MIT 연구팀, AI로 로봇 점프 높이와 안전 착지 개선

MIT 컴퓨터 과학 및 인공지능 연구소(MIT CSAIL)의 연구진들이 인간이 설계한 로봇을 개선하기 위해 생성형 인공지능(GenAI)을 활용하는 새로운 접근 방식을 제시했습니다. Byungchul Kim(왼쪽)과 Tsun-Hsuan "Johnson" Wang이 주도한 이 연구는 로봇이 더 높이 점프하고 안전하게 착륙할 수 있도록 설계를 최적화하는 데 초점을 두고 있습니다. 확산 모델은 OpenAI의 DALL-E와 같은 시스템으로, 이미지 생성, 비디오 제작, 설계 수정 등 다양한 분야에서 활용되고 있습니다. 이러한 모델들은 사용자 입력 없이도 새로운 설계를 만들고, 시뮬레이션을 통해 성능을 평가한 후 제작할 수 있는 능력을 보여주고 있습니다. MIT CSAIL 연구팀은 이 기술을 활용하여 로봇의 일부 부품을 수정하고자 하는 사용자가 3D 모델을 작성하고, 해당 부품의 크기를 미리 제공하면 GenAI가 최적의 형태를 고안해내도록 설계했습니다. 시뮬레이션에서 최적의 결과를 얻은 설계를 저장하고 3D 프린터로 제작할 수 있습니다. 연구팀은 이 접근 방식을 사용하여 기존에 자체적으로 만든 로봇보다 평균 2피트(약 60cm) 높이, 즉 41% 더 높이 점프하는 로봇을 만들었습니다. 두 로봇은 플라스틱인 폴리락티드산(polylactic acid)으로 제작되었으며, 처음에는 평평하지만 모터가 연결된 줄을 당기면 다이아몬드 형태로 뛰어오르는 특징을 공유합니다. 그러나 AI가 생성한 부품은 직선형이 아닌 곡선 형태로, 두꺼운 드럼 스틱처럼 생겼습니다. 이 형태 덕분에 로봇은 점프 전 더 많은 에너지를 저장할 수 있었으며, 동시에 구조물이 쉽게 파손되는 것을 방지했습니다. 김병철 박사는 "우리는 로봇을 더 높이 점프시키기 위해 부품들을 가능한 한 얇게 만들어 가벼워지게 하려고 했습니다."라고 말합니다. "그러나 3D 프린팅 재료만으로는 너무 얇은 구조물이 쉽게 깨질 수 있습니다. 우리의 확산 모델은 로봇이 점프하기 전 더 많은 에너지를 저장할 수 있게 돕는 독특한 형태를 제안하여, 이러한 문제를 해결해주었습니다. 이 창의성은 로봇의 기본 물리학에 대해 배울 수 있는 좋은 기회였습니다." 연구팀은 로봇의 점프와 착륙 성능을 균형 있게 개선하기 위해 두 목표를 숫자 데이터로 표현하고, 이를 통해 AI 시스템을 교육시켰습니다. 점프 높이와 착륙 성공률 사이의 최적점을 찾아내는 임베딩 벡터를 학습시켜 3D 구조물을 설계하도록 했습니다. 이 과정은 5번 반복되었으며, 각 단계에서는 시뮬레이션 성능이 뛰어난 상위 12개 설계를 선별하여 임베딩 벡터를 최적화했습니다. 최종적으로 선택된 설계는 로봇의 점프 성능을 크게 향상시켰습니다. 다음으로, 연구팀은 AI 시스템에게 안전한 착륙을 위한 최적화된 발을 설계하도록 요청했습니다. 동일한 최적화 과정을 거쳐 성능이 가장 우수한 설계를 로봇 하단에 부착했으며, 결과적으로 AI 설계된 로봇은 기존 로봇보다 84% 더 적게 넘어지는 것으로 나타났습니다. Wang은 "우리는 자연어를 사용하여 확산 모델을 제어하여 컵을 집거나 전동 드릴을 조작할 수 있는 로봇을 설계할 수 있기를 기대합니다."라고 말하며, 이 프로젝트가 다양한 로봇 설계의 가능성에 대한 출발점이 될 것이라고 강조했습니다. 또한 김박사는 "확산 모델은 부품 연결 방법을 고안하는 데도 도움이 될 수 있으며, 이는 로봇의 점프 높이를 더욱 향상시킬 수 있다."라고 덧붙였습니다. 향후 버전에서는 더 가벼운 재료를 사용하여 점프 성능을 더욱 높일 계획이며, 추가 모터를 탑재하여 점프 방향을 제어하고 착륙 안정성을 개선하는 것도 검토 중입니다. 이 연구는 로봇 설계에 있어서 인간의 창의력 이상의 가능성을 열어주며, 공학자들이 시간을 절약하고 설계를 신속히 개선할 수 있는 길을 제시합니다. 이러한 기술이 미래의 제조업이나 가정용 로봇 설계에 어떻게 적용될지 기대됩니다.