-
로봇도 이제 사람처럼 고무줄을 풀고 전선 끼운다
로봇이 전선, 의류, 고무줄처럼 형태가 자유롭게 변형되는 물체를 다루는 기술은 제조·서비스 산업 자동화의 핵심 과제로 꼽혀왔다. 그러나 이러한 변형 물체는 모양이 일정하지 않고 움직임을 예측하기 어려워, 로봇이 이를 정확히 인식하고 조작하는 데 큰 어려움이 있었다. KAIST 연구진이 불완전한 시각 정보만으로도 변형 물체의 상태를 정밀하게 파악하고 능숙하게 다룰 수 있는 로봇 기술을 개발했다. 이번 성과는 케이블 및 전선 조립, 부드러운 부품을 다루는 제조업, 의류 정리와 포장 등 다양한 산업 및 서비스 분야의 지능형 자동화에 기여할 것으로 기대된다.
우리대학 전산학부 박대형 교수 연구팀이 탄성 밴드처럼 형태가 연속적으로 변하고, 시각적으로 형태를 구별하기 어려운 물체도 로봇이 능숙하게 다룰 수 있게 하는 인공지능 기술인‘INR-DOM(아이엔알-돔, Implicit Neural-Representation for Deformable Object Manipulation)’을 개발했다고 21일 밝혔다.
박 교수 연구팀은 로봇이 관측한 부분적인 3차원 정보만으로 변형 가능한 물체의 전체 형상을 완전하게 복원하고, 이를 바탕으로 로봇의 조작 방식을 학습하는 기술을 개발했다.
또한, 로봇이 특정 과제를 효율적으로 학습할 수 있도록 강화학습과 대조학습을 결합한 새로운 2단계 학습 구조를 도입했다. 학습된 제어기는 시뮬레이션 환경에서 기존 기술 대비 월등히 높은 과제 성공률을 달성했으며, 실제 로봇 실험에서도 복잡하게 얽힌 고무줄을 풀어내는 등 높은 수준의 조작 능력을 선보여 변형 물체를 다루는 로봇의 적용 범위를 크게 넓힐 것으로 기대된다.
변형 물체 조작(Deformable Object Manipulation, DOM)은 로봇 공학의 오랜 난제 중 하나다. 변형 물체는 무한한 자유도를 가져 움직임을 예측하기 어렵고, 스스로 일부를 가리는 자기-가림(self-occlusion) 현상으로 인해 로봇이 전체적인 상태를 파악하기 어렵기 때문이다.
이러한 문제를 해결하기 위해 변형 물체 상태 표현법과 강화학습에 기반한 제어 기술이 널리 연구되고 있었다. 그러나 기존의 상태표현법은 변형 물체의 연속적으로 변형되는 표면이나 복잡한 3차원 구조를 정확히 표현하지 못했고, 상태 표현과 강화학습이 분리돼 물체 조작에 필요한 적합한 상태 표현공간을 구성하는 데 한계가 있었다.
연구팀은 이러한 한계를 극복하기 위해 ‘잠재 신경 표현(Implicit Neural Representation)’을 활용했다. 이 기술은 로봇이 관측한 부분적인 3차원 정보(점 구름, point cloud*)를 입력받아, 보이지 않는 부분을 포함한 물체의 전체 형상을 연속적인 곡면(부호화 거리 함수, SDF)으로 재구성한다. 이를 통해 로봇은 마치 사람처럼 물체의 전체적인 모습을 상상하고 이해할 수 있게 된다.
*점 구름 3차원 정보: 물체의 3차원 형상을 ‘표면을 찍은 점들의 집합’으로 표현하는 방식
나아가 연구팀은 2단계 학습 프레임워크를 도입했다. 1단계 사전학습에서는 불완전한 점 구름으로부터 완전한 형상을 복원하는 모델을 학습시켜, 가려짐에 강인하고 늘어나는 물체의 표면을 잘 나타내는 상태 표현 모듈을 확보한다. 2단계 미세조정에서는 강화학습과 대조학습을 함께 이용해, 로봇이 현재 상태와 목표 상태 간의 미묘한 차이를 명확히 구분하고 과제 수행에 필요한 최적의 행동을 효율적으로 찾아내도록 제어 정책과 상태 표현 모듈을 최적화한다.
