로봇은 스스로 상상하는 법을 배운다

로봇은 스스로 상상하는 법을 배운다
엔지니어는 주변 세계가 아닌 자신을 이해하는 방법을 배우는 로봇을 만듭니다.
날짜:
2022년 7월 13일
원천:
컬럼비아 대학교 공학 및 응용 과학 대학
요약:
연구원들은 사람의 도움 없이 처음부터 몸 전체의 모델을 배울 수 있는 로봇을 만들었습니다. 새로운 연구에서 연구원들은 로봇이 스스로 운동학적 모델을 만든 다음 자체 모델을 사용하여 다양한 상황에서 동작을 계획하고 목표에 도달하며 장애물을 피하는 방법을 보여줍니다. 몸에 가해지는 손상을 자동으로 인식하여 보상하기도 합니다.

운동선수나 패션에 민감한 모든 사람이 알고 있듯이 우리의 신체 이미지는 항상 정확하거나 현실적이지는 않지만 세상에서 우리가 기능하는 방식을 결정하는 중요한 정보입니다. 옷을 입거나 공을 던질 때, 당신의 두뇌는 부딪치거나, 걸려 넘어지거나, 넘어지지 않고 몸을 움직일 수 있도록 끊임없이 미리 계획합니다.

우리 인간은 유아기에 신체 모델을 습득하고 로봇도 그 뒤를 따르고 있습니다. 컬럼비아 엔지니어링 팀은 오늘 처음으로 인간의 도움 없이 몸 전체의 모델을 처음부터 배울 수 있는 로봇을 만들었다고 발표했습니다. 사이언스 로보틱스( Science Robotics )에서 발표한 새로운 연구 에서 연구원들은 로봇이 스스로 운동학적 모델을 생성한 다음 자체 모델을 사용하여 다양한 상황에서 동작을 계획하고 목표에 도달하며 장애물을 피하는 방법을 보여줍니다. 몸에 가해지는 손상을 자동으로 인식하여 보상하기도 합니다.

로봇은 거울의 방에서 자신을 탐색하는 유아처럼 자신을 관찰합니다.

연구원들은 5개의 스트리밍 비디오 카메라 원 안에 로봇 팔을 배치했습니다. 로봇은 자유롭게 물결치는 모습을 카메라를 통해 관찰했습니다. 거울의 방에서 처음으로 자신을 탐색하는 아기처럼 로봇은 다양한 운동 명령에 따라 몸이 정확히 어떻게 움직이는지를 배우기 위해 몸을 흔들고 일그러졌습니다. 약 3시간 후 로봇은 멈췄다. 내부 심층 신경망은 로봇의 운동 행동과 로봇이 주변 환경에서 차지하는 부피 사이의 관계 학습을 마쳤습니다.

작업을 수행한 Columbia의 Creative Machines Lab 소장이자 기계 공학 교수인 Hod Lipson은 "우리는 로봇이 스스로를 어떻게 상상했는지 정말 궁금했습니다."라고 말했습니다. "하지만 신경망을 들여다 볼 수는 없습니다. 블랙박스입니다." 연구원들은 다양한 시각화 기법으로 고군분투한 후 점차 자기 이미지가 나타났습니다. "그것은 로봇의 3차원 몸을 집어삼키는 것처럼 부드럽게 깜박이는 구름의 일종이었습니다."라고 Lipson은 말했습니다. "로봇이 움직일 때마다 흔들리는 구름이 부드럽게 따라갔다." 로봇의 자체 모델은 작업 공간의 약 1%까지 정확했습니다.

자가 모델링 로봇은 보다 자립적인 자율 시스템으로 이어질 것입니다.

로봇이 엔지니어의 도움 없이 스스로를 모델링할 수 있는 능력은 여러 가지 이유로 중요합니다. 노동을 절약할 뿐만 아니라 로봇이 자체 마모를 따라갈 수 있고 손상을 감지하고 보상할 수도 있습니다. . 저자는 자율 시스템이 보다 자립적이어야 하기 때문에 이 능력이 중요하다고 주장합니다. 예를 들어 공장 로봇은 무언가가 제대로 움직이지 않는 것을 감지하고 보상하거나 도움을 요청할 수 있습니다.

연구의 제1저자인 보위안 첸(Boyuan Chen) 박사는 "우리 인간은 분명히 자아 개념을 갖고 있다"고 설명했다. 그는 현재 듀크 대학교의 조교수이다. "눈을 감고 팔을 앞으로 뻗거나 뒤로 한 걸음 물러나는 것과 같은 행동을 취하면 자신의 몸이 어떻게 움직일지 상상해보십시오. 우리 뇌의 어딘가에 우리는 자아 개념이 있습니다. 우리가 차지하는 주변 환경의 양과 우리가 움직일 때 그 양이 어떻게 변하는지 알려줍니다."

로봇의 자기 인식

이 작업은 로봇에게 일종의 자의식을 부여하는 방법을 찾기 위한 Lipson의 수십 년 간의 탐구의 일부입니다. "자기 모델링은 자기 인식의 원시적 형태입니다."라고 그는 설명했습니다. "로봇, 동물 또는 인간이 정확한 자기 모델을 가지고 있다면 세상에서 더 잘 기능할 수 있고 더 나은 결정을 내릴 수 있으며 진화론적 이점이 있습니다."

연구원들은 자기 인식을 통해 기계에 더 큰 자율성을 부여하는 것과 관련된 한계, 위험 및 논쟁을 알고 있습니다. Lipson은 이 연구에서 입증된 종류의 자기 인식이 "인간에 비해 사소하지만 어딘가에서 시작해야 합니다. 위험을 최소화하면서 이점을 얻을 수 있습니다."