과일까지도 찾아낸다.