연구팀이 개발한 INR-DOM 기술을 로봇에 탑재해 실험한 결과, 시뮬레이션 환경에서 고무링을 홈에 끼우거나(sealing), O링을 부품에 설치하거나(installation), 꼬인 고무줄을 푸는(disentanglement) 세 가지 복잡한 과제에서 모두 기존 최고 성능의 기술들보다 월등히 높은 성공률을 보였다. 특히 가장 어려운 과제였던 풀기(disentanglement) 작업에서는 성공률이 75%에 달해, 기존 최고 기술(ACID, 26%)보다 약 49% 높은 성과를 거뒀다.
연구팀은 INR-DOM 기술이 실제 환경에서도 적용 가능함을 검증하기 위해 샘플 효율적인 로봇 강화학습 기법(sample-efficient robotic reinforcement learning)과 INR-DOM을 결합해 실환경 강화학습을 수행했다.
그 결과, 실제 환경에서의 끼우기, 설치, 풀기 작업을 90% 이상의 성공률로 수행했으며, 특히 시각적으로 구별이 어려운 양방향 꼬임 풀기 작업에서 기존 이미지 기반 강화학습 기법 대비 25% 더 높은 성공률을 기록해 시각적 모호성에도 불구하고 강인한 조작이 가능함을 입증했다.
제1 저자인 송민석 연구원은 "이번 연구는 로봇이 불완전한 정보만으로도 변형 물체의 전체 모습을 이해하고, 이를 바탕으로 복잡한 조작을 수행할 수 있다는 가능성을 보여줬다”라며, "제조, 물류, 의료 등 다양한 분야에서 인간과 협력하거나 인간을 대신해 정교한 작업을 수행하는 로봇 기술 발전에 크게 기여할 것”이라고 말했다.
KAIST 전산학부 송민석 석사과정이 제1 저자로 참여한 이번 연구는 지난 6월 21~25일 LA USC에서 개최된 로봇 공학 분야 최상위 국제 학술대회인 ‘로보틱스: 사이언스 앤 시스템즈 (Robotics: Science and Systems, RSS) 2025’에서 발표됐다.
※논문명: Implicit Neural-Representation Learning for Elastic Deformable-Object Manipulations
※DOI: https://www.roboticsproceedings.org/(공개 예정), 현재는 https://arxiv.org/abs/2505.00500
한편, 이번 연구는 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원(IITP)의 ‘복합지능 자율행동체 SW 핵심기술 개발 사업’(RS-2024-00336738;자율행동체의 복합작업 자율 수행을 위한 임무 수행 절차 생성 기술 개발), ‘사람중심인공지능핵심원천기술개발’(RS-2022-II220311;일상적 물건들의 다접촉 로봇 조작을 위한 목적지향 강화학습 기술 개발), ‘컴퓨팅핵심기술’(RS-2024-00509279;글로벌AI프론티어랩)과 삼성전자의 지원을 받아 수행되었다. 자세한 내용은 https://inr-dom.github.io 에서 볼 수 있다.
2025.08.21
조회수 2636
-
폐타이어를 고무·나일론 원료로 전환 성공
전 세계적으로 매년 수십억 개의 타이어가 폐기되며, 이는 심각한 환경오염의 주요 원인 중 하나로 지목되고 있다. 우리 연구진이 폐타이어를 고무나 나일론 섬유 원료로 쓰이는 고부가가치 화학 원료인 고순도의 고리형 알켄으로 선택적 전환하는 데 성공했다. 이는 폐타이어 재활용 분야의 새로운 전환점으로 평가된다.
