HERO, 휴머노이드 로봇의 정밀 조작 능력 비약적 향상
- •HERO 프레임워크는 예측 불가능한 현실 환경에서 휴머노이드 로봇이 다양한 물체를 정교하게 조작할 수 있게 한다.
- •로봇 공학과 머신러닝을 결합한 새로운 추적 정책을 통해 기존 대비 오차를 3.2배나 줄였다.
- •개방형 어휘 비전 모델을 통합하여 별도의 재학습 없이도 다양한 환경을 범용적으로 이해한다.
휴머노이드 로봇에게 무질서하고 예측 불가능한 현실 세계와 상호작용하는 법을 가르치는 것은 로봇 공학계의 오랜 '성배'와 같은 과제였다. 기존의 수많은 시스템이 실험실을 벗어난 환경에서 일반화하는 데 어려움을 겪어온 것과 달리, 일리노이 대학교 어바나-샴페인 캠퍼스 연구진은 HERO라는 혁신적인 패러다임을 제시했다. HERO는 공간을 이동함과 동시에 물체를 능숙하게 다루는 복잡한 기술인 '이동-조작(loco-manipulation)'에 초점을 맞춘다. 특히 고수준 비전 지능과 운동 제어를 유기적으로 연결함으로써, 로봇이 커피숍의 머그잔이나 사무실의 장난감처럼 이전에 본 적 없는 물체와도 자연스럽게 상호작용할 수 있도록 돕는다.
HERO가 보여주는 놀라운 정밀도의 비결은 바로 추적 정책에 있다. 전통적인 로봇은 주로 엄격한 수학적 계산에 의존하여 손의 위치를 지정하는데, 이는 물리적 조건이 조금만 변해도 실패할 확률이 높다는 단점이 있었다. HERO는 로봇 손의 실제 위치를 정확하게 예측하는 학습된 모델을 도입하여 이 문제를 해결했다. 실제로 고전 역학과 현대적인 소프트웨어 기법을 결합한 이 하이브리드 접근 방식은 이전 방식들과 비교해 정확도를 무려 3.2배나 향상시키는 결과를 낳았다.
무엇보다 HERO는 개방형 어휘 비전 기술을 활용한다는 점에서 큰 차별성을 갖는다. 이는 미리 설정된 목록 속 물체만 인식하는 수준을 넘어, 로봇이 인간처럼 전체 장면을 입체적으로 이해할 수 있음을 의미한다. 덕분에 로봇은 별도의 추가 학습 없이도 다양한 높이의 표면에 놓인 물체를 자유자재로 집어 올릴 수 있다. 이러한 유연한 모듈식 설계는 향후 스스로 판단하고 행동하는 에이전틱 AI 조수가 다양한 가사 노동을 자율적으로 수행하는 미래를 예고하고 있다.