%ed%99%a9%eb%b3%b4%ec%a0%9c%eb%af%bc
-
‘라이보’ 캣처럼 민첩하게 벽도 달린다..산악·험지 수색도 거뜬
우리 대학이 개발한 사족보행 로봇 ‘라이보(Raibo)’가 이제 계단, 틈, 벽, 잔해 등 불연속적이고 복잡한 지형에서도 고속으로 이동할 수 있게 됐다. 수직 벽을 달리고, 1.3m 폭의 간격을 뛰어넘으며, 징검다리 위를 시속 약 14.4Km로 질주하고, 30°경사·계단·징검다리가 혼합된 지형에서도 빠르고 민첩하게 움직이는 성능을 입증했다. 머지않아 라이보는 재난 현장 탐색이나 산악 수색 등 실질적인 임무 수행에 본격적으로 투입될 것으로 기대된다.
우리 대학 기계공학과 황보제민 교수 연구팀이 벽, 계단, 징검다리 등 불연속적이고 복잡한 지형에서도 시속 14.4km(4m/s)의 고속 보행이 가능한 사족 보행 로봇 내비게이션 프레임워크를 개발했다고 3일 밝혔다.
연구팀은 복잡하고 불연속적인 지형에서 로봇이 빠르고 안전하게 목표 지점까지 도달할 수 있도록 하는 사족 보행 내비게이션 시스템을 개발했다.
이를 위해 문제를 두 단계로 분해해 접근했는데, 첫째는 발 디딤 위치(foothold)를 계획하는 플래너(planner), 둘째는 계획된 발 디딤 위치를 정확히 따라가는 트래커(tracker)를 개발하는 것이다.
먼저, 플래너 모듈은 신경망 기반 휴리스틱을 활용한 샘플링 기반 최적화 방식을 통해 물리적으로 가능한 발 디딤 위치(foothold)를 빠르게 탐색하고, 시뮬레이션 롤아웃을 통해 최적 경로를 검증한다.
기존 방식들이 발 디딤 위치 외에도 접촉 시점, 로봇 자세 등의 다양한 요소를 함께 고려한 반면, 본 연구에서는 발 디딤 위치만을 탐색 공간으로 설정함으로써 계산 복잡도를 크게 낮췄다. 또한 고양이의 보행 방식에서 착안하여, 뒷발이 앞발이 밟았던 곳을 디디는 구조를 도입해 계산 복잡도를 다시 한번 크게 낮출 수 있었다.
두 번째, 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 디딜 수 있도록 강화학습을 통해 학습되며, 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 특성과 성능을 반영할 수 있도록, 트래커가 실행 가능한 디딤 위치 계획을 생성하는 샘플링 기반 플래너를 설계했다.
이 계층적 구조는 기존 기법 대비 계획 속도와 안정도 모두에서 우수한 성능을 보였으며, 실험을 통해 다양한 장애물과 불연속 지형에서의 고속 보행 능력과 처음 보는 지형에 대해서도 범용적으로 적용 가능함을 입증하였다.
황보제민 교수는 "기존에 상당히 큰 계산량을 요구하던 불연속 지형에서의 고속 네비게이션 문제를 오직 발자국의 위치를 어떻게 선정하는가의 간단한 관점으로 접근하였고, 고양이의 발디딤에서 착안하여 앞발이 디딘 곳을 뒷발이 딛도록 해 계산량을 획기적으로 줄일 수 있었다”며“보행 로봇이 극복할 수 있는 불연속 지형의 범위를 획기적으로 넓히고, 이를 고속으로 주행할 수 있도록 하여, 로봇이 재난현장 탐색이나 산악 수색 등 실제적 임무를 수행하는 데에 이바지할 수 있을 것으로 기대된다”고 말했다.
이번 연구 성과는 국제 학술지 사이언스 로보틱스(Science Robotics) 2025년 5월호에 게재됐다.
(논문명 : High- speed control and navigation for quadrupedal robots on complex and discrete terrain, https://www.science.org/doi/10.1126/scirobotics.ads6192)
유튜브링크 : https://youtu.be/EZbM594T3c4?si=kfxLF2XnVUvYVIyk https://youtu.be/EZbM594T3c4?si=jbp-IzHURIfWI8y2
2025.06.04 조회수 6328 -
라이보2, 4족보행 로봇 세계최초 마라톤 풀코스 완주 성공
해변을 거침없이 달리던 4족보행 로봇 ‘라이보’가 ‘라이보2’로 새롭게 개발되어 일반 마라톤 대회에 참가하고 완주를 성공한 세계 최초의 성과가 나왔다.
