-
상상만으로 원하는 방향으로 사용가능한 로봇 팔 뇌-기계 인터페이스 개발
우리 대학 뇌인지과학과 정재승 교수 연구팀이 인간의 뇌 신호를 해독해 장기간의 훈련 없이 생각만으로 로봇 팔을 원하는 방향으로 제어하는 뇌-기계 인터페이스 시스템을 개발했다고 24일 밝혔다.
서울의대 신경외과 정천기 교수 연구팀과 공동연구로 진행된 이번 연구에서 정 교수 연구팀은 뇌전증 환자를 대상으로 팔을 뻗는 동작을 상상할 때 관측되는 대뇌 피질 신호를 분석해 환자가 의도한 팔 움직임을 예측하는 팔 동작 방향 상상 뇌 신호 디코딩 기술을 개발했다. 이러한 디코딩 기술은 실제 움직임이나 복잡한 운동 상상이 필요하지 않기 때문에 운동장애를 겪는 환자가 장기간 훈련 없이도 자연스럽고 쉽게 로봇 팔을 제어할 수 있어 앞으로 다양한 의료기기에 폭넓게 적용되리라 기대된다.
바이오및뇌공학과 장상진 박사과정이 제1 저자로 참여한 이번 연구는 뇌공학 분야의 세계적인 국제 학술지 `저널 오브 뉴럴 엔지니어링 (Journal of Neural Engineering)' 9월 19권 5호에 출판됐다. (논문명 : Decoding trajectories of imagined hand movement using electrocorticograms for brain-machine interface).
뇌-기계 인터페이스는 인간이 생각만으로 기계를 제어할 수 있는 기술로, 팔을 움직이는 데 장애가 있거나 절단된 환자가 로봇 팔을 제어해 일상에 필요한 팔 동작을 회복할 수 있는 보조기술로 크게 주목받고 있다.
로봇 팔 제어를 위한 뇌-기계 인터페이스를 구현하기 위해서는 인간이 팔을 움직일 때 뇌에서 발생하는 전기신호를 측정하고 기계학습 등 다양한 인공지능 분석기법으로 뇌 신호를 해독해 의도한 움직임을 뇌 신호로부터 예측할 수 있는 디코딩 기술이 필요하다.
그러나 상지 절단 등으로 운동장애를 겪는 환자는 팔을 실제로 움직이기 어려우므로, 상상만으로 로봇 팔의 방향을 지시할 수 있는 인터페이스가 절실히 요구된다. 뇌 신호 디코딩 기술은 팔의 실제 움직임이 아닌 상상 뇌 신호에서 어느 방향으로 사용자가 상상했는지 예측할 수 있어야 하는데, 상상 뇌 신호는 실제 움직임 뇌 신호보다 신호대잡음비(signal to noise ratio)가 현저히 낮아 팔의 정확한 방향을 예측하기 어려운 문제점이 오랫동안 난제였다. 이러한 문제점을 극복하고자 기존 연구들에서는 팔을 움직이기 위해 신호대잡음비가 더 높은 다른 신체 동작을 상상하는 방법을 시도했으나, 의도하고자 하는 팔 뻗기와 인지적 동작 간의 부자연스러운 괴리로 인해 사용자가 장기간 훈련해야 하는 불편함을 초래했다.
따라서 팔을 뻗는 상상을 할 때 어느 방향으로 뻗었는지 예측하는 디코딩 기술은 정확도가 떨어지고 환자가 사용법을 습득하기 어려운 문제점이 있다. 이 문제가 오랫동안 뇌-기계 인터페이스 분야에서 해결해야 할 난제였다.
연구팀은 문제 해결을 위해 사용자의 자연스러운 팔 동작 상상을 공간해상도가 우수한 대뇌 피질 신호(electrocorticogram)로 측정하고, 변분 베이지안 최소제곱(variational Bayesian least square) 기계학습 기법을 활용해 직접 측정이 어려운 팔 동작의 방향 정보를 계산할 수 있는 디코딩 기술을 처음으로 개발했다.
연구팀의 팔 동작 상상 신호 분석기술은 운동피질을 비롯한 특정 대뇌 영역에 국한되지 않아, 사용자마다 상이할 수 있는 상상 신호와 대뇌 영역 특성을 맞춤형으로 학습해 최적의 계산모델 파라미터 결괏값을 출력할 수 있다.
연구팀은 대뇌 피질 신호 디코딩을 통해 환자가 상상한 팔 뻗기 방향을 최대 80% 이상의 정확도로 예측할 수 있음을 확인했다.
나아가 계산모델을 분석함으로써 방향 상상에 중요한 대뇌의 시공간적 특성을 밝혔고, 상상하는 인지적 과정이 팔을 실제로 뻗는 과정에 근접할수록 방향 예측정확도가 상당히 더 높아질 수 있음을 연구팀은 확인했다.
연구팀은 지난 2월 인공지능과 유전자 알고리즘 기반 고 정확도 로봇 팔 제어 뇌-기계 인터페이스 선행 연구 결과를 세계적인 학술지 `어플라이드 소프트 컴퓨팅(Applied soft computing)'에 발표한 바 있다. 이번 후속 연구는 그에 기반해 계산 알고리즘 간소화, 로봇 팔 구동 테스트, 환자의 상상 전략 개선 등 실전에 근접한 사용환경을 조성해 실제로 로봇 팔을 구동하고 의도한 방향으로 로봇 팔이 이동하는지 테스트를 진행했고, 네 가지 방향에 대한 의도를 읽어 정확하게 목표물에 도달하는 시연에 성공했다.
연구팀이 개발한 팔 동작 방향 상상 뇌 신호 분석기술은 향후 사지마비 환자를 비롯한 운동장애를 겪는 환자를 대상으로 로봇 팔을 제어할 수 있는 뇌-기계 인터페이스 정확도 향상, 효율성 개선 등에 이바지할 수 있을 것으로 기대된다.
연구책임자 정재승 교수는 "장애인마다 상이한 뇌 신호를 맞춤형으로 분석해 장기간 훈련을 받지 않더라도 로봇 팔을 제어할 수 있는 기술은 혁신적인 결과이며, 이번 기술은 향후 의수를 대신할 로봇팔을 상용화하는 데에도 크게 기여할 것으로 기대된다ˮ고 말했다.
2022.10.24
조회수 4552
-
투명 스마트 복합 필름 상용화에 성공
우리 대학 기계공학과 이승섭 교수와 전기전자공학부 윤준보 교수 공동 연구팀이 `투명 스마트 복합 필름' 상용화에 성공했다고 19일 발표했다.
`투명 스마트 복합 필름'은 투명한 필름 혹은 유리판 위에 안테나, 열선, 발광 기능이 복합적으로 구현된 것으로, 시야 방해 없이 원활한 5G 통신, 고효율 방열, 정보 전달 기능이 동시에 가능하다.
한편, 자동차부품 기업인 ㈜티에이치엔은 5G 안테나 기업인 ㈜센서뷰와 함께 관련 기술을 이용해 자동차용 제품 개발을 진행 중이며 시제품이 2022년 현대자동차 테크데이에 선정됐다고 발표했다.
이승섭 교수 연구팀과 윤준보 교수 연구팀은 서로 다른 방법으로 투명 필름 연구를 수행했는데, 이승섭 교수팀은 투명 전도성 필름 기반의 안테나와 열선을 연구했고, 윤준보 교수팀은 초소형 3차원 패턴을 이용한 투명 발광을 연구했다.
