불연속 지형 고속 이동 기술 개발 발표...벽·계단·징검다리 넘나들며 시속 14.4km 질주해
삼성전자 미래기술육성센터 지원 속 재난 현장 등 실질적 임무 투입 기대
한국과학기술원(KAIST) 기계공학과 황보제민 교수 연구팀이 개발한 사족 보행 로봇 '라이보(Raibo)'가 불연속적이고 복잡한 지형에서도 고속으로 이동하는 성능을 입증했다.
연구진은 수직 벽을 달리고, 1.3m 폭의 간격을 뛰어넘으며, 징검다리 위를 시속 약 14.4km로 질주하는 라이보의 모습을 공개했다. 심지어 30° 경사, 계단, 징검다리가 혼합된 지형에서도 빠르고 민첩하게 움직이는 능력을 선보였다. 이러한 보행 기술은 라이보가 빠른 기간 안에 재난 현장 탐색, 산악 수색 등 실질적인 임무 수행에 투입될 것이라는 기대를 높였다.
연구팀은 복잡하고 불연속적인 지형에서 로봇이 빠르고 안전하게 목표 지점까지 도달하도록 사족 보행 내비게이션 시스템을 개발했다. 이를 위해 문제를 두 단계로 분해하여 접근했는데, ▲발 디딤 위치(foothold)를 계획하는 플래너(Planner) ▲계획된 발 디딤 위치를 정확히 따라가는 트래커(Tracker) 등 두 가지 트랙으로 기술을 개발했다.
먼저, 플래너 모듈은 신경망 기술이 이식된 경험 기반 추론 방식 휴리스틱(Heuristic)을 활용했다. 샘플링 기반 최적화 방식을 통해 물리적으로 가능한 발 디딤 위치를 빠르게 탐색하고, 시뮬레이션 예행연습(Rollout)을 통해 최적 경로를 검증한다.
기존 방식들이 발 디딤 위치 외에도 접촉 시점, 로봇 자세 등 다양한 요소를 함께 고려한 반면, 본 연구에서는 발 디딤 위치만을 탐색 공간으로 설정함으로써 계산 복잡도를 크게 낮췄다. 또한 고양이의 보행 방식에서 착안했다. 앞발을 디뎠던 곳을 뒷발도 디디는 고양이 보행 메커니즘을 적용해, 계산 복잡도를 다시 한번 크게 낮출 수 있었다.
이어 트래커 모듈은 계획된 위치에 정확히 발을 디딜 수 있도록 학습되며, 트래킹 학습은 적절한 난이도의 환경에서 경쟁적으로 이루어진 생성 모델을 통해 진행된다. 트래커는 로봇이 계획된 위치에 정확하게 발을 디디도록 강화학습(Reinforcement Learning) 기술 통해 학습된다. 이 과정에서 '맵 생성기(Map Generator)'라는 생성 모델이 목표 분포를 제공한다.
이 생성 모델과 트래커는 동시에 경쟁적으로 학습돼, 트래커가 점진적으로 어려운 난이도에 적응할 수 있도록 설계됐다. 이후 학습된 트래커의 특성·성능이 반영되도록, 트래커가 실행 가능한 디딤 위치 계획을 생성하는 샘플링 기반 플래너를 설계했다.
이 계층적 구조는 기존 기법 대비 계획 속도와 안정도 모두에서 우수한 성능을 보였다. 이 같은 실험을 통해 다양한 장애물과 불연속 지형에서의 고속 보행 능력과 처음 보는 지형에 대해서도 범용적으로 적용 가능함을 입증했다.
이번 연구 성과는 국제 학술지 '사이언스 로보틱스(Science Robotics) 2025년 5월호에 게재되며 학계의 주목을 받았다. 아울러 이번 연구는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
황보제민 교수는 “기존 불연속 지형에서의 고속 내비게이션 과제는 상당히 큰 계산량을 요구했다”며 “연구팀은 오직 발자국의 위치를 어떻게 선정하는가의 간단한 관점으로 접근해 이러한 문제를 해결했다”고 밝혔다. 그러면서 “이 기술을 통해 라이보와 같은 보행 로봇이 재난 현장 탐색이나 산악 수색 등 실제적 임무를 수행하는 데에 이바지할 것으로 기대된다”고 덧붙였다.
헬로티 최재규 기자 |
