작년 휴머노이드 로봇이 갑작스럽게 주류의 관심을 받으면서 더욱 많은 기업들이 자체 모델을 발표했지만, 대부분은 유사한 작동을 보인다. 일반적인 휴머노이드는 팔과 집게를 이용해 물체를 다루고 단단한 다리가 이동 방식을 제공한다. 그러나 Toyota Research Institute(TRI)의 연구자들은 로봇 Punyo를 통해 휴머노이드를 한 단계 발전시키고 싶다고 말한다.

Punyo는 다리가 없다는 점에서 전통적인 휴머노이드 로봇과는 다르다. 지금까지 TRI 연구팀은 로봇의 몸체에 집중하며 조작(manipulation) 기술을 개발하고 있다. 

TRI의 전체 몸체 조작을 담당하는 기술 책임자 Alex Alspach는 “가정 및 다른 장소에서 사람들의 일상적인 작업을 돕는 것을 목표로 한다”며 “이러한 조작 작업들 중에는 손과 손가락 외에 더 많은 신체를 사용해야 하는 것들이 많다”고 말했다.

그는 사람이 큰 물체를 옮길 때에는 팔만 사용하지 않는다고 설명한다. 물체를 가슴 쪽으로 기울여 팔의 부하를 줄이고 목적지에 도달하기 위해 등으로 문을 밀면서 들어가기도 한다는 것이다.

몸 전체를 사용하는 조작은 휴머노이드가 수행하기 어려운데, 균형이 주요 문제이다. 그러나 TRI의 연구자들은 이러한 동작을 수행할 수 있는 로봇을 설계했다.

TRI의 몸체 조작을 담당하는 기술 책임자 Andrew Beaulieu는 “Punyo는 다른 방식으로 작동한다”며, “몸 전체를 이용하면 단순히 손만 뻗어 압력을 가하는 것보다 물체를 운반하는 능력이 높아진다”고 덧붙였다. 그는 “부드럽고 촉각을 느낄 수 있으며, 수많은 접촉을 할 수 있는 능력을 이용해 물체를 더욱 효과적으로 조작할 수 있다”고 설명했다.

TRI는 ‘punyo’라는 단어가 귀엽지만 회복력이 있는 로봇의 이미지를 연상시키는 일본어라고 말한다. TRI는 부드럽고, 상호작용이 가능하며, 비용이 높지 않고, 안전하고, 내구성과 기능을 갖춘 로봇을 만드는 것이 목표라고 선언했다.

◆ 내부 센서를 포함하며 부드럽게 움직이는 관절 

Punyo의 손, 팔, 가슴 부분에는 유연한(compliant) 소재와 접촉을 느낄 수 있는 촉각 센서가 적용된다. 부드러운 소재 덕분에 로봇의 몸체가 조작하는 물체에 순응할 수 있다.

커버 아래에는 단단한 로봇 팔 두 개와, 몸통 프레임, 허리 액추에이터(actuator)가 있다. TRI는 전통적인 로봇의 정밀성과 부드러운 로봇 시스템의 컴플라이언스(compliance), 내충격성, 단순한 감지 능력을 결합하고자 했다고 말한다.

Punyo의 팔 전체에는 공기 주머니, 즉 버블을 두르고 있다. 이 버블은 튜브를 통해 압력 센서와 연결된다. 이 센서를 이용해 버블의 외부 표면에 가해지는 힘을 느낄 수 있다.

원하는 강성을 확보하기 위해 각 버블에 개별적으로 압력을 가할 수 있으며, 로봇 팔의 표면에 약 5cm 정도의 컴플라이언스를 확보한다.

Punyo는 일반적으로 사용되는 집게 대신 마찰력이 높은 단일 라텍스 버블과 내부의 카메라가 포함된 뭉툭한 손을 가지고 있다. 연구팀은 버블 내부에 도트 패턴을 인쇄했으며, 카메라는 이 패턴의 변형을 관찰하여 힘을 추정한다.

◆ 몸 전체를 사용하는 조작 학습

Punyo는 확산 정책(diffusion policy)과 예시를 이용한 강화 학습(reinforcement learning)을 통해 접촉이 풍부한(contact-rich) 정책을 학습했다. TRI는 작년에 자체 확산 정책 방식을 발표했다. 이 방법을 이용하면 로봇이 모델링하기 어려운 작업을 수행하기 위한 감각운동(sensorimotor) 정책을 사람의 시연을 이용해 학습할 수 있다.

이러한 작업의 시연을 확인할 수 있는 경우 로봇이 더욱 효율적으로 학습할 수 있다. 이를 통해 TRI 팀은 로봇이 작업을 달성하기 위해 사용하는 동작의 스타일에 영향을 줄 수 있는 방법도 확보한다.

연구팀은 기존에는 컴퓨터 애니메이션 캐릭터에 스타일을 부여하기 위해 사용되었던 적대적 동작 사전 정보(adversarial motion prior, AMP)를 통해 사람의 동작에 대한 모방을 강화 파이프라인에 도입한다.

연구팀은 강화 학습을 위해 시뮬레이션에서 학습할 작업을 모델링해야 한다. 이를 위해 TRI는 원격 조종(teleoperation)보다는 시연을 위한 모델 기반 플래너를 사용했다. TRI는 이 과정을 ‘계획 주도 강화 학습(plan-guided reinforcement learning)’이라고 말한다.

TRI는 플래너를 사용하면 장시간 진행되어 원격조종이 어려운 작업을 수행할 수 있다고 주장했다. 또한 연구팀은 몇 가지 시연을 자동으로 생성하여 사람에 대한 파이프라인의 의존도를 줄일 수 있었다. 그 결과 TRI는 Punyo가 다룰 수 있는 작업의 수를 늘릴 수 있다.