이승섭 교수팀이 개발한 투명 전도성 필름은 투명도 90% (PET 필름 포함), 면저항 0.3옴/sq, 헤이즈 1%의 세계 최고 성능을 가지고 있다.
투명 안테나 필름은 짧은 주파수 특성으로 많은 안테나를 요구하는 5G 특화망을 대상으로 개발됐는데, 스마트 빌딩과 팩토리는 물론 자율주행 및 커넥티드 모빌리티 등에 적용이 예상된다.
투명 열선 필름은 저전력 고효율 방열이 가능해 유리창 서리 제거, 외부 카메라 시야 확보, 겨울철 라이더 적용은 물론 복사열을 이용한 실내 난방 등에 광범위하게 응용될 수 있다.
윤준보 교수팀의 투명 발광 필름은 가장자리에 배치된 LED에서 도광된 빛이 필름의 한쪽 방향으로만 나오는 특징을 지니는데, 이미 `매직라이팅 시트' 라는 상표로 제품화됐다.
투명 발광 필름은 투명해서 하늘을 볼 수 있다가 밤이 되면 실내 조명으로 변하는 `라이팅 썬루프', 차량 유리에서 특정 모양으로 빛이 나오도록 하는 `라이팅 유리' 등 미래 모빌리티 조명을 주 시장으로 하고 있으며, 비전 검사 장비에 설치할 수 있는 `투명 비전 조명' 으로 출시된 바 있다.
이승섭 교수와 윤준보 교수는 관련 기술을 바탕으로 각각 ㈜제이마이크로와 ㈜멤스룩스를 창업했다.
연구를 주도한 이승섭 교수는 "세계 최고 성능을 가진 투명 전도성 필름에 5G 통신, 고효율 방열 등이 가능하도록 개발된 이번 투명 스마트 복합 필름의 상용화를 통해 차량, 실내 난방뿐만 아니라 나아가 스마트 빌딩, 스마트 팩토리, 자율주행 등 광범위하게 응용이 가능할 것으로 기대된다ˮ라고 설명했다.
2022.10.19
조회수 5304
-
KAIST 최초의 마이크로 디그리, 데이터사이언스 대학원 '기초 기계학습' 개설
우리 대학이 기초 기계학습 마이크로 디그리를 개설한다. '마이크로 디그리(Micro Degree, 학점당 학위제)'는 교과목 분야별로 지정된 최소 학점을 단기간에 집중 이수한 학생들에게 정규 학위와 구분되는 별개의 미니 학위를 주는 제도다. 데이터사이언스 대학원(책임교수 문일철)이 주관하는 이번 프로그램은 우리 대학에 최초로 개설된 마이크로 디그리다. 기계학습의 근본적 원리를 기초 수준에서 다루는 교육과정으로 학생과 관련 분야 종사자들의 능력 계발을 위해 마련됐다. 기초 프로그래밍(파이썬) 능력과 대학교 1학년 수준의 수학(행렬, 미적분학) 지식을 바탕으로 진행되는 교과과정을 이해할 수 있는 학부 재학생 및 현업 실무자라면 누구나 수강할 수 있다. 오는 21일까지 이메일로 지원서를 제출할 수 있으며, 별도의 선발 과정 없이 일정 수준의 성취도를 얻은 수강생들에게 KAIST 총장 명의의 이수증이 수여된다. 마이크로 디그리 과정은 이달 26일부터 내년 4월까지 64시간의 온라인 수업과 서울에 있는 KAIST 도곡 캠퍼스에서 진행되는 48시간의 대면 수업을 혼합한 방식으로 진행된다. ▴데이터 구조 및 분석 ▴데이터사이언스 프로그래밍 ▴인공지능 및 기계학습 개론 ▴강화학습 등 데이터 구조 기초를 포함한 기초 기계학습 및 강화학습의 이론과 실무가 융합된 4개 교과목이 운영된다.
기술의 이면을 알고 싶은 학생들과 현장 실무의 어려움을 극복하려는 관련 분야 종사자들이 이론 분야의 근본 원리를 이해하고 이를 바탕으로 기계학습의 방법론 적용 및 문제 해결 능력을 향상할 수 있는 지식을 전달할 예정이다. 문일철 KAIST 데이터사이언스 책임교수는 "데이터사이언스 기술을 산업현장에 적용했을 때 발생하는 문제의 원인을 규명하거나 해결하기 위해서는 핵심 이론 및 적용에 대한 체계적 교육이 필요하다"라고 강조했다. 이어, 문 책임교수는 "KAIST의 첫 마이크로 디그리로 기초 기계학습의 이론 및 기술 과목을 개설해 대한민국 데이터 기반 산업의 발전 및 미래 사회 변화에 중요하게 이바지할 교육을 청년층에 제공하고 더 나아가 KAIST의 실용적인 학풍이 대중에게도 전달되기를 바란다"라고 전했다.
이번 마이크로 디그리를 이수하면 KAIST 데이터사이언스 대학원 입학 시 졸업요건 학점으로 인정되며, KAIST는 인공위성·반도체 분야 등에도 마이크로 디그리 과정 개설하는 방안을 검토 중이다.
KAIST 기초 기계학습 마이크로 디그리에 관한 자세한 내용 및 수강료 관련 정보는 데이터사이언스대학원 홈페이지( gsds.kaist.ac.kr )에서 확인할 수 있다.
2022.09.08
조회수 3785
-
유해가스 및 와인을 구별하는 전자 코 뉴로모픽 반도체 모듈 개발
우리 대학 전기및전자공학부 최양규 교수와 기계공학과 박인규 교수 공동연구팀이 `인간의 후각 뉴런을 모방한 뉴로모픽 반도체 모듈'을 개발했다고 4일 밝혔다. 인간의 뇌, 시각 뉴런, 그리고 촉각 뉴런을 모방한 뉴로모픽 반도체 모듈을 각각 개발하는 데 성공했던 연구팀은, 인간의 후각 뉴런과 같이 가스 성분을 인식해 스파이크 신호를 출력할 수 있는 뉴로모픽 반도체 모듈을 통해 뉴로모픽 기반의 전자코(eletronic nose)를 구현할 수 있음을 처음으로 보였다.
전기및전자공학부 한준규 박사과정과 강민구 박사과정이 공동 제1 저자로 참여한 이번 연구는 저명 국제 학술지 `어드밴스드 사이언스(Advanced Science)' 2022년 4월 온라인판에 출판됐으며, 후면 표지 논문(Back Cover)으로 선정됐다. (논문명 : Artificial olfactory neuron for an in-sensor neuromorphic nose)
인공지능을 이용한 후각 인식 시스템은 높은 정확도로 가스를 인식할 수 있어 환경 모니터링, 음식 모니터링, 헬스케어 등 다양한 분야에 걸쳐 유용하게 사용되고 있다. 하지만 이러한 시스템 대부분은 CPU와 메모리가 분리된 구조인 폰노이만 컴퓨터가 필요한 소프트웨어를 기반으로 하므로, 데이터가 CPU와 메모리 사이를 이동할 때 높은 전력이 소모된다. 또한 센서에서 CPU로 데이터가 전송될 때 필요한 변환 회로에서도 추가 전력 소비가 발생한다. 따라서 모바일 또는 사물인터넷(IoT) 장치에 적용되기는 어렵다.
