인공지능(AI) 로봇을 실제 환경에서 훈련하는 것은 상당한 제약이 따른다. 수백, 수천번의 실패로 문제가 생길 수도 있으며, 또 이런 환경을 구축하기 위해서는 엄청난 주변 데이터를 수집해야 한다. 이런 문제를 해결하기 위해 디지털 트윈을 도입하는 방식이 등장했다.
테크크런치는 24일(현지시간) MIT 컴퓨터과학 인공지능 연구소(CSAIL)가 '시뮬레이션을 통한 현실 조정: 견고한 조작을 위한 리알토(RialTo, Real-to-Sim-to-Real) 접근 방식'이라는 연구 결과를 온라인 아카이브에 게재했다고 소개했다.
이는 로봇의 모방 학습과 강화 학습을 위해 디지털 트윈을 도입하자는 내용이다. 현실 세계와 똑같은 시뮬레이션 환경에서는 물리적 제약없이 무한대의 동작 학습이 가능하다는 점에 기반한다.
연구진은 "로봇에 머그잔을 식기 세척기에 넣는 방법을 실제로 가르치기 위해 머그잔 100개를 깬다고 생각해 보라"라며 "반면 물리적 환경이 구축된 디지털 트윈에서는 수백, 아니 수천번의 반복 학습이 가능하다"라고 설명했다.
실제로 시뮬레이션은 최근 로봇 훈련의 기반 요소가 됐다. 시뮬레이션을 통하면 로봇은 실제 세계에서의 테스트 시간보다 수백만번이나 빨리 테스트를 거치며 실패하고 배울 수 있다.
또 중요한 점은 디지털 트윈을 구축하기 위해 복잡하거나 고가의 장비를 사용해도 되지 않아야 한다는 점이다. 연구진은 아이폰 한대로 주변 환경을 촬영, 이를 디지털 트윈으로 구축하는 정면을 선보였다.
이를 통해 선반 위에 접시를 쌓는 것, 선반에 책을 놓는 것, 그리고 여섯가지 다른 작업과 같은 실제 세계의 다양한 로봇 조작 문제에 대해 리알토를 평가했다. 이 방식은 광범위한 데이터 수집 없이도 로봇의 현장 적응 성공을 67%까지 끌어 올렸다는 설명이다.
물론 디지털 트윈 구축은 실제 주방과 같은 복잡하고 역동적인 환경을 그대로 구축하기에는 무리라는 설명이다.
"리알토는 실제 환경의 디지털 트윈을 빠르게 스캔하고 구성하기 위한 사용하기 쉬운 인터페이스"라며 "추후 아이폰 스캔만큼 쉽고도 정교한 접근법이 등장하면 로봇이 다양한 환경에 적응하는 능력을 크게 향상할 수 있다"라고 밝혔다.
임대준 기자 ydj@aitimes.com
