박종우 교수님 연구실: 로봇 자동화 연구실

연구실 대표 박제상 박사

Q1. 연구실의 주된 연구 분야는 무엇이고, 구체적인 예시로는 무엇이 있나요?
 큰 주제로서의 연구 분야는 Robotics 이고 그 중에서도 머신 러닝을 접목 시킨 Robot Learning이 중점적으로 연구되고 있습니다. 기존의 로봇은 정형화가 되어있습니다. 입력이 일정하고 통제 내의 환경에서 작동하며 효율은 이미 최고점에 도달했습니다. 이제 더 발전을 하기 위해서는 정형화된 환경이 아닌 비정형 환경에서도 작동이 되어야 합니다. 사람과 달리 로봇은 기존의 학습에 사용된 물체가 아니면 집는데 어려움이 존재하고 물체에 대한 정보도 알 수 없습니다. 이러한 문제는 기존의 Robotics로는 해결할 수 없는 문제입니다. 기존 Robotics의 한계점을 머신 러닝 기법을 통해 해결하는 것이 Robot Learning의 주된 목적입니다.

Q2. 연구실에서 보유하고 있는 특별한 장치 또는 설비가 있나요? 
 저희 연구실에서 사용하는 장비는 7축 자유도를 가진 ‘Frank Panda’ 로봇이 있습니다. 이 로봇은 물체 조작 실험에 쓰이는 대표적인 로봇 중 하나입니다. 시뮬레이션을 사용하여 연구를 진행할 수도 있지만, 실제 환경에서 작동하지 않으면 무의미하다는 연구실의 철학에 맞게 연구실에서 개발한 알고리즘이나 연구를 이 로봇에 적용시켜 결과를 보여주고 있습니다. 로봇의 시연 데모 영상도 제작하며 실생활에서 이용이 가능하다는 것을 보여주는 것이 이 로봇의 가장 큰 목적입니다. 추후, 이 로봇을 하나 더 구비하여 로봇 간의 상호작용에 대한 연구도 진행할 계획입니다.

Q3. 이 외에 연구실만의 특별한 점이 있나요?
 저희 연구실의 특별한 점은 Robotics 분야에 미래 연구 방향을 좀 더 빠르게 알 수 있다는 것입니다. 교수님께서 해외의 많은 Robotics 교수님들과 연락을 하고 계시고, 앞으로 Robotics는 어떠한 방향으로 나아갈 것인지에 대해 대화를 많이 하고 오십니다. 이후 저희에게 얘기를 해주시고 연구 분야를 알려주십니다. 미래의 연구 분야에 대해 어느 정도의 예측을 할 수 있으면 소위 말하는 블루오션을 미리 선점할 수 있기에 연구를 진행하는 데에 있어 엄청난 장점이라고 생각합니다.

Q4. 대학원을 생각 중인 학부생이나 연구중인 대학원생에게 해 주실 말씀이 있으시면 감사하겠습니다.
연구자로서 후배들에게 연구가 학부생 때의 공부와는 다르다는 것을 강조하고 싶습니다. 물론 학부생 때 공부를 잘하던 학생이 대학원 와서 연구를 잘할 가능성은 높지만 가능성일 뿐 절대적이지 않습니다. 제가 그걸 많이 느꼈습니다. 학부생 때 교수님의 수업에서 좋은 성적을 받았지만, 막상 연구를 하면 원래 생각했던 공부와는 다르다는 것을 느꼈습니다. 이는 학부생 때의 공부는 문제 푸는 것이 중점이고 문제는 답이 정해져 있지만 연구는 그렇지 않기 때문이라고 생각합니다. 연구는 정해져 있는 답이 없기 때문에 학부생 때와는 다른 태도로 바라볼 필요가 있습니다. 저의 경우는 연구를 할 때 선행 연구를 보고 ‘문제가 완벽하게 해결이 된 것인가?’ 라고 질문을 던집니다. 혹은 실험을 하면서 ‘결과가 왜 안 나올까, 왜 이게 완벽하지 않은 답일까?’ 라고 생각합니다. 그러면서 새로운 연구 주제를 잡고 진행합니다. 이처럼 학부 때 생각했던 문제 해결을 위한 생각의 방향과 연구자로서 문제 해결을 하기 위한 생각의 방향이 다르다는 것을 얘기하고 싶습니다. 그래서 학부생 분들이 학부 성적이 낮다고 해서 연구자로서 자질이 없다고 생각하실 필요 없습니다.

