광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고

AI넷

마인드봇[인간-로봇 협업: 알고리즘은 로봇에게 부주의한 인간의 행동을 인지시킨다] 로봇은 계획대로 행동하고 규칙을 따르지만 인간은 종종 규칙을 따르지 않는다. 새로운 알고리즘을 사용하면 로봇이 인간의 부주의함을 더 잘 인식하게 되어 로봇의 안전성이 높아질 수 있다.

https://www.futurity.org/robots-safety-human-carelessness-3249472/

JM Kim | 기사입력 2024/09/01 [22:00]

마인드봇[인간-로봇 협업: 알고리즘은 로봇에게 부주의한 인간의 행동을 인지시킨다] 로봇은 계획대로 행동하고 규칙을 따르지만 인간은 종종 규칙을 따르지 않는다. 새로운 알고리즘을 사용하면 로봇이 인간의 부주의함을 더 잘 인식하게 되어 로봇의 안전성이 높아질 수 있다.

https://www.futurity.org/robots-safety-human-carelessness-3249472/

JM Kim | 입력 : 2024/09/01 [22:00]

 

인간-로봇 협업: 알고리즘은 로봇에게 부주의한 인간의 행동을 인지시킨다.

 

인간과 로봇이 함께 일하는 포장 및 조립 라인의 컴퓨터 시뮬레이션에서 인간의 부주의를 고려하도록 개발된 알고리즘은 기존 방법에 비해 안전성을 최대 80%, 효율성을 최대 38% 향상시켰다.

 

워싱턴 주립 대학교 기계 및 재료 공학부의 조교수이자 저자인 메흐디 호세인자데는 "매일 부주의로 인해 많은 사고가 발생하고 있으며, 불행히도 그 대부분은 인간의 실수이다."라고 말한다.

"로봇은 계획대로 행동하고 규칙을 따르지만 인간은 종종 규칙을 따르지 않는다. 이것이 가장 어렵고 도전적인 문제이다."

 

사람과 함께 일하는 로봇은 많은 산업에서 점점 더 흔해지고 있으며, 종종 함께 일한다. 많은 산업에서 인간과 로봇이 작업 공간을 공유해야 하지만 반복적이고 지루한 작업으로 인해 사람들이 집중력을 잃고 실수를 할 수 있다.

 

대부분의 컴퓨터 프로그램은 실수가 발생했을 때 로봇이 반응하도록 돕는다. 호세인자데는 이러한 알고리즘이 효율성이나 안전성을 개선하는 데 초점을 맞출 수 있지만, 함께 일하는 사람들의 변화하는 행동은 고려하지 않았다고 말한다.

 

연구원들은 로봇에 대한 계획을 개발하기 위한 노력의 일환으로 먼저 인간의 부주의를 정량화하여 인간이 안전 경고를 무시하거나 놓치는 빈도와 같은 요소를 살펴보았다.

 

그는 "우리는 부주의를 정의했고, 로봇은 인간의 행동을 관찰하고 이해하려고 노력했다."라고 말한다. "부주의 수준이라는 개념은 새로운 것이다. 부주의한 사람이 누구인지 안다면, 그에 대해 뭔가 할 수 있다."

 

로봇이 부주의한 행동을 식별하면, 그런 방식으로 행동하는 인간과 상호 작용하는 방식을 변경하도록 프로그래밍되어, 사람이 직장에서 실수를 저지르거나 스스로를 다치게 할 가능성을 줄이는 데 도움이 된다. 예를 들어, 로봇은 인간의 방해가 되지 않도록 작업을 관리하는 방식을 변경할 수 있다. 로봇은 부주의 수준과 관찰한 모든 변화를 지속적으로 업데이트한다.

 

연구자들은 4명의 사람과 로봇으로 구성된 포장 라인의 컴퓨터 시뮬레이션으로 계획을 테스트했다. 또한 두 사람이 로봇과 함께 일하는 시뮬레이션 협업 조립 라인도 테스트했다.

 

"핵심 아이디어는 알고리즘을 부주의한 인간의 행동에 덜 민감하게 만드는 것이다."라고 호세인자데는 말한다.