한편, 생물학적 후각 시스템은 감각 세포 자체에서 스파이크 형태로 감각 정보를 전달하고, 이를 뇌에서 병렬적으로 처리함으로써 낮은 전력 소비만으로 가스를 판별할 수 있다. 따라서 저전력 후각 시스템을 구축하기 위해, 생물학적 후각 시스템을 모방해 센서 단에서 스파이크 형태로 정보를 전달하는 `인 센서 컴퓨팅(In-Sensor Computing)' 기반 뉴로모픽 후각 시스템이 주목을 받고 있다. 이러한 뉴로모픽 후각 시스템을 구현하기 위해서는 인간의 후각 뉴런처럼 화학 신호를 스파이크 형태의 전기 신호로 변환해주는 구성 요소가 필요하다. 하지만, 일반적인 가스 센서는 이러한 기능을 수행할 수 없다.
연구팀은 반도체식 금속산화물 기반 가스 센서와 단일 트랜지스터 기반 뉴런 소자를 이용해, 가스를 인식해 스파이크 신호를 출력할 수 있는 뉴로모픽 반도체 모듈을 개발했다. 연구팀은 제작된 뉴로모픽 반도체 모듈을 바탕으로 유해가스를 구분할 수 있는 가스 인식 시스템과 와인을 구분할 수 있는 전자 소믈리에 시스템을 구축했다. 특히, 여러 가지 가스 분자가 섞여 있어 구분이 힘든 와인을 뉴로모픽 시스템을 이용해서 구분할 수 있음을 보인 것에서 그 의미가 크다.
연구를 주도한 한준규 박사과정은 "개발된 뉴로모픽 반도체 모듈은 전자코에 적용되어 사물인터넷(IoT) 분야, 환경 모니터링, 음식 모니터링, 헬스케어 등에 유용하게 사용될 수 있을 것으로 기대된다ˮ며, "이는 `인-센서 컴퓨팅(In-Sensor Computing)' 시대를 앞당기는 발판이 될 것이다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업, 중견연구사업, 국민위해인자대응기술개발사업 및 반도체설계교육센터의 지원을 받아 수행됐다.
2022.07.04
조회수 6079
-
초대규모 인공지능 모델 처리하기 위한 세계 최고 성능의 기계학습 시스템 기술 개발
우리 연구진이 오늘날 인공지능 딥러닝 모델들을 처리하기 위해 필수적으로 사용되는 기계학습 시스템을 세계 최고 수준의 성능으로 끌어올렸다.
우리 대학 전산학부 김민수 교수 연구팀이 딥러닝 모델을 비롯한 기계학습 모델을 학습하거나 추론하기 위해 필수적으로 사용되는 기계학습 시스템의 성능을 대폭 높일 수 있는 세계 최고 수준의 행렬 연산자 융합 기술(일명 FuseME)을 개발했다고 20일 밝혔다.
오늘날 광범위한 산업 분야들에서 사용되고 있는 딥러닝 모델들은 대부분 구글 텐서플로우(TensorFlow)나 IBM 시스템DS와 같은 기계학습 시스템을 이용해 처리되는데, 딥러닝 모델의 규모가 점점 더 커지고, 그 모델에 사용되는 데이터의 규모가 점점 더 커짐에 따라, 이들을 원활히 처리할 수 있는 고성능 기계학습 시스템에 대한 중요성도 점점 더 커지고 있다.
일반적으로 딥러닝 모델은 행렬 곱셈, 행렬 합, 행렬 집계 등의 많은 행렬 연산자들로 구성된 방향성 비순환 그래프(Directed Acyclic Graph; 이하 DAG) 형태의 질의 계획으로 표현돼 기계학습 시스템에 의해 처리된다. 모델과 데이터의 규모가 클 때는 일반적으로 DAG 질의 계획은 수많은 컴퓨터로 구성된 클러스터에서 처리된다. 클러스터의 사양에 비해 모델과 데이터의 규모가 커지면 처리에 실패하거나 시간이 오래 걸리는 근본적인 문제가 있었다.
지금까지는 더 큰 규모의 모델이나 데이터를 처리하기 위해 단순히 컴퓨터 클러스터의 규모를 증가시키는 방식을 주로 사용했다. 그러나, 김 교수팀은 DAG 질의 계획을 구성하는 각 행렬 연산자로부터 생성되는 일종의 `중간 데이터'를 메모리에 저장하거나 네트워크 통신을 통해 다른 컴퓨터로 전송하는 것이 문제의 원인임에 착안해, 중간 데이터를 저장하지 않거나 다른 컴퓨터로 전송하지 않도록 여러 행렬 연산자들을 하나의 연산자로 융합(fusion)하는 세계 최고 성능의 융합 기술인 FuseME(Fused Matrix Engine)을 개발해 문제를 해결했다.
현재까지의 기계학습 시스템들은 낮은 수준의 연산자 융합 기술만을 사용하고 있었다. 가장 복잡한 행렬 연산자인 행렬 곱을 제외한 나머지 연산자들만 융합해 성능이 별로 개선되지 않거나, 전체 DAG 질의 계획을 단순히 하나의 연산자처럼 실행해 메모리 부족으로 처리에 실패하는 한계를 지니고 있었다.
김 교수팀이 개발한 FuseME 기술은 수십 개 이상의 행렬 연산자들로 구성되는 DAG 질의 계획에서 어떤 연산자들끼리 서로 융합하는 것이 더 우수한 성능을 내는지 비용 기반으로 판별해 그룹으로 묶고, 클러스터의 사양, 네트워크 통신 속도, 입력 데이터 크기 등을 모두 고려해 각 융합 연산자 그룹을 메모리 부족으로 처리에 실패하지 않으면서 이론적으로 최적 성능을 낼 수 있는 CFO(Cuboid-based Fused Operator)라 불리는 연산자로 융합함으로써 한계를 극복했다. 이때, 행렬 곱 연산자까지 포함해 연산자들을 융합하는 것이 핵심이다.
김민수 교수 연구팀은 FuseME 기술을 종래 최고 기술로 알려진 구글의 텐서플로우나 IBM의 시스템DS와 비교 평가한 결과, 딥러닝 모델의 처리 속도를 최대 8.8배 향상하고, 텐서플로우나 시스템DS가 처리할 수 없는 훨씬 더 큰 규모의 모델 및 데이터를 처리하는 데 성공함을 보였다. 또한, FuseME의 CFO 융합 연산자는 종래의 최고 수준 융합 연산자와 비교해 처리 속도를 최대 238배 향상시키고, 네트워크 통신 비용을 최대 64배 감소시키는 사실을 확인했다.
김 교수팀은 이미 지난 2019년에 초대규모 행렬 곱 연산에 대해 종래 세계 최고 기술이었던 IBM 시스템ML과 슈퍼컴퓨팅 분야의 스칼라팩(ScaLAPACK) 대비 성능과 처리 규모를 훨씬 향상시킨 DistME라는 기술을 개발해 데이터베이스 분야 최고 국제학술대회 중 하나인 ACM SIGMOD에서 발표한 바 있다. 이번 FuseME 기술은 연산자 융합이 가능하도록 DistME를 한층 더 발전시킨 것으로, 해당 분야를 세계 최고 수준의 기술력을 바탕으로 지속적으로 선도하는 쾌거를 보여준 것이다.
교신저자로 참여한 김민수 교수는 "연구팀이 개발한 새로운 기술은 딥러닝 등 기계학습 모델의 처리 규모와 성능을 획기적으로 높일 수 있어 산업적 측면에서 파급 효과가 매우 클 것으로 기대한다ˮ 라고 말했다.