---

대표 연구자 김성윤

Q1. 선정된 대표연구에 대해 간략히 소개 부탁드립니다.
로봇을 제어할 때 로봇에 의해 밀거나 옮겨지는 물체의 위치를 정확히 아는 것이 매우 중요합니다. 예로 들어 1 뉴턴의 힘으로 밀었을 때 1초 뒤 물체의 위치를 알고 있는 것이 중요합니다. 하지만 이전 연구들은 이 물리적 현상에 대해 입력의 변화가 출력의 변화에 그대로 반영이 되는 equivariant 특성을 잘 적용하지 못하였습니다. 이번 논문은 위 문제를 해결하였고 이번 CoRL Conference Robot Learning 학회에 선정되었습니다.
기존의 연구들은 머신 러닝을 통해 물체의 위치를 예측하였지만, 좌표계과 회전 되었을 경우 적용이 안 되었습니다. 물체를 조작하는 장면을 global한 좌표계에서 관측 후 데이터를 모델에 바로 입력하였기 때문에 조작 상황에 약간의 변화가 생기면 다른 데이터가 되는 문제가 있었습니다. 이번 연구에서는 좌표계가 회전 되어도 물체의 다음 위치를 잘 예측할 수 있는 모델을 만들었습니다. 물체의 상대적인 좌표계에서 조작 상황을 데이터로 만든 후 모델에 입력해주었기 때문에 조작 상황에 변화가 생기더라도 모델이 같은 데이터로 인식하는 equivariant 특성을 가지게 되었습니다. 이를 Frank Panda 로봇에 적용하여 실제로도 성공적인 결과를 보였습니다. 책상 위 납작한 접시를 잡기 위해 책상 끝으로 접시를 옮겨 잡을 공간을 확보하는 결과를 보였고, 접수 주위 장애물이 있을 경우 장애물을 밀어내어 접시를 잡을 수 있도록 학습이 된 걸 볼 수 있었습니다. 이는 로봇이 장애물이나 접시의 다음 위치를 정확히 예측을 하였기에 나온 결과입니다.
물체를 조작하는 장면을 global한 좌표계에서 관측 후 데이터를 모델에 바로 입력하여 조작 상황에 약간의 변화가 생기면 다른 데이터가 되던 연구들과 달리, 물체의 상대적인 좌표계에서 조작 상황을 데이터로 만든 후 모델에 입력해주었기 때문에 변화가 생기더라도 모델이 같은 데이터로 인식한다는 equivariant 특성을 가지게 되었습니다.

Q2. 해당 연구를 진행하면서 가장 힘들었던 점과 이를 극복한 방법이 있나요?
이번 연구를 진행하면서 가장 힘들었던 것은 시간이었습니다. 연구 주제를 생각한 시점이 학회의 제출 기한 두 달 전이었기에 짧은 시간동안 연구를 진행하는 것이 힘들었습니다. 급하게 모델 코딩을 하였고 그만큼 버그도 많고 오류도 많았습니다. 극복은 시간을 많이 투자한 것 같습니다. 정말 계속 연구만 진행하였고 디버깅을 통해 오류도 수정하면서 연구를 진행하였습니다. 이번 연구를 통해 깨달은 점이 있는데, 연구 계획을 체계적으로 해야 한다는 것입니다. 이번 연구에서 급하게 시간을 쏟으면서 연구를 하였더니 비효율적인 연구가 되었기에 더 체계적인 연구의 필요성을 느낀 것 같습니다.

MEch-SSENGER 구재현, 이상민