"우리의 결과는 제안된 계획이 효율성과 안전성을 개선할 수 있는 능력이 있음을 보여주었다."

 

연구자들은 컴퓨터 시뮬레이션을 수행한 후 실험실에서 실제 로봇과 사람을 대상으로 작업을 테스트하고 궁극적으로는 현장 연구에서도 작업을 테스트할 계획이다. 또한 인간의 합리성이나 위험 인식과 같이 직장 생산성에 영향을 미치는 다른 인간적 특성을 정량화하고 설명하고자 한다.

 

추가 공동 저자는 세인트루이스의 워싱턴 대학교 출신이며 이 연구에 대한 자금은 미국 국립과학재단에서 지원했다. 이 연구는 IEEE Transactions on Systems, Man, and Cybernetics: Systems에 보고됨.

출처: 워싱턴 주립 대학교

 

 

로봇 스타트업 1X Technologies는 시뮬레이션에서 로봇 시스템 훈련시키는 생성모델

 

이것을 훈련하는 것을 훨씬 더 효율적으로 만들 수 있는 새로운 생성 모델을 개발했다. 회사가 새로운 블로그 게시물 에서 발표한 이 모델은 로봇의 행동에 반응하여 세상이 어떻게 변하는지 예측할 수 있는 "세계 모델"을 학습하는 로봇의 중요한 과제 중 하나를 다룬다.

로봇을 물리적 환경에서 직접 훈련하는 데 드는 비용과 위험을 감안할 때, 로봇공학자들은 일반적으로 시뮬레이션 환경을 사용하여 제어 모델을 실제 세계에 배치하기 전에 훈련한다. 그러나 시뮬레이션과 물리적 환경의 차이로 인해 어려움이 발생한다. 

1X Technologies의 NEO AI 로봇

 

"로비스트들은 일반적으로 실제 세계의 '디지털 트윈'인 장면을 손으로 작성하고 Mujoco, Bullet, Isaac과 같은 강체 시뮬레이터를 사용하여 역학을 시뮬레이션한다." 1X Technologies의 AI 부사장인 Eric Jang이 VentureBeat에 말했습니다. "그러나 디지털 트윈은 물리적 및 기하학적 부정확성이 있어 한 환경에서 훈련하고 다른 환경에서 배포해야 할 수 있으며, 이로 인해 'sim2real 갭'이 발생합니다. 예를 들어, 인터넷에서 다운로드한 문 모델은 로봇을 테스트하는 실제 문과 손잡이의 스프링 강성이 동일하지 않을 가능성이 큽니다."

생성 세계 모델

이러한 격차를 메우기 위해 1X의 새로운 모델은 로봇에서 직접 수집한 원시 센서 데이터로 훈련을 받아 실제 세계를 시뮬레이션하는 법을 배운다. 회사의 자체 로봇에서 수집한 수천 시간 분량의 비디오와 액추에이터 데이터를 살펴보면서 이 모델은 현재 세계의 관찰을 살펴보고 로봇이 특정 행동을 취하면 어떤 일이 일어날지 예측할 수 있다.

이 데이터는 집과 사무실에서 다양한 모바일 조작 작업을 수행하고 사람들과 상호 작용하는  EVE 인간형 로봇 으로부터 수집되었다 .

"우리는 다양한 1X 사무실에서 모든 데이터를 수집했고, 데이터에 주석을 달고 필터링하는 데 도움을 주는 Android 운영자 팀이 있습니다." 장이 말했습니다. "실제 데이터에서 시뮬레이터를 직접 학습함으로써 상호 작용 데이터의 양이 증가함에 따라 역학이 실제 세계와 더 밀접하게 일치해야 합니다."

1x 로봇 시뮬레이션 객체출처: 1X Technologies

학습된 세계 모델은 특히 객체 상호작용을 시뮬레이션하는 데 유용하다. 회사에서 공유한 비디오는 로봇이 상자를 잡는 비디오 시퀀스를 모델이 성공적으로 예측하는 것을 보여준다. 1X에 따르면, 이 모델은 또한 "강체, 물체를 떨어뜨리는 효과, 부분적 관찰 가능성, 변형 가능한 물체(커튼, 세탁물) 및 관절형 물체(문, 서랍, 커튼, 의자)와 같은 사소하지 않은 객체 상호작용"을 예측할 수 있다. 