이번 연구에는 김 교수의 제자이자 현재 GraphAI(그래파이) 스타트업의 공동 창업자인 한동형 박사가 제1 저자로, 김 교수가 교신저자로 참여했으며 지난 16일 미국 필라델피아에서 열린 데이터베이스 분야 최고 국제학술대회 중 하나인 ACM SIGMOD에서 발표됐다. (논문명 : FuseME: Distributed Matrix Computation Engine based on Cuboid-based Fused Operator and Plan Generation).
한편, 이번 연구는 한국연구재단 선도연구센터 사업 및 중견연구자 지원사업, 과기정통부 IITP SW스타랩 사업의 지원을 받아 수행됐다.
2022.06.20
조회수 4411
-
꽃향기, 이젠 눈으로 보세요!
우리 대학 기계공학과 유체 및 계면 연구실 김형수 교수와 생명과학과 생태학 연구실 김상규 교수 연구팀이 공동 융합연구를 통해 세계 최초로 꽃향기가 나오는 것을 실시간으로 가시화하여 측정하는 데 성공했다고 10일 밝혔다.
두 연구팀은 기존 꽃향기 측정 방법과 완전히 다른 레이저 간섭계 기반의 휘발성 유기물 증기(VOCs, Volatile Organic Compounds)의 상대 굴절율 측정을 통해 백합에서 나오는 꽃향기를 시공간으로 직접 측정할 수 있는 결과를 획득했다. 기존 향기 측정 방법은 물질 포집 후 질량분석을 통해 양을 측정했기 때문에 꽃이 어떤 주기로 향기를 뿜어내는지 직접 알 수가 없었다.
꽃향기는 인간의 삶과 밀접한 화장품, 향수, 장식용 꽃 사업 등에서 중요한 요소 중 하나이기도 하지만 동시에 현화 식물이 여러 화분매개곤충과 교류하는 대표적인 수단 중 하나이기 때문에 꽃의 생식 및 진화에 큰 영향을 미친다.
꽃향기 분비 주기를 직접 관찰할 수 있는 이번 기술은 꽃향기 합성 및 분비에 관여하는 유전자를 찾고 화분매개곤충과 상호작용을 통한 꽃향기 물질 진화 연구에 활용될 것이다. 또한 향기 물질 분비를 제어할 수 있다면 원예 및 농작물 생산 증진에 영향을 끼칠 것으로 기대된다.
기계공학과 이길구 박사과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제학술지 `프론티어스 인 플랜트 사이언스(Frontiers in Plant Science)' 2022년 4월호에 출판됐다(논문명 : Real-Time Visualization of Scent Accumulation Reveals the Frequency of Floral Scent Emissions, https://doi.org/10.3389/fpls.2022.835305).
기계공학과 김형수 교수는 "공기 중 증기나 가스를 가시화할 수 있는 기술이 더욱 발전될 수 있다면 위험 유해물질(HNS, Hazardous Noxious Substances)이 한정된 공간에 얼마나 노출됐는지 직접 알 수 있어 산업용이나 군사용으로도 확장이 가능하다ˮ고 말했다. 한편 생명과학과 김상규 교수는 "이번 기술을 활용해 향기 물질 분비에 관여하는 유전자를 찾고 그 메커니즘을 밝혀나갈 것ˮ이라고 언급했다.
이번 연구는 KAIST 글로벌특이점 프렙 연구를 통해서 시작됐고, 연구재단의 중견연구와 농진청의 부분 지원으로 수행됐다.
2022.05.10
조회수 5186
-
최초 머신러닝 기반 유전체 정렬 소프트웨어 개발
우리 대학 전기및전자공학부 한동수 교수 연구팀이 머신러닝(기계학습)에 기반한 *유전체 정렬 소프트웨어를 개발했다고 12일 밝혔다.
☞ 유전체(genome): 생명체가 가지고 있는 염기서열 정보의 총합이며, 유전자는 생물학적 특징을 발현하는 염기서열들을 지칭한다. 유전체를 한 권의 책이라고 비유하면 유전자는 공백을 제외한 모든 글자라고 비유할 수 있다.
차세대 염기서열 분석은 유전체 정보를 해독하는 방법으로 유전체를 무수히 많은 조각으로 잘라낸 후 각 조각을 참조 유전체(reference genome)에 기반해 조립하는 과정을 거친다. 조립된 유전체 정보는 암을 포함한 여러 질병의 예측과 맞춤형 치료, 백신 개발 등 다양한 분야에서 사용된다.
유전체 정렬 소프트웨어는 차세대 염기서열 분석 방법으로 생성한 유전체 조각 데이터를 온전한 유전체 정보로 조립하기 위해 사용되는 소프트웨어다. 유전체 정렬 작업에는 많은 연산이 들어가며, 속도를 높이고 비용을 낮추는 방법에 관한 관심이 계속해서 증가하고 있다. 머신러닝(기계학습) 기반의 인덱싱(색인) 기법(Learned-index)을 유전체 정렬 소프트웨어에 적용한 사례는 이번이 최초다.
전기및전자공학부 정영목 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `옥스포드 바이오인포메틱스(Oxford Bioinformatics)' 2022년 3월에 공개됐다. (논문명 : BWA-MEME: BWA-MEM emulated with a machine learning approach)
유전체 정렬 작업은 정렬해야 하는 유전체 조각의 양이 많고 참조 유전체의 길이도 길어 많은 연산량이 요구되는 작업이다. 또한, 유전체 정렬 소프트웨어에서 정렬 결과의 정확도에 따라 추후의 유전체 분석의 정확도가 영향을 받는다. 이러한 특성 때문에 유전체 정렬 소프트웨어는 높은 정확성을 유지하며 빠르게 연산하는 것이 중요하다.
일반적으로 유전체 분석에는 하버드 브로드 연구소(Broad Institute)에서 개발한 유전체 분석 도구 키트(Genome Analysis Tool Kit, 이하 GATK)를 이용한 데이터 처리 방법을 표준으로 사용한다. 이들 키트 중 BWA-MEM은 GATK에서 표준으로 채택한 유전체 정렬 소프트웨어이며, 2019년에 하버드 대학과 인텔(Intel)의 공동 연구로 BWA-MEM2가 개발됐다.
연구팀이 개발한 머신러닝 기반의 유전체 정렬 소프트웨어는 연산량을 대폭 줄이면서도 표준 유전체 정렬 소프트웨어 BWA-MEM2과 동일한 결과를 만들어 정확도를 유지했다. 사용한 머신러닝 기반의 인덱싱 기법은 주어진 데이터의 분포를 머신러닝 모델이 학습해, 데이터 분포에 최적화된 인덱싱을 찾는 방법론이다. 데이터에 적합하다고 생각되는 인덱싱 방법을 사람이 정하던 기존의 방법과 대비된다.
BWA-MEM과 BWA-MEM2에서 사용하는 인덱싱 기법(FM-index)은 유전자 조각의 위치를 찾기 위해 유전자 조각 길이만큼의 연산이 필요하지만, 연구팀이 제안한 알고리즘은 머신러닝 기반의 인덱싱 기법(Learned-index)을 활용해, 유전자 조각 길이와 상관없이 적은 연산량으로도 유전자 조각의 위치를 찾을 수 있다. 연구팀이 제안한 인덱싱 기법은 기존 인덱싱 기법과 비교해 3.4배 정도 가속화됐고, 이로 인해 유전체 정렬 소프트웨어는 1.4 배 가속화됐다.
