|
(울산=연합뉴스) 김용태 기자 = 피지컬 인공지능(AI) 로봇은 걷기나 전력 질주를 잘 배웠더라도, 적당히 달리는 새로운 임무를 받으면 다리 각도나 힘 조절을 제대로 못 해 엉뚱한 동작을 하거나 멈출 수 있다.
울산과학기술원(UNIST) 인공지능대학원 한승열 교수팀은 피지컬 AI 기술의 한계로 지적되는 이같은 문제를 해결할 수 있는 새로운 학습기법 'TAVT'(Task-Aware Virtual Training)를 개발했다고 19일 밝혔다.
이 기법은 AI 스스로 가상의 임무를 만들어 미리 학습하게 하는 방식이다. 딥러닝 기반 표현 학습 모듈과 생성 모듈로 구성됐다.
표현 학습 모듈이 서로 다른 임무 간 유사도(거리)를 정량화해 임무 구조를 파악하면, 생성 모듈이 이를 조합해 새로운 가상의 임무를 만든다. 이 가상 임무는 원래 임무의 특징을 보존할 수 있도록 설계된다.
제1저자 김정모 연구원은 "기존 강화학습은 하나의 임무에서 최적의 정책을 익히도록 설계돼 새로운 상황에서는 성능이 급격히 떨어진다"며 "다양한 임무를 경험하게 하는 메타 강화학습 기법도 있지만, 훈련 범위를 벗어난 상황에서는 여전히 적응이 쉽지 않다"고 말했다.
연구진은 새 학습기법을 치타, 개미, 2족 보행 등 다양한 로봇 시뮬레이션 환경에 적용한 결과 훈련하지 않은 임무에 대한 적응력이 향상된 것을 확인했다.
특히 치타 로봇 시뮬레이션 실험에서는 경험해보지 못한 중간 속도에서도 목표 속도를 빠르게 파악해 안정적으로 주행을 이어갔다.
한승열 교수는 "이 기법은 피지컬 AI 로봇이나 자율주행차, 드론 등 다양한 상황에서 유연한 대응이 필수적인 분야에 폭넓게 활용할 수 있을 것"이라고 말했다.
이런 연구 결과는 지난달 캐나다 밴쿠버에서 열린 세계 3대 AI 학회인 '2025 ICML'에서 발표됐다.
yongtae@yna.co.kr
<연합뉴스>
