연구진이 시각 정보를 바탕으로 로봇의 동작을 학습시키는 ACG-WAM이라는 새로운 방법을 공개했다. 시뮬레이션 환경의 RoboTwin 2.0 과제 50개에서 이 시스템은 장면이 정돈된 환경에서 93.46%, 무작위로 구성된 환경에서 92.68%의 성공률을 기록했다. 실제 환경의 과제 3개에서는 완전 성공률 85.00%, 부분 완료율 91.67%를 달성했다. 이는 기존 최고 성능 시스템인 Motus보다 각각 10%포인트, 9.17%포인트 높은 수치다.
ACG-WAM의 작동 방식
이 방법은 로봇의 현재 카메라 화면과 앞으로 취할 동작을 바탕으로 물체의 위치와 형태 같은 기하학적 특징을 여러 단계 앞서 예측하도록 학습하는 보조 예측기를 추가한다. 예측기는 현재 이미지와 미래 이미지를 쌍으로 처리하는 고정된 시각 인코더가 생성한 목표값을 활용해 학습한다. 학습이 끝나면 보조 예측기와 교사 모듈을 제거해 로봇에서 실행할 수 있는 간결한 모델만 남긴다.
로봇 사용자에게 의미하는 점
시뮬레이션과 실제 하드웨어 모두에서 성공률이 높아진 것은 ACG-WAM을 사용하는 로봇이 시행착오를 줄이면서 과제를 더 안정적으로 학습할 수 있음을 시사한다. 공장이나 창고에 로봇을 도입하는 기업은 시도 실패로 인한 가동 중단을 줄이고 새로운 동작을 학습시키는 데 필요한 시간을 단축할 수 있다.
왜 중요한가
공장 관리자에게 이처럼 높은 성공률은 로봇이 새로운 작업을 더 빠르고 적은 실수로 익힐 수 있어 교육 비용을 줄일 가능성이 있다는 뜻이다. 다만 논문은 장기적인 신뢰성이나 더 복잡한 과제로 확장할 수 있는지는 다루지 않아, 이런 효과는 더 큰 규모의 도입을 통해 확인해야 한다.