우리 대학 화학과 홍순혁 교수 연구팀이 이중 촉매 기반 연속 반응 시스템을 개발해 폐타이어 문제를 효과적으로 해결했다고 26일 밝혔다.
폐타이어는 합성고무와 천연고무의 복합체로 구성되며, 실리카, 카본블랙, 산화방지제 등의 첨가제를 포함해 물리적 강도와 내구성이 극대화되어 있다. 특히 가황 공정을 통해 고무 사슬 간의 가교가 형성돼 열과 압력에 강한 구조를 갖게 되는데, 이는 폐타이어의 화학적 재활용을 어렵게 만드는 주요 원인 중 하나다.
그동안 폐타이어의 재활용은 주로 열분해 방식이나 물리적 분쇄 재활용에 의존해 왔다. 열분해 방식은 350~800°C의 고온 환경에서 고분자 사슬을 분해해 연료유로 전환하는 기술이나, 높은 에너지 소비, 낮은 선택성, 그리고 저품질의 탄화수소 혼합물 생성이라는 한계가 명확히 존재한다.
연구팀은 이런 문제를 해결하고자 두 가지 촉매를 활용해 폐고무를 유용한 화학물질로 바꾸는 방법을 개발하였다. 첫 번째 촉매는 고무 분자 안의 결합 구조를 바꿔 분해가 잘 되도록 돕고, 두 번째 촉매는 고리를 닫는 반응을 통해 고리 모양의 화합물을 만들어낸다.
이 과정은 최대 92%의 높은 선택성과 82%의 수율을 보여준다. 만들어진 고리형 펜텐은 다시 고무로 재활용할 수 있고, 고리형 헥센은 나일론 섬유의 원료로 쓰이는 등 산업적으로 매우 가치가 높다.
연구팀은 개발한 시스템을 실제 폐기물로 버려진 폐타이어에 적용해, 고순도의 고리형 알켄으로 선택적 전환하는 데 성공했다. 이는 기존 열분해 방식과 달리 저온의 정밀 촉매 반응을 통해 고부가가치 화학 원료를 생산할 수 있다는 점에서 폐타이어 재활용 분야의 새로운 전환점으로 평가된다.
또한, 이번 기술은 다양한 종류의 합성고무와 폐고무에 폭넓게 적용될 수 있어, 자원 순환형 경제 실현에 기여할 수 있는 핵심 원천기술로 주목받고 있다.
홍순혁 교수는 “이번 연구는 폐타이어의 화학적 재활용에 대한 혁신적인 해법을 제시한 것이며, 경제성을 높이기 위해 차세대 고효율 촉매 개발, 상용화를 위한 기반을 마련해 나갈 예정이다”며, “기초화학을 통해 폐플라스틱 문제 해결에 기여하는 것이 목표”라고 밝혔다.
우리 대학 화학과 박범순, 조경일, 최경민 연구원이 참여한 이번 연구는 한국연구재단의 지원으로 수행됐으며, 국제 저명 학술지 ‘Chem’에 6월 18일 자로 온라인 게재됐다.
※논문명: Catalytic and Selective Chemical Recycling of Post-Consumer Rubbers into Cycloalkenes
※DOI: 10.1016/j.chempr.2025.102625
2025.06.26
조회수 3980
-
생성형 인공지능·가상현실 결합한 3D 스케칭 연구 본격화
우리 대학이 생성형 인공지능(generative AI)과 가상현실(VR)을 활용하여 초고속 생산성 시대를 열어가기 위한 본격적인 도전을 시작한다.
27일 대전 본원에 문을 연 'DRB-KAIST 스케치더퓨처 연구센터(센터장 배석형)'는 생성형 인공지능과 가상현실을 3D(3차원) 스케칭과 결합한 미래형 제품 개발 프로세스를 연구하기 위해 설립됐다.
