가정집에서 진공청소기 로봇 외 다른 로봇이 많지 않은 이유에는 여러 가지가 있습니다. 그중 가장 큰 난관은 바로 비정형적이고 반(半)구조적인 환경입니다. 집은 레이아웃, 조명, 바닥재, 사람, 반려동물에 이르기까지 어느 집도 제각각입니다. 로봇이 각 집을 효과적으로 매핑할 수 있다 하더라도, 공간 자체는 끊임없이 변하기 때문입니다.
이번 주 MIT CSAIL의 연구원들은 가정용 로봇을 시뮬레이션으로 훈련시키는 새로운 방법을 선보였습니다. 사용자는 아이폰을 이용해 가정의 일부를 스캔하고, 이 데이터를 시뮬레이션에 업로드할 수 있습니다.
시뮬레이션은 지난 수십 년간 로봇 훈련의 핵심적인 기반이 되었습니다. 이는 로봇이 실제 세계에서 한 번 작업을 수행하는 데 걸리는 시간과 맞먹는 시간 동안, 수천 번—혹은 수백만 번—의 시도와 실패를 경험하게 해주기 때문입니다.
시뮬레이션 환경에서의 실패 결과는 실제 상황에서의 실패와 비교할 수 없을 정도로 안전합니다. 예를 들어, 로봇에게 식기세척기에 머그컵을 넣는 법을 가르치는 과정에서 실제 머그컵 100개를 깨야 한다고 상상해 보십시오.
이 연구와 관련하여 풀킷 아그라왈(Pulkit Agrawal) 연구원은 영상에서 “가상 세계인 시뮬레이션에서 훈련하는 것은 매우 강력합니다. 로봇이 수백만 번이나 연습할 수 있기 때문입니다”라며, “만약 도자기 1,000개를 깼다고 해도 상관없습니다. 모든 것이 가상 환경에 불과했기 때문입니다”라고 말합니다.
그러나 로봇 자체의 성능에 비추어 볼 때, 시뮬레이션 또한 가정과 같은 동적 환경 앞에서는 한계가 있습니다. 시뮬레이션을 아이폰 스캔만큼 쉽게 구현할 수 있다면, 로봇이 다양한 환경에 적응하는 능력을 극적으로 향상시킬 수 있습니다.
사실, 이처럼 다양한 환경에 충분히 견고한 데이터베이스를 구축하는 것은 궁극적으로 시스템의 적응력을 높입니다. 가구 재배치를 하거나 부엌 카운터 위에 접시를 남겨두는 등, 필연적으로 환경에 제자리에 있지 않은 물건들이 발생할 때에도 말입니다.