우리 대학 기계공학과 황보제민 교수 연구팀이 17일 상주에서 개최된 제22회 상주 곶감 마라톤 대회 풀코스(42.195km)에 참가해 4시간 19분 52초의 기록으로 완주했다고 17일 밝혔다.
상주 곶감 마라톤은 14km 지점과 28km 지점에 고도 50m 수준의 언덕이 2회 반복되는 코스로, 아마추어 마라토너들에게도 난이도가 높은 것으로 알려져 있어 보행 로봇에게는 예상치 못한 손실이 발생할 수 있는 도전적인 과제였다.
연구팀은 황보 교수가 자체 개발한 ‘라이심(Raisim)’ 시뮬레이션 환경에서 경사, 계단, 빙판길 등 다양한 환경을 구축하여 안정적인 보행이 가능하도록 강화학습 알고리즘을 통해 보행 제어기를 개발했다.
특히, 힘 투명성이 높은 관절 메커니즘을 통해 내리막길에서 에너지를 높은 효율로 충전하여 급격한 언덕을 오르는 데 사용한 에너지를 일부 흡수할 수 있었다.
또한, 황보 교수 연구실에서 창업한 ‘㈜라이온로보틱스’와의 공동 개발을 통해 로봇의 안정성을 높이는 데 주요한 역할을 했다.
보행 로봇은 보행 특성상 지면 접촉 시 발생하는 충격으로 인한 주기적인 진동에도 견딜 수 있어야 하는 고난도 시스템이다. 개발 직후, 실험실 내 짧은 거리 실험에서는 연초에 이미 높은 효율을 기록했으나, 실제 마라톤에서 사람들 사이에서 안전하게 4시간 이상 달리기까지는 ‘(주)라이온로보틱스’의 제조 기술이 큰 역할을 했다.
기존 보행 효율 향상 연구들은 외부 부품이나 소프트웨어를 사용한 부분은 변경할 수 없어 일부 부분만 제한적으로 개선하는 연구가 진행되었던 점에 비해, 황보 교수 연구진은 기구 설계, 전장 설계, 소프트웨어, 인공지능까지 모든 영역을 자체 개발하여 복합적으로 문제를 해결할 수 있었던 점을 효율 향상의 핵심 요인으로 꼽았다.
연구진은 라이보1 개발에 이어 라이보2를 새롭게 개발하며 모든 영역을 최적화했고, 특히 모터 드라이버 회로를 내재화하며 구동기 손실을 최소화하고 제어 대역폭을 높여 보행 효율과 안정성을 크게 향상시켰다.
이충인 공동 제1 저자(박사과정)는 “마라톤 프로젝트를 통해 도심 환경에서 라이보2가 안정적으로 배달, 순찰 등의 서비스를 수행할 수 있는 보행 성능을 갖추었음을 보였다”며 “후속 연구로는 라이보의 자율주행 기능을 추가하면서 산악, 재난환경에서도 세계 최고 보행 성능을 달성하기 위해 노력할 것”이라고 향후 연구 계획을 밝혔다.
한편, 이번 연구는 삼성전자 미래기술육성센터와 ㈜라이온로보틱스의 지원으로 수행됐다.
2024.11.18 조회수 8687 -
해변 달리던 라이보, 이번에는 마라톤이다!
모래사장 같은 변형하는 지형에서도 민첩하게 보행하던 KAIST 4족 보행 로봇 ‘라이보’가 이번에는 세계 최초로 마라톤 풀코스 완주에 도전한다.
우리 대학 기계공학과 황보제민 교수 연구팀이 새롭게 개발한 사족보행 로봇 '라이보 2'가 11월 17일 오전 9시 상주시민운동장에서 열리는 2024 상주곶감마라톤 풀코스(42.195km) 완주에 도전할 것이라고 15일 밝혔다.
기존 사족보행 로봇의 최장 주행거리가 20km에 그쳤던 것과 비교하면 두 배가 넘는 거리다. 우리 연구진은 1회 충전으로 43km 연속 보행이 가능한 로봇을 개발하였고 교내 대운동장에서 저장된 GPS 경로를 따라 보행하는 방식으로 4시간 40분에 걸쳐 완주하는데 성공했다. 더 나아가 연구팀은 이번 마라톤 참여를 통해 실제 도심 환경 속에서 보행 성능을 입증할 예정이다.