로봇, 모빌리티, 인공 단백질과 같은 첨단 제조 산업 분야는 제품 개발 주기가 매우 길 뿐만 아니라, 설계 결함이 발견되면 다시 아이디어 발상 단계로 돌아가 실물 제작과 테스트까지의 모든 과정을 반복해야 한다. 또한, 복잡한 3차원 구조체가 한데 맞물려 움직이면서 고도의 기능을 수행하기 때문에, 기존 2차원 스크린 작업 환경에서는 설계 의도를 입력하거나 결과물을 해석하는 데 한계가 있었다.'DRB-KAIST 스케치더퓨처 연구센터'는 사람의 의도를 가장 빠르고 효과적으로 생성형 인공지능에 전달하는 수단으로 최신 가상현실 3D 스케칭 기술을 활용할 계획이다. 가상현실 몰입 공간 안에서 사람이 아이디어를 떠올리는 즉시 3D 스케칭으로 시각화하면, 인공지능이 이를 뼈대 삼아 구체화함으로써 실물을 제작하지 않고도 반복적으로 문제점을 수정해 점진적으로 완성도를 높일 수 있다.
이를 위해, ▴로봇 디자인 ▴모빌리티 디자인 ▴단백질 디자인을 3개 혁신 전략 분야로 삼고, 3D 스케칭 전문가인 배석형(산업디자인학과) 교수를 필두로 명현(전기및전자공학부), 박대형·성민혁(전산학부), 김경수·박해원·황보제민(기계공학과), 김호민(생명과학과) 교수 등 5개 학과 8명의 연구진과 KIST 박한범(뇌과학연구소) 박사가 범학제적으로 연구를 수행할 예정이다.
동일고무벨트 주식회사(대표 이윤환, 이하 DRB)는 연구센터를 통해 ▴정기 학술 워크숍 및 데모데이 개최 ▴DRB 연구원의 산학 교류 ▴DRB 매칭 조직의 신제품·신사업 탐색, ▴대규모 국가 연구개발 지원사업 합동 유치 추진 등을 진행한다. 기술혁명의 시대를 맞는 21세기 중후반에 대비한 새로운 기업 운영 체제를 만들어 가겠다는 포부다.
27일 오후 우리 대학 대전 본원 산업디자인학과동(N25)에서 개최된 개소식에는 이광형 총장, 배석형 센터장 등 KAIST 보직교수 및 센터 참여교수와 DRB 김세연 전략고문 및 임원진 등 30여 명이 참석했으며, 현판식이 함께 진행됐다.배석형 DRB-KAIST 스케치더퓨처 연구센터장은 "인공지능의 잠재력을 사람이 의도에 따라 자유자재로 부릴 수 있는 것이 핵심"이라며, "사람이 가진 고도의 창의성을 스케칭을 통해 자유롭게 발상하고 표현하는 연구는 앞으로 더욱 중요해질 것"이라고 강조했다.
2024.02.29
조회수 11013
-
새로운 고무형태의 고체 전해질로 세계 최고성능 전고체전지 구현 성공
우리 대학 생명화학공학과 김범준 교수 연구팀이 미국 조지아공대(Georgia Tech) 이승우 교수팀과 공동연구를 통해 새로운 개념의 엘라스토머 고분자 전해질을 개발하고 이를 통해 세계 최고성능의 전고체전지를 구현했다고 13일 밝혔다.
우리 대학 한정훈 및 조지아공대 이승훈 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처(Nature)' 1월 13일에 출판됐다. (논문명: Elastomeric electrolytes for high-energy solid-state lithium batteries).
전고체 리튬메탈전지(all-solid-state Li-metal battery)는 이차전지에 사용되는 휘발성이 높은 액체전해질을 고체로 대체해 화재 및 자동차 안전사고를 막을 수 있는 미래기술로서, 현재 상용화된 리튬이온전지(Li-ion battery)에 비해 에너지밀도를 획기적으로 향상해 자동차 주행거리 확보 및 안전 문제를 해결할 수 있는 `꿈의 배터리 기술'이다.