연구팀이 이번 연구에서 개발한 유전체 정렬 소프트웨어는 오픈소스 (https://github.com/kaist-ina/BWA-MEME)로 공개돼 많은 분야에 사용될 것으로 기대되며, 유전체 분석에서 사용되는 다양한 소프트웨어를 머신러닝 기술로 가속화하는 연구들의 초석이 될 것으로 기대된다.
한동수 교수는 "이번 연구를 통해 기계학습 기술을 접목해 전장 유전체 빅데이터 분석을 기존 방식보다 빠르고 적은 비용으로 할 수 있다는 것을 보여줬으며, 앞으로 인공지능 기술을 활용해 전장 유전체 빅데이터 분석을 효율화, 고도화할 수 있을 것이라 기대된다ˮ고 말했다.
한편 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단의 지원을 받아 데이터 스테이션 구축·운영 사업으로서 수행됐다.
2022.04.17
조회수 5728
-
생각만으로 정확하게 로봇팔 조종이 가능한 뇌-기계 인터페이스 개발
우리 대학 바이오및뇌공학과 정재승 교수 연구팀이 3차원 공간상에서 생각만으로 로봇팔을 높은 정확도 (90.9~92.6%)로 조종하는 `뇌-기계 인터페이스 시스템'을 개발했다고 23일 밝혔다.
정 교수 연구팀은 인공지능과 유전자 알고리즘을 사용해 인간의 대뇌 심부에서 측정한 뇌파만으로 팔 움직임의 의도를 파악해 로봇팔을 제어하는 새로운 형태의 뇌-기계 인터페이스 시스템을 개발했다. 뇌 활동만으로 사람의 의도를 파악해 로봇이나 기계가 대신 행동에 옮기는 `뇌-기계 인터페이스' 기술은 최근 급속도로 발전하고 있다. 하지만 손을 움직이는 정도의 의도 파악을 넘어, 팔 움직임의 방향에 대한 의도를 섬세하게 파악해 정교하게 로봇팔을 움직이는 기술은 아직 정확도가 높지 않았다.
하지만 연구팀은 이번 연구에서 조종 `방향'에 대한 의도를 뇌 활동만으로 인식하는 인공지능 모델을 개발했고, 그 결과 3차원 공간상에서 24개의 방향을 90% 이상의 정확도로 정교하게 해석하는 시스템을 개발했다.
게다가 딥러닝 등 기존 기계학습 기술은 높은 사양의 GPU 하드웨어가 필요했지만, 이번 연구에서는 축적 컴퓨팅(Reservoir Computing) 기법을 이용해 낮은 사양의 하드웨어에서도 인공지능 학습이 가능하여 스마트 모바일 기기에서도 폭넓게 응용될 수 있도록 개발해, 향후 메타버스와 스마트 기기에도 폭넓게 적용이 가능할 것으로 기대된다.
우리 대학 김훈희 박사(現 강남대 조교수)가 제1 저자로 참여한 이번 연구는 국제학술지 `어플라이드 소프트 컴퓨팅(Applied Soft Computing)' 2022년 117권 3월호에 출판됐다. (논문명 : An electrocorticographic decoder for arm movement for brain-machine interface using an echo state network and Gaussian readout).
뇌-기계 인터페이스는 사용자의 뇌 활동을 통해 의도를 읽고 로봇이나 기계에 전달하는 기술로서 로봇, 드론, 컴퓨터뿐만 아니라 스마트 모바일 기기, 메타버스 등에서의 이용될 차세대 인터페이스 기술로 각광받고 있다.
특히 기존의 인터페이스가 외부 신체 기관을 통해 명령을 간접 전달(버튼, 터치, 제스처 등)해야 하지만 뇌-기계 인터페이스는 명령을 뇌로부터 직접적 전달한다는 점에서 가장 진보된 인터페이스 기술로 여겨진다.
그러나 뇌파는 개개인의 차이가 매우 크고, 단일 신경 세포로부터 정확한 신호를 읽는 것이 아니라 넓은 영역에 있는 신경 세포 집단의 전기적 신호 특성을 해석해야 하므로 잡음이 크다는 한계점을 가지고 있다.
연구팀은 이러한 문제 해결을 위해 최첨단 인공지능 기법의 하나인 `축적 컴퓨팅 기법'을 이용해 뇌-기계 인터페이스에서 필요한 개개인의 뇌파 신호의 중요 특성을 인공신경망이 자동으로 학습해 찾을 수 있도록 구현했다.
또한 유전자 알고리즘(Genetic Algorithm)을 이용해 인공지능 신경망이 최적의 뇌파 특성을 효율적으로 찾을 수 있게 시스템을 설계했다. 연구팀은 심부 뇌파를 최종 해석하는 리드아웃(Readout)을 가우시안(Gaussian) 모델로 설계해 시각피질 신경 세포가 방향을 표현하는 방법을 모방하는 인공신경망을 개발했다. 이런 리드아웃 방식은 축적 컴퓨팅의 선형 학습 알고리즘을 이용해 일반적 사양의 간단한 하드웨어에서도 빠르게 학습할 수 있어 메타버스, 스마트기기 등 일상생활에서 응용이 가능해진다.
특히, 이번 연구에서 만들어진 뇌-기계 인터페이스 인공지능 모델은 3차원상에서 24가지 방향 즉, 각 차원에서 8가지 방향을 디코딩할 수 있으며 모든 방향에서 평균 90% 이상의 정확도 (90.9%~92.6% 범위)를 보였다. 또한 연구된 뇌-기계 인터페이스는 3차원 공간상에서 로봇팔을 움직이는 상상을 할 때의 뇌파를 해석해 성공적으로 로봇팔을 움직이는 시뮬레이션 결과를 보였다.
인공지능 시스템을 만든 제1 저자인 김훈희 박사는 "공학적인 신호처리 기법에 의존해 온 기존 뇌파 디코딩 방법과는 달리, 인간 뇌의 실제 작동 구조를 모방한 인공신경망을 개발해 좀더 발전된 형태의 뇌-기계 인터페이스 시스템을 개발해 기쁘다ˮ면서 "향후 뇌의 특성을 좀 더 구체적으로 이용한 `뇌 모방 인공지능(Brain-inspired A.I.)'을 이용한 다양한 뇌-기계 인터페이스를 개발할 계획이다ˮ라고 말했다.
이번 연구를 주도한 연구책임자 정재승 교수는 "뇌파를 통해 생각만으로 로봇팔을 구동하는 `뇌-기계 인터페이스 시스템'들이 대부분 고사양 하드웨어가 필요해 실시간 응용으로 나아가기 어렵고 스마트기기 등으로 적용이 어려웠다. 그러나 이번 시스템은 90%~92%의 높은 정확도를 가진 의도 인식 인공지능 시스템을 만들어 메타버스 안에서 아바타를 생각대로 움직이게 하거나 앱을 생각만으로 컨트롤하는 스마트기기 등에 광범위하게 사용될 수 있다ˮ고 말했다.
이번 연구 결과는 사지마비 환자나 사고로 팔을 잃은 환자들을 위한 로봇팔 장착 및 제어 기술부터, 메타버스, 스마트기기, 게임, 엔터테인먼트 애플리케이션 등 다양한 시스템에 뇌-기계 인터페이스를 적용할 가능성을 열어 줄 것으로 기대된다.