그동안 보행 로봇의 주행거리는 대부분 실험실 내 통제된 환경에서 측정되거나 이론상의 수치에 그쳐왔다. 이번 도전은 실제 도심 환경에서 일반인들과 함께 달리며 기록을 측정한다는 점에서 의미가 크다. 사족보행 로봇의 실용화 가능성을 실제 환경에서 검증하는 첫 시도가 될 전망이다.
사족보행 로봇은 얼음, 모래, 산악 지형 등 험지에서도 안정적인 보행이 가능하다는 장점이 있지만, 짧은 주행거리와 운용 시간이 한계로 지적되어 왔다.
황보 교수팀은 이러한 한계를 극복하기 위해 로봇의 구동기부터 기계적 메커니즘까지 모든 것을 자체적으로 설계했다. 특히 자체 개발한 동역학 시뮬레이터 '라이심(Raisim)'을 통해 강화학습 기반의 효율적인 보행 제어 기술을 구현했다.
연구팀은 또한 실제 야외 환경에서의 보행 데이터를 수집·분석해 보행 손실 모델을 수립하고, 이를 다시 시뮬레이션에 반영하는 방식으로 1년여간 보행 효율을 단계적으로 끌어올렸다.
이번이 연구팀의 두 번째 도전이다. 지난 9월 ‘금산인삼축제 마라톤대회’에서 첫 도전을 했으나 37km 지점에서 배터리 방전으로 완주에 실패했다. 실험실 예상보다 10km 일찍 배터리가 소진된 것이다. 연구진은 실제 마라톤 코스에서 다른 주자들과 어울려 달리다 보니 일정한 속도를 유지하지 못하고 잦은 가감속이 발생한 점을 원인으로 분석했다.
이후 연구팀은 완주를 위한 기술적 보완에 주력했다. PC에서 수행하던 관절 강성 제어를 모터 구동기에 직접 구현해 제어 효율을 높였고, 내부 구조를 개선해 배터리 용량도 33% 늘렸다. 이러한 개선으로 현재 직선 구간 기준 최대 67km 주행이 가능해졌다.
이충인 공동 제1 저자(박사과정)는 “보행 손실을 기구, 전장, 보행 방법 측면에서 종합적으로 분석할 수 있었던 것이 보행 효율을 개선하는데 주요하게 작용했다”며 “이번 연구 성과는 사족보행 로봇의 운용 범위를 도시 범위로 확대하는데 중요한 기점이 될 것”이라고 설명했다.
한편, 이번 연구는 삼성전자 미래기술 육성센터와 ㈜라이온 로보틱스의 지원을 받아 수행됐다.
2024.11.15 조회수 5741 -
라이온로보틱스, 알데바, 도전! K-스타트업 창업리그 대상 수상
국내 최대 창업경진대회인 ‘도전! K-스타트업 2023’에서 우리 대학 기계공학과 황보제민 교수의 사족로봇 ‘라이보’를 개발한 라이온로보틱스, 신소재공학과 스티브박 교수의 교원창업 기업 알데바가 올해 왕중왕(대상)을 차지했다.
중소벤처기업부와 창업진흥원은 31일 국내 최대 창업경진대회인 ‘도전! K-스타트업 2023’의 왕중왕전(대상) 리그를 열고 수상자를 발표했다. 총 6187개 팀이 참여한 이번 대회에는 30개 팀이 최종 결승에 진출해 이 가운데 20개 팀이 입상의 기쁨을 누렸다.
이날 수상팀 선정작업을 맡은 대회 관계자는 "이전까지는 플랫폼 산업 관련 스타트업이 두각을 드러내며 유니콘으로 성장했다면, 앞으로는 딥테크와 바이오 등 다양한 기업이 눈에 띄게 성장해 시장에 현존하는 문제를 잘 풀어나갈 것으로 보인다"고 평가했다.
이날 대회에서 수상한 기업은 총 15억원의 상금과 후속 지원 등의 혜택을 제공받을 예정이다.
이영 중소벤처기업부 장관은 "도전! K-스타트업은 2016년부터 시작돼 매년 평균 5800개 기업, 올해는 6100개 스타트업이 참여해 대한민국 최고의 스타트업 창업 경진 대회로 자리를 굳히고 있다"고 밝혔다.
이어 이 장관은 "지난해까지 누적 수상한 101개 기업들이 매출 2940억을 만들어냈고 올해 6월 기준 2387명의 고용을 창출하는 등 대한민국 경제에 가시적 역할을 해낸 만큼 이번에 선발된 기업들도 선배들의 길을 이어 역사를 써나갈 것이라 확신한다"고 피력했다.
