새로운 강화학습 로보트 제어 기술을 적용한 인간형 로보트가 인간 꼴키퍼의 움직임을 보고 공의 위치를 추적하면서 걷는 방향과 자세, 슛 동작을 즉각 조절하는 방식으로 대응해 꼴을 넣는 데 성공했다.

청화대학과 IT기업 ‘바이트댄스’ 연구팀은 시각정보를 바탕으로 주변 상황에 즉각 반응해 축구기술을 수행하는 인간형 로보트 제어 기술을 개발하고 연구결과를 19일 국제학술지 《과학 로보트》에 발표했다.

인간형 로보트가 축구를 하려면 빠른 물체를 추적하고 움직임을 예측하는 기술과 정확한 슛을 위한 자세 조절 등 여러 능력이 결합돼야 한다. 기존 제어 시스템은 대부분 인식과 제어 과정을 별도로 처리해 실제 환경에서 변화하는 신호에 즉각적으로 대응하는 데 한계가 있었다.

연구팀은 시각정보와 움직임 제어를 결합해 함께 학습하는 강화학습 기반 제어 시스템을 개발했다. 강화학습은 로보트가 다양한 행동을 직접 시도하고 시행착오를 거치면서 더 나은 동작을 찾아가도록 학습시키는 방식이다. 로보트는 시뮬레이션 환경에서 공을 꼴문 방향으로 차는 과정을 반복적으로 훈련했다.

연구팀은 ‘가상시각 인식시스템’을 도입해 불완전한 시각 정보로도 안정적으로 움직이도록 했다. 가상시각 인식시스템은 로보트에 탑재된 카메라에서 발생할 수 있는 시각적 잡음과 물체 감지 실패 상황을 가상으로 생성한다. 시스템을 통해 생성된 불확실한 정보에 대한 가상 데이터는 학습 과정 자체에 반영된다.

로보트는 미리 정해진 동작을 수행하지 않고 다양한 정보를 결부해 실시간으로 공의 위치와 움직임에 따라 행동을 수정한다. 연구팀은 움직임 패턴을 조정하기 위한 추가 정보도 입력했다.

연구팀이 개발한 시스템을 도입한 로보트는 기존 규칙 기반 제어 시스템을 도입했을 때와 비교해 공의 위치 추정 오차가 46% 줄었고 공을 차기까지 걸리는 시간이 최대 64% 단축됐다. 상대 진영에 해당하는 전방 위치에서는 뽈차기 성공률이 약 90%를 달성했다.

연구팀은 개발한 시스템을 인간형 로보트 ‘T1’에 적용했다. 실험 결과 로보트는 공에 접근하기 위해 발을 끌 듯 움직이거나 옆걸음질 하는 등 보행 방식을 상황에 맞게 조절했다. 인간 꼴키퍼를 상대로 경기를 펼칠 수 있었으며 경기장 여러 위치에서 빠르고 강한 슛을 구사하면서 실제 꼴을 넣는 데도 성공했다.

개발된 시스템이 적용된 로보트 축구팀은 지난해 열린 ‘로보컵 2025’의 ‘성인 크기 인간형 로보트 리그’와 ‘2025 세계 인간형 로보트 게임’에서 우승했다.

연구를 이끈 바이트댄스 연구원은 “이번 연구는 축구라는 특정 분야를 넘어 인식과 행동을 통합적으로 학습해 실제 환경에서 인간형 로보트의 능력을 발전시키는 새로운 접근법을 제시한다.”며 “주변 환경에 스스로 적응하는 자주적인 로보트 시스템을 구현하는 데 일층 가까워질 것”이라고 말했다.　 

외신