주요 돌파구! 베이징 연구팀, 세계 최초 ‘힘-위치 하이브리드 제어 알고리즘’ 제안

최근 중국 연구팀이 로봇 알고리즘 분야에서 중요한 돌파구를 마련하여, 세계 최초의 ‘힘-위치 혼합 제어 알고리즘’ 통합 이론을 제시하였다. 이 알고리즘은 힘 센서에 의존하지 않으며, 로봇이 위치 제어와 힘 제어를 동시에 학습할 수 있도록 한다. 관련 작업의 성공률은 위치 제어만 사용하는 전략에 비해 약 39.5% 향상되었다. 특히 주목할 만한 점은 이 연구를 다룬 논문이 국제 로봇 학습 회의(International Robot Learning Conference)에서 우수 논문상을 수상하였다는 것이다. 이는 해당 상 제정 이래 중국 학자 팀이 처음으로 수상한 사례이다.
베이징 제너럴 인공지능 연구소 실험 현장에서, 이 새로운 알고리즘을 탑재한 사족 기계 개가 흰보드를 체계적으로 닦는 훈련 과제를 수행하고 있다. 연구진은 이 실용적인 시나리오를 활용해 기자들에게 ‘힘-위치 혼합 제어 알고리즘’의 핵심 원리와 두드러진 장점을 설명했다.
베이징 일반 인공지능 연구소의 연구원 자이 바오슝: 주류 시각 언어 행동 모델은 사실상 카메라로 촬영한 사진을 입력으로 받아 궤적을 예측한다. 이 궤적은 로봇이 닦는 과정에서 화이트보드를 정확히 따라가지 못하게 해, 글자를 제대로 지우지 못하는 상황을 초래할 수 있다. 힘-위치 혼합 제어 모델에서는 힘 차원을 최대한 보완하려고 시도하여, 정밀한 위치 제어를 기반으로 화이트보드에 압력을 가하는 효과를 달성함으로써 화이트보드에 밀착되어 글자를 지울 수 있도록 한다. 즉, 기존 시각 언어 행동 모델에서 힘 차원을 단순히 평탄화한 데 그치지 않고, 힘 제어와 위치 제어를 동시에 혼합하는 효과까지 달성하였다.
연구자들에 따르면, 널리 사용되는 시각 언어 행동 모델은 실제 생활의 많은 과제를 처리하는 데 자주 부족함을 보인다. 핵심 문제는 대부분의 이러한 과제가 복잡한 접촉 상황을 포함한다는 데 있다. 예를 들어, 칠판을 닦을 때 로봇 팔은 적절한 압력을 유지하면서 표면에 밀착되어야 하며, 전기 제어반 문은 내부의 밀기-당기기 스프링 구조를 정확히 인지해야 한다. 또한 로봇은 단순히 ‘원하는 곳으로 가서 원하는 곳으로 손을 뻗는’ 수준을 넘어서, ‘얼마만큼의 힘을 써야 하는지’를 이해해야 한다. ‘힘-위치 혼합 제어 알고리즘’이 등장하기 이전에는, 이러한 모든 과제를 힘 센서를 통해 해결해야 했다.
베이징 일반 인공지능 연구소의 연구원 자이 바오슝: 힘 센서는 실제로 고정식 로봇 팔에 더 흔히 추가되며, 이로 인해 설치가 더 복잡해지고 비용도 증가한다. 힘-위치 혼합 제어 모델은 전통적인 VLA 모델(시각 언어 행동 모델)에 비해 힘이 필요한 작업의 성공률을 약 40% 높였다.