2023.11.02 조회수 7892 -
‘라이보’ 로봇, 해변을 거침없이 달리다
우리 대학 기계공학과 황보제민 교수 연구팀이 모래와 같이 변형하는 지형에서도 민첩하고 견고하게 보행할 수 있는 사족 로봇 제어기술을 개발했다고 26일 밝혔다.
황보 교수 연구팀은 모래와 같은 입상 물질로 이루어진 지반에서 로봇 보행체가 받는 힘을 모델링하고, 이를 사족 로봇에 시뮬레이션하는 기술을 개발했다. 또한, 사전 정보 없이도 다양한 지반 종류에 스스로 적응해가며 보행하기에 적합한 인공신경망 구조를 도입해 강화학습에 적용했다. 학습된 신경망 제어기는 해변 모래사장에서의 고속 이동과 에어 매트리스 위에서의 회전을 선보이는 등 변화하는 지형에서의 견고성을 입증해 사족 보행 로봇이 적용될 수 있는 영역을 넓힐 것으로 기대된다.
기계공학과 최수영 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 로보틱스(Science Robotics)' 1월 8권 74호에 출판됐다. (논문명 : Learning quadrupedal locomotion on deformable terrain)
강화학습은 임의의 상황에서 여러 행동이 초래하는 결과들의 데이터를 수집하고 이를 사용해 임무를 수행하는 기계를 만드는 학습 방법이다. 이때 필요한 데이터의 양이 많아 실제 환경의 물리 현상을 근사하는 시뮬레이션으로 빠르게 데이터를 모으는 방법이 널리 사용되고 있다.
특히 보행 로봇 분야에서 학습 기반 제어기들은 시뮬레이션에서 수집한 데이터를 통해서 학습된 이후 실제 환경에 적용돼 다양한 지형에서 보행 제어를 성공적으로 수행해 온 바 있다.
다만 학습한 시뮬레이션 환경과 실제 마주친 환경이 다른 경우 학습 기반 제어기의 성능은 급격히 감소하기 때문에, 데이터 수집 단계에서 실제와 유사한 환경을 구현하는 것이 중요하다. 따라서, 변형하는 지형을 극복하는 학습 기반 제어기를 만들기 위해서는 시뮬레이터는 유사한 접촉 경험을 제공해야 한다.
연구팀은 기존 연구에서 밝혀진 입상 매체의 추가 질량 효과를 고려하는 지반 반력 모델을 기반으로 보행체의 운동 역학으로부터 접촉에서 발생하는 힘을 예측하는 접촉 모델을 정의했다.
나아가 시간 단계마다 하나 혹은 여러 개의 접촉에서 발생하는 힘을 풀이함으로써 효율적으로 변형하는 지형을 시뮬레이션했다.
연구팀은 또한 로봇의 센서에서 나오는 시계열 데이터를 분석하는 순환 신경망을 사용함으로써 암시적으로 지반 특성을 예측하는 인공신경망 구조를 도입했다.
학습이 완료된 제어기는 연구팀이 직접 제작한 로봇 `라이보'에 탑재돼 로봇의 발이 완전히 모래에 잠기는 해변 모래사장에서 최대 3.03 m/s의 고속 보행을 선보였으며, 추가 작업 없이 풀밭, 육상 트랙, 단단한 땅에 적용됐을 때도 지반 특성에 적응해 안정하게 주행할 수 있었다.
또한, 에어 매트리스에서 1.54 rad/s(초당 약 90°)의 회전을 안정적으로 수행했으며 갑작스럽게 지형이 부드러워지는 환경도 극복하며 빠른 적응력을 입증했다.
연구팀은 지면을 강체로 간주한 제어기와의 비교를 통해 학습 간 적합한 접촉 경험을 제공하는 것의 중요성을 드러냈으며, 제안한 순환 신경망이 지반 성질에 따라 제어기의 보행 방식을 수정한다는 것을 입증했다.
연구팀이 개발한 시뮬레이션과 학습 방법론은 다양한 보행 로봇이 극복할 수 있는 지형의 범위를 넓힘으로써 로봇이 실제적 임무를 수행하는 데에 이바지할 수 있을 것으로 기대된다.
제1 저자인 최수영 박사과정은 "학습 기반 제어기에 실제의 변형하는 지반과 가까운 접촉 경험을 제공하는 것이 변형하는 지형에 적용하는 데 필수적이라는 것을 보였다ˮ 라며 "제시된 제어기는 지형에 대한 사전 정보 없이 기용될 수 있어 다양한 로봇 보행 연구에 접목될 수 있다ˮ 라고 말했다.
한편 이번 연구는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
2023.01.26 조회수 12785