공동 연구팀은 상온에서 리튬(Li) 이온의 전도도가 탁월하며, 기계적 신축성이 모두 확보된 엘라스토머(고무) 형태의 고분자 전해질을 개발했으며, 이를 전고체전지에 적용해 410Wh/kg의 세계 최고성능을 보이는 전고체 리튬 메탈전지를 구현했다. 이러한 기술을 도입하면 현재 한번 충전으로 800 km까지 주행 가능한 전기자동차의 구현(현재 500 km수준)이 가능할 것으로 보이며, 기존의 액체 전해질을 적용한 리튬이온전지의 안정성을 획기적으로 향상할 것으로 기대된다.
고체 전해질은 크게 고분자 기반, 산화물 기반, 황화물 기반의 전해질로 나뉘는데, 현재 황화물 기반에서 가장 활발한 연구가 되고 있으나 가격이 매우 비싸다는 단점이 있다. 고분자 기반 고체전해질은 원료가 매우 싸고, 저온 대량생산 공정, 가벼움의 장점을 갖고 있지만, 상온에서 낮은 이온전도도를 가지는 문제점이 있으며, 전지 충‧방전 시 안정성이 떨어진다.
연구팀은 고무처럼 신축성이 탁월한 엘라스토머 내부에 리튬 이온전도도가 매우 높은 플라스틱 결정 물질을 3차원적으로 연결한 엘라스토머 고분자 고체전해질을 개발했다. 연구팀이 개발한 전해질은 기존에 대표적인 폴리에틸렌옥사이드(PEO) 기반의 고분자 전해질에 비해 100배 정도 향상된 10-3 S/cm의 이온전도도를 가진다. 또한, 고무처럼 신축성이 우수한 전해질은 전지 충‧방전 시 안정성에 가장 큰 문제가 되는 리튬 덴드라이트(dendrite)의 성장을 억제해, 탁월한 전지 성능 및 안정성을 확보했다.
개발된 고분자 전해질은 얇은 리튬금속 음극과 니켈 리치 양극(NCM-Ni83)으로 구성된 전고체전지에서 4.5V 이상의 고전압에서도 안정적인 구동을 보였으며, 410Wh/kg 이상의 세계 최고의 에너지밀도를 보였다.
SK이노베이션의 최경환 차세대 배터리 센터장은 “전고체 배터리는 전기차주행거리와 안전성을 획기적으로 늘릴 수 있다”며 “전고체 배터리 상용화 여부는 전기차 시장의 판도를 가를 중요한 과제로, 김범준/이승우 교수 연구팀이 개발한 엘라스토머 전해질은 기존의 고분자계 고체전해질의 한계를 해결한 획기적인 결과”라고 말했다.
이차전지 분야의 권위자인 서울대 강기석 교수는 “전고체 이차전지에 대한 세계적인 개발 경쟁이 치열한 가운데, 기존 고체전해질과 차별되는 엘라스토머 기반의 신규 고체전해질 개발은 이 분야의 발전에 새로운 가능성을 제시할 것이다.”라고 말했다.
우리 대학 김범준 교수는 "이번 연구를 통해 미래의 배터리라고 불리는 세계 최고 성능 전고체전지를 개발했을 뿐만 아니라 엘라스토머 전해질이라는 기존과는 완전히 다른 새로운 종류의 고체전해질을 개발해 소재 원천 기술을 확보했다는 것에 큰 의의가 있다ˮ라고 밝혔으며, 미국 조지아공대 이승우 교수는 "이번 연구를 통해 개발한 엘라스토머 전해질은 기존의 고체전해질이 가진 문제점을 획기적으로 개선하고, 제조 공정이 매우 간단해, 전고체전지의 전해질의 게임체인저가 될 것으로 기대한다ˮ라고 밝혔다.
또한 이번 연구에는 한국연구재단의 중견도약연구사업, 미래소재디스커버리 사업, 기초연구실지원사업의 지원을 받아 수행되었으며, 한국화학연구원의 김병각 박사, 한국에너지기술연구원의 정규남 박사가 공동연구에 참여했다.
2022.01.13
조회수 22794