카메라 없이 촉각만으로, 로봇 손이 바오딩 공을 112.5바퀴 돌렸다
카메라 없이 관절 센서와 켜짐 꺼짐만 감지하는 촉각 센서 16개만 쓴 섀도 덱스터러스 핸드 라이트가 바오딩 공 두 개를 310초 동안 112.5바퀴 돌렸다고 영국 에든버러대 연구진이 프리프린트로 발표했다. 촉각 신호를 끄자 평균 회전 수는 34.75바퀴에서 5.00바퀴로 줄었다.
시뮬레이션에서만 학습한 강화학습 정책이 실제 로봇 손에서 시각 없이 공 두 개를 돌릴 수 있는지, 그리고 단순한 접촉 신호가 관절 감각만 쓸 때보다 무엇을 더해 주는지를 묻는다.
손안 조작은 접촉이 끊임없이 생기고 사라져 시뮬레이션하기 어렵고, 손이 물체를 가려 카메라로도 보기 힘들다. 대부분의 시스템은 카메라나 마커, 시뮬레이터 내부 정보로 물체 위치를 받는데 실제 작업에서는 쓸 수 없거나 믿기 어려운 경우가 많다.
기존 실물 바오딩 공 연구는 반 바퀴 수준(Nagabandi 등, Yang 등)이나 10초에 약 3바퀴, 초당 약 0.30바퀴(Yuan 등)에 그쳤고 대부분 외부 물체 상태 정보를 썼으며 연속 회전 기록은 보고하지 않았다.
연구진은 실제 센서 위치와 관절 연동을 맞춘 시뮬레이션 손을 만들고, 힘 감지 저항 센서마다 켜짐 꺼짐 임계값을 보정했다. 학습 중에는 명령 변화 속도를 무작위로 제한하는 기법과 일부 촉각 센서를 무작위로 고착시키는 STAT를 더했다. 정책은 관절 엔코더와 이진 접촉 신호 16개만 보고, 실물에 추가 학습 없이 60Hz로 투입됐다.
실물 10회 시험에서 최종 방법은 평균 34.75바퀴(2~74바퀴), 낙하까지 94.8초, 초당 0.36바퀴를 기록했고 교환 효율은 이론 최대치의 0.90이었다. 같은 정책에서 촉각만 끄면 5.00바퀴, 19.0초로 MEKAWIRE 계산 각각 6.95배, 5.0배 낮았다. 촉각 없이 학습한 정책은 4.40바퀴, 녹화 궤적 재생은 1.70바퀴였다. 두 무작위화 기법을 빼면 시뮬레이션 성적이 가장 좋았는데도 실물에서 0.35바퀴와 0.50바퀴에 그쳤다. 시뮬레이션에서 촉각을 빼면 낙하율이 약 2%에서 32%로 뛰었다. 통계에서 제외한 별도 시연에서는 310초 동안 112.5바퀴(초당 0.36바퀴, MEKAWIRE 계산)를 돌렸다.
과제 하나, 손 한 종류, 55g 공 한 쌍에서만 시험했고 10회 시험의 표준편차가 26바퀴로 편차가 크다. 112.5바퀴 기록은 통계에 포함되지 않은 단일 시연이다. 명령 속도 제한값은 정책별로 사람이 정했고(0.65, 0.53), 시뮬레이션과 실물의 촉각 활성 부위가 달랐으며, 기존 연구와의 비교는 저자들이 다른 논문과 영상에서 추정한 수치에 기댄다.
복잡하거나 어두운 환경에서 빈 피킹과 조립, 공구 사용을 노리는 국내 로봇 손과 휴머노이드 업체에는 값싼 이진 접촉 센서와 정교한 시뮬레이션이 고밀도 촉각 스킨보다 중요할 수 있다는 근거가 된다. 두 가지 무작위화 기법은 기존 학습 파이프라인에 바로 옮겨 쓸 수 있다. 1년 안에 연구용과 시범용 손에 영향을 주겠지만 공장 적용에는 공 돌리기보다 훨씬 많은 과제 검증이 필요하다.
이 논문은 라이선스상 전문을 게재할 수 없어 요약과 원문 링크만 제공합니다.