이번 연구는 한국연구재단 뇌 원천기술개발사업의 지원을 받아 수행됐다.
2022.02.24
조회수 9650
-
세계 최초 그래프 기반 인공지능 추론 가능한 SSD 개발
우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 세계 최초로 그래프 기계학습 추론의 그래프처리, 그래프 샘플링 그리고 신경망 가속을 스토리지/SSD 장치 근처에서 수행하는 `전체론적 그래프 기반 신경망 기계학습 기술(이하 홀리스틱 GNN)'을 개발하는데 성공했다고 10일 밝혔다.
연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA)를 동반한 새로운 형태의 계산형 스토리지/SSD 시스템에 기계학습 전용 신경망 가속 하드웨어와 그래프 전용 처리 컨트롤러/소프트웨어를 시제작했다. 이는 이상적 상황에서 최신 고성능 엔비디아 GPU를 이용한 기계학습 가속 컴퓨팅 대비 7배의 속도 향상과 33배의 에너지 절약을 가져올 수 있다고 밝혔다.
그래프 자료구조가 적용된 새로운 기계학습 모델은 기존 신경망 기반 기계학습 기법들과 달리, 데이터 사이의 연관 관계를 표현할 수 있어 페이스북, 구글, 링크드인, 우버 등, 대규모 소셜 네트워크 서비스(SNS)부터, 내비게이션, 신약개발 등 광범위한 분야와 응용에서 사용된다. 예를 들면 그래프 구조로 저장된 사용자 네트워크를 분석하는 경우 일반적인 기계학습으로는 불가능했던 현실적인 상품 및 아이템 추천, 사람이 추론한 것 같은 친구 추천 등이 가능하다. 이러한 신흥 그래프 기반 신경망 기계학습은 그간 GPU와 같은 일반 기계학습의 가속 시스템을 재이용해 연산 되어왔는데, 이는 그래프 데이터를 스토리지로부터 메모리로 적재하고 샘플링하는 등의 데이터 전처리 과정에서 심각한 성능 병목현상과 함께 장치 메모리 부족 현상으로 실제 시스템 적용에 한계를 보여 왔다.
정명수 교수 연구팀이 개발한 홀리스틱 GNN 기술은 그래프 데이터 자체가 저장된 스토리지 근처에서 사용자 요청에 따른 추론의 모든 과정을 직접 가속한다. 구체적으로는 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(Computational SSD) 구조를 활용해 대규모 그래프 데이터의 이동을 제거하고 데이터 근처(Near Storage)에서 그래프처리 및 그래프 샘플링 등을 가속해 그래프 기계학습 전처리 과정에서의 병목현상을 해결했다.
일반적인 계산형 스토리지는 장치 내 고정된 펌웨어와 하드웨어 구성을 통해서 데이터를 처리해야 했기 때문에 그 사용에 제한이 있었다. 그래프처리 및 그래프샘플링 외에도, 연구팀의 홀리스틱 GNN 기술은 인공지능 추론 가속에 필요한 다양한 하드웨어 구조, 그리고 소프트웨어를 후원할 수 있도록 다수 그래프 기계학습 모델을 프로그래밍할 수 있는 장치수준의 소프트웨어와 사용자가 자유롭게 변경할 수 있는 신경망 가속 하드웨어 프레임워크 구조를 제공한다.
연구팀은 홀리스틱 GNN 기술의 실효성을 검증하기 위해 계산형 스토리지의 프로토타입을 자체 제작한 후, 그 위에 개발된 그래프 기계학습용 하드웨어 *RTL과 소프트웨어 프레임워크를 구현해 탑재했다. 그래프 기계학습 추론 성능을 제작된 계산형 스토리지 가속기 프로토타입과 최신 고성능 엔비디아 GPU 가속 시스템(RTX 3090)에서 평가한 결과, 홀리스틱 GNN 기술이 이상적인 상황에서 기존 엔비디아 GPU를 이용해 그래프 기계학습을 가속하는 시스템의 경우에 비해 평균 7배 빠르고 33배 에너지를 감소시킴을 확인했다. 특히, 그래프 규모가 점차 커질수록 전처리 병목현상 완화 효과가 증가해 기존 GPU 대비 최대 201배 향상된 속도와 453배 에너지를 감소할 수 있었다.
☞ RTL (Registor Transistor Logic): 저항과 트랜지스터로 구성한 컴퓨터에 사용되는 회로
정명수 교수는 "대규모 그래프에 대해 스토리지 근처에서 그래프 기계학습을 고속으로 추론할 뿐만 아니라 에너지 절약에 최적화된 계산형 스토리지 가속 시스템을 확보했다ˮ며 "기존 고성능 가속 시스템을 대체해 초대형 추천시스템, 교통 예측 시스템, 신약 개발 등의 광범위한 실제 응용에 적용될 수 있을 것ˮ이라고 말했다.
한편 이번 연구는 미국 산호세에서 오는 2월에 열릴 스토리지 시스템 분야 최우수 학술대회인 `유즈닉스 패스트(USENIX Conference on File and Storage Technologies, FAST), 2022'에 관련 논문(논문명: Hardware/Software Co-Programmable Framework for Computational SSDs to Accelerate Deep Learning Service on Large-Scale Graphs)으로 발표될 예정이다.
해당 연구는 삼성미래기술육성사업 지원을 받아 진행됐고 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인할 수 있다.
2022.01.10
조회수 6904
-
공과대학, 2021년 올해의 자랑스러운 동문상에 김형준 한국항공우주산업(주) 부사장 선정
우리 대학 공과대학이 2021년 올해의 자랑스러운 공과대학 동문으로 김형준 한국항공우주산업(주) 부사장을 선정했다고 2일(목) 밝혔다. 시상식은 2일(목) 오후 4시 30분 기계공학동(N7) 해동정보홀에서 이동만 공과대학장, 김상욱 공과대학 부학장, 한재흥 항공우주공학과 학과장 등이 참석한 가운데 개최된다. 2014년 제정된 ‘올해의 동문상`은 우리 대학 공과대학에서 산업기술 발전에 공헌하거나 뛰어난 학문 성취를 통해 학교의 명예를 높인 동문을 선정해 수여하는 상이다.
김형준 한국항공우주산업(주) 부사장은 1989년 우리 대학 기계공학과 항공공학전공 석사 출신으로, 순수 국내 기술로 개발된 항공기로서 최초로 실용화되고 수출된 기본훈련기(KT-1), 고등훈련, 전술입문기(T-50/TA-50)의 전 개발단계에 핵심 인물로 참여해 성공적인 개발에 이바지했다. 이후 개량형인 경공격기(FA-50) 사업화를 총괄 담당한 사업담당실장(상무)으로서 개발 및 양산 사업화에 성공해 오늘날 수출형 군 항공기 제품의 라인업을 완성했다.
또한, 국내 최초 초음속 항공기인 T-50 개발 프로그램에 개념설계팀 핵심 연구원으로 참여해 영국 BAe사 등 다양한 해외 파트너사와 협력 개발을 주도했다. 본격적인 기본설계 연구단계에서는 미국 록히드마틴사에 파견된 한국 합동 설계팀 ‘재미황매팀(Golden Eagle Team)`의 일원으로 시스템 기본설계를 수행했다.
아울러 체계 개발 성공 이후에는 해외 수출 담당 실장으로서 수출 현장을 누비며 대한민국이 군용항공기 해외 수출 국가의 반열에 오르는 데 크게 공헌했다.