일부 비디오에서는 셔츠 접기와 같은 변형 가능한 물체를 사용하여 복잡한 긴 수평선 작업을 시뮬레이션하는 모델을 보여준다. 이 모델은 장애물을 피하고 사람과 안전한 거리를 유지하는 방법과 같은 환경의 역학도 시뮬레이션한다.

1x 로봇 시뮬레이션 접이식 세탁출처: 1X Technologies

생성 모델의 과제

환경의 변화는 여전히 과제로 남을 것. 모든 시뮬레이터와 마찬가지로 생성 모델은 로봇이 작동하는 환경이 변함에 따라 업데이트되어야 한다. 연구자들은 모델이 세계를 시뮬레이션하는 방법을 학습하면 업데이트가 더 쉬워질 것이라고 믿는다.

"생성 모델 자체에 훈련 데이터가 오래되면 sim2real 갭이 생길 수 있습니다." 장이 말했다. "하지만 아이디어는 완전히 학습된 시뮬레이터이기 때문에 실제 세계에서 새로운 데이터를 공급하면 물리 시뮬레이터를 수동으로 조정하지 않고도 모델을 수정할 수 있다는 것입니다."

1X의 새로운 시스템은 OpenAI Sora 와 Runway와 같은 혁신에서 영감을 받았다. 이러한 혁신은 적절한 학습 데이터와 기술을 사용하면 생성 모델이 어떤 종류의 세계 모델을 학습하고 시간이 지나도 일관성을 유지할 수 있음을 보여주었다.

그러나 이러한 모델이 텍스트에서 비디오를 생성하도록 설계된 반면, 1X의 새로운 모델은 생성 단계에서 동작에 반응할 수 있는 생성 시스템 추세의 일부이다. 예를 들어, Google의 연구자들은 최근 DOOM 게임을 시뮬레이션 할 수 있는 생성 모델을 훈련하기 위해 유사한 기술을 사용했다 . 대화형 생성 모델은 로봇 제어 모델과 강화 학습 시스템을 훈련하는 데 수많은 가능성을 열어줄 수 있다. 

그러나 생성 모델에 내재된 몇 가지 과제는 1X에서 제시한 시스템에서도 여전히 분명하게 드러난다. 이 모델은 명확하게 정의된 세계 시뮬레이터에 의해 구동되지 않기 때문에 때때로 비현실적인 상황을 생성할 수 있다. 1X에서 공유한 예에서 이 모델은 때때로 물체가 공중에 매달려 있을 경우 떨어질 것이라고 예측하지 못한다. 다른 경우에는 물체가 한 프레임에서 다른 프레임으로 사라질 수 있습니다. 이러한 과제를 처리하려면 여전히 광범위한 노력이 필요하다.

1x 로봇 시뮬레이션 실패출처: 1X Technologies

한 가지 해결책은 더 많은 데이터를 수집하고 더 나은 모델을 훈련하는 것. "지난 몇 년 동안 생성 비디오 모델링에서 극적인 진전을 보았고 OpenAI Sora와 같은 결과는 데이터와 컴퓨팅을 확장하는 것이 상당히 멀리 갈 수 있음을 시사합니다."라고 Jang은 말했다.

동시에 1X는 모델 과 가중치를 공개하여 커뮤니티가 노력에 참여하도록 장려하고 있다 . 이 회사는 또한 모델을 개선하기 위한 대회를 시작하여 우승자에게 금전적 상금을 제공한다. 

 

장은 "우리는 세계 모델링과 비디오 생성을 위한 여러 방법을 적극적으로 조사하고 있습니다."라고 말했다.

 

 

 

 
인간-로봇 협업, 알고리즘, 부주의, 인지 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
AI로봇, 그레이스 아인슈타인 많이 본 기사