이동만 공과대학장은 "김형준 부사장은 항공 분야 산업계의 독보적인 경영자로서, 국내 항공산업을 세계적인 수준으로 이끈 것은 물론 학교의 명예를 높였다. 항공 엔지니어이자 경영자로서 본보기가 되는 성공스토리를 보여준 것”이라고 선정이유를 밝혔다.
2일(목) 현장에서는 시상 후 ‘항공산업 특성과 수출 성공 요소’라는 주제로 김 부사장의 수상 기념 강연과 후배 학생들과의 질의응답 시간을 가질 예정이다.
한편, 2014년 제1회 동문상은 유태경 ㈜루멘스 대표가, 2015년 제2회 수상자는 넥슨 창업자인 김정주 ㈜NXC 대표, 2017년 제3회에는 이우종 전 LG전자 VC사업본부 사장, 2019년 제4회에는 임병연 롯데케미칼(주) 대표이사가 각각 선정되어 수상했다.
2021.12.02
조회수 5592
-
KAIST 연구실 온라인서 만난다, OPEN KAIST 2021 개최
우리 대학이 교내 연구 현장을 공개하는 OPEN KAIST 2021 행사를 3일부터 이틀간 온라인으로 개최한다.2001년 시작된 OPEN KAIST는 실험실 등의 연구 현장으로 방문객들을 초대하는 과학문화 행사다. 2년에 한 번씩 캠퍼스를 개방해 연구실 곳곳의 볼거리를 제공하고 과학적 흥미를 유발할 수 있는 체험 프로그램을 마련해 국민과 소통하는 KAIST의 전통적인 행사다. 올해로 11회째를 맞은 OPEN KAIST는 코로나 19의 확산세를 고려해 20년 만에 처음으로 온라인 동영상 플랫폼에서 방문객을 맞이한다.KAIST 연구실 탐방을 희망하는 사람이라면 누구나 OPEN KAIST 홈페이지(openkaist.ac.kr)에 접속한 뒤, 관심 있는 연구실이 공개되는 방송 시간에 실시간으로 입장할 수 있다. 온라인 공개 방송에서는 해당 연구실이 주도하는 최신 기술 설명 및 시연·연구성과 소개·온라인으로 참여할 수 있는 간단한 원격 체험 등의 콘텐츠가 제공된다.이를 위해, 로봇·바이오·인공지능·반도체 등 KAIST가 자랑하는 첨단 기술을 연구하는 16개 학과가 참여한다.로봇 분야에서는 기계공학과 '휴머노이드 로봇 연구센터'가 로봇과 부품으로 가득 찬 연구실을 공개한다. ▴유압식 구동 로봇 실험실 ▴로봇 가공실 ▴연구원들의 공부방 ▴전기식 구동 로봇 실험실 ▴로봇 조립실 등으로 나누어진 연구센터 곳곳을 안내하고 실험이 진행되는 연구 현장의 생생한 모습을 중계한다. 이어, 2족 로봇과 4족 로봇의 간단한 보행 시연도 이어질 예정이다.
건설및환경공학과에서는 ▴원격 제어 로봇 ▴건설 현장 노동자들의 근력 보조용 웨어러블 로봇 ▴재난 현장에서 매몰자를 찾아내는 자라나는 바인(Vine) 로봇 ▴자율주행 자동차 등 다가오는 미래사회에 대비하기 위한 새로운 패러다임의 건설 로봇들을 선보인다.
생명공학 분야에서는 생명과학과·의과학대학원·바이오및뇌공학과가 참여한다. 생명과학과는 코로나 19 예방을 위한 mRNA 백신이 세포 안으로 유입되어 항원이 발현되는 모든 과정을 시각적으로 관찰할 수 있는 초고해상도 이미징 기술을 소개한다.
또한, 의과학대학원에서는 뇌 투명화·뇌 확대·뇌 탄성화 등 다양한 뇌공학 기술을 이용해 복잡한 뇌 구조를 연구하는 실험실을 탐방하고 바이오및뇌공학과에서는 암 환자를 대신해 항암제의 효능을 선별할 수 있는 '종양아바타(환자에게서 복제한 종양)'와 개인 맞춤형 의료를 추구하는 미래의 의료상을 선보인다.
각 연구실의 온라인 공개 방송이 진행되는 동안에는 교수 및 대학원생 등 연구진이 방문객들의 궁금증을 해소해주는 질의응답도 실시간으로 마련된다.이번 행사를 총괄한 이동만 공과대학장은 "코로나 19로 인해 캠퍼스를 직접 개방하기 힘든 상황이지만 KAIST의 연구가 이루어지는 공간에서 국민과 직접 소통하는 자리를 마련하기 위해 온라인 OPEN KAIST를 준비했다ˮ라고 설명했다. 이어, 이 학장은 "올해로 개교 50주년을 맞은 KAIST가 창의적이고 도전적인 연구를 수행하는 현장에 온라인으로 방문하셔서 인류를 빛낼 100년을 준비하는 KAIST의 꿈과 비전을 함께 나눠주시길 부탁드린다ˮ라고 전했다.
'OPEN KAIST 2021'은 사전 신청 없이 참여할 수 있으며, 자세한 프로그램과 참여 방법 등은 OPEN KAIST 홈페이지(openkaist.ac.kr)에서 확인할 수 있다. 문의: 공과대학 교학팀(042-350-2493)
2021.12.01
조회수 11090
-
기계공학과 공경철 교수, 아이뉴스24 소셜DNA 혁신상 포용상 수상
"데이터, 네트워크, 인공지능은 미래산업의 핵심이자 웨어러블 로봇의 심장입니다. 웨어러블 로봇에서 쏟아지는 데이터를 이용해 모두가 오래 건강하게 살 수 있도록 하는 데 기여하겠습니다."
우리 대학 기계공학과 공경철 교수(엔젤로보틱스 대표)는 지난 2일 서울 드래곤시티호텔 그랜드볼룸 한라홀에서 개최한 '제2회 아이뉴스24 소셜D·N·A 혁신상' 시상식에서 한국지능정보사회진흥원장상인 '포용상'을 수상하고 "기술개발에 매진하면서도 따뜻한 마음을 잃지 말라는 뜻으로 포용상을 주신 것 같다"며 이같은 소감을 전했다.
'소셜D·N·A혁신상'은 아이뉴스24가 창간 20주년을 맞은 지난해 사회적 가치 실현의 일환으로 과기정통부와 함께 제정한 상이다. 4차 산업혁명 시대의 사회문제를 해결하고 포용적 혁신성장을 실현할 데이터(Data), 네트워크(Network), 인공지능(AI) 분야 우수 사례를 발굴해 시상한다.
엔젤로보틱스는 장애인들을 위한 '착용형 보행보조로봇'을 개발하고 있는 스타트업이다. 로봇공학자인 공경철 교수와 재활치료 전문의인 나동욱 교수(세브란스 재활병원)가 의기투합해 2017년 창업했다. 공경철 교수 연구실은 회사 설립 전인 2016년 스위스에서 처음 열린 사이배슬론 국제대회에서 착용형 외골격로봇(웨어러블 로봇) 부문 3위에 입상하면서 이름을 알렸다. 2020년 열린 2회 대회에서는 금메달과 동메달을 석권, 웨어러블 로봇 분야의 기술력을 입증했다. (사이배슬론(Cybathlon)은 인조인간을 뜻하는 사이보그(cyborg)와 경기를 의미하는 애슬론(athlon)을 합성해 만든 단어로, 신체 일부가 불편한 장애인들이 로봇과 같은 생체 공학 보조 장치를 착용하고 미션 수행을 겨루는 대회다. 2016년 스위스 취리히 연방 공과대학교(ETH)가 대회를 창설했다)
현재 회사의 주력 제품은 하지 재활을 위한 보행훈련 로봇인 '엔젤렉스(ANGEL LEGS) 메디컬'이다.
뇌성마비나 선천성 보행장애를 가진 소아에서부터 뇌졸중, 근력저하 등 노인성 질환으로 인한 보행장애 환자들이 스스로 걸을 수 있는 능력을 회복해 일상에 복귀할 수 있도록 돕는 제품이다. 지난해 말부터 병원 보급이 시작돼 현재 전국 13개 의료기관에 16대가 도입됐다. 조만간 말레이시아 재활병원에도 도입될 예정이다. 최근에는 정부의 공공조달 혁신제품에도 선정돼 공공 의료기관으로의 보급확대도 기대할 수 있게 됐다.
이 밖에 병원이 아닌 집에서 재활훈련을 할 수 있는 '엔젤렉스 홈', 일상생활을 위한 보조기기인 '엔젤 앵클' 등을 출시해 장애발생시 입원치료→재활훈련→퇴원→자가훈련→일상복귀에 이르는 전 사이클을 지원할 계획이다.
공경철 교수는 "기술개발은 다 해 놓았지만 이를 어떤 서비스로 완성할 것인지 고민하고 있다"고 말했다. 로봇 대회 참가는 기술을 겨루는 것이지만 사용자에게는 실제로 재활치료에 도움을 주는 제품이어야 하기 때문이다. "사용자에게 로봇은 신기한 미래기술이 아니라 생활에 필요한 필수 제품이어야 하기 때문에 개발자의 시각이 아닌 철저하게 사용자의 입장에서 생각하며 로봇을 만들겠다"는 게 그의 철학이다.
다음은 공경철 교수와의 일문일답.
-작년 사이배슬론 대회에서 우승하는 장면이 인상적이었다. 회사를 알리는 데 많은 도움이 됐을 것 같다
국제대회 참여는 우리 회사의 정체성을 상징적으로 보여주기 위한 것이다. 직원들의 동기부여에도 굉장한 도움이 된다. 사실 2016년 대회 때는 외부 지원없이 우리 팀이 모든 것을 하느라 정말 고생을 많이 했다. 첫 대회 이후 LG전자가 선제적으로 투자해 줘서 창업을 하게 된 직접적인 계기도 됐다. 2회 대회부터는 산업부에서 예산지원도 받고 공동연구 참여기관들도 많아져서 도움이 많이 됐다.
-이제 창업 4년째인데 실제 제품 판매는 어느 정도 이루어지고 있나
작년말부터 매출이 발생하기 시작했다. 올해는 현재까지 약 10억원의 매출을 올렸다. 올해 목표는 20억원으로 잡고 있다. 병원 보급이 본격화되고 있어서 내년부터는 본격적인 매출이 발생할 것으로 기대하고 있다. (다른 부대사업 없이) 오로지 로봇판매로만 거둔 매출이다.
-실제 치료효과는 얼마나 있나
임상에 적용하기 시작한지 얼마 되지 않았지만 기존의 재활치료로는 얻기 어려웠던 재활효과를 얻었다는 연구가 나오고 있다. 현재 14개 병원에서 사용하고 있는데 병원마다 환경이 달라서 다양한 피드백을 받고 있다. 굉장히 만족하는 병원도 있고 그렇지 않은 경우도 있는데 전반적으로 괜찮은 편이다. 사용하는 병원이 늘어나면서 데이터도 쏟아지고 있는데 이를 통해 나날이 개선하고 있다. 데이터가 우리 회사의 자산이다.
-엔젤로보틱스의 핵심 기술 경쟁력은
웨어러블 로봇은 저마다 목표로 하는 시장이 달라서 특별히 서로간에 경쟁업체라고 생각하는 기업들이 있지는 않다. 우리가 타깃으로 하는 재활로봇 분야에서는 로봇공학 기술과 임상 기술이 잘 어우러진 게 가장 독특한 점이 아닐까 싶다. 로봇공학으로 말하면 우리는 환자별로 다르게 튜닝할 수 있도록 힘제어가 잘되는 정밀한 구동기 기술, 몸에 센서를 붙이지 않고 의도를 파악하는 기술, 빠르게 걸으면서 균형을 유지하는 기술 등을 갖고 있고, 임상적으로는 환자마다 다른 임상 상황에서 적절한 보조방법, 재활정도에 대한 평가기술, 치료사 인터페이스, 개인 맞춤형 착용부 제작 등 다양한 기술이 접목된다.
-현재 판매하고 있는 엔젤렉스 메디컬 외에 앵클, 홈 등은 어떤 제품인가
엔젤렉스 메디컬은 의료기기다. 병원에서 의사의 처방에 따라 치료사가 사용하는 재활치료기기다. 반면 앵클과 홈은 퇴원 후에 집에서 재활훈련을 하거나, 일상에서 사용할 수 있게 만든 보조기기다. 개발은 마무리됐지만, 현재 병원에서 사용성을 평가하고 있다. (장애를 회복하기 위한) 재활기기와 (회복불가능한 장애에 대한) 보조기기는 전혀 다른 개념의 기술이어서 사용자들의 평가를 받아 제대로 된 제품이라고 인정받으면 출시할 것이다.
-대학에서 학생들을 가르치면서 기업을 경영하는 게 쉽지 않을 텐데 창업을 하게 된 동기는
웨어러블 로봇 연구를 하다 보니 이게 결국 사람보고 하는 연구인데, 사람한테 입혀줘야 의미가 있는데 라는 생각이 들잖아요? 그럴려면 병원도 끼고 가야지, 제품에 대한 인정도 받아야지, 연구실에서는 할 수 없는게 많았다. 내가 벌려놓은 연구의 끝을 보고 싶다는 그런 막연한 느낌? 그런 게 가장 컸다. 그래서 박사학위를 할 때 의공학도 부전공으로 했다. 재활치료에 대한 임상 전문의의 도움이 필요해 세브란스병원의 나동욱 교수님을 찾아갔는데 서로가 원하는 게 맞아 떨어져서 창업을 하게 됐다. 물론 막상 창업을 하고 보니 연구실에서 생각한 것과는 많이 다르다.
-엔젤로보틱스의 향후 비전은?
사람이 걷는다는 것은 다양한 의미를 내포하고 있다. 근육활동이면서 두뇌활동이다. 아프거나 늙어서 보행장애가 발생하면 자존감이 하락하고 건강이 나빠진다. 우리의 최종 목표는 병원이 아니라 일상 생활공간이다. 장애인들도 일상에서 사용하면서 걸어 다닐 수 있는 행복을 누릴 수 있게 만드는 것, 보행이라는 운동효과를 집에서도 누리게 하는 것이 목표다.
엔젤로보틱스는 최근 180억원의 시리즈B 투자를 유치했다. 공 대표는 "다행히 투자를 잘 받아서 큰 걱정은 덜었다"면서 내년 하반기에는 기업공개를 할 수 있도록 노력할 계획이라고 밝혔다.
관련기사: https://www.inews24.com/view/1419288
2021.11.10
조회수 7181