로봇이 물체를 들어 올리려면 물건의 주변 환경을 검토해야 하고 해당 물체를 어떻게 들어 올릴지에 대한 계획을 세워야 한다. 이 로봇이 실생활에 적용되려면 실험실의 환경보다 더 많은 경우의 수와 환경에 대한 분석이 필요할 것으로 예상한다.
현재 구글은 머신러닝 기술의 한 예인 회선 신경망(CNN: Convolutional Neural Network)을 활용해 14대의 로봇을 훈련 중이다. 이 기술은 로봇에 적용된 카메라로 들어온 정보를 분석해 로봇들이 물체를 X 방식으로 들어 올렸을 때의 결과값을 예측하게 한다. 이때 로봇의 손은 로봇의 눈의 역할도 함께 수행한다.
구글 연구팀은 "인공지능 기술이 적용되어 로봇이 반응하기까지 3천 시간의 훈련이 필요했다"고 밝혔다.
"로봇은 자신의 손을 관찰하고 실시간으로 모션을 변경하면서 물체를 들어 올린다. 더불어 물체를 실제로 잡기 전 주변에 있는 물건을 옆으로 치우는 모습을 보였다. 로봇의 이런 반응은 시스템으로 프로그램된 것이 아닌 인공지능을 통한 학습으로부터 자연스럽게 나오는 것이다"라고 덧붙여 설명했다.
구글의 연구원에 따르면, 로봇에 별다른 훈련을 진행하지 않았을 때는 30가지 물체를 들어 올리는 실험을 했을 시 34%의 실패율을 보였으나, 인공지능을 통한 결과 값 예측 훈련을 시행한 후에는 퍼센티지가 18%까지 떨어졌다. 아직 완전하지는 않지만, 앞으로 더 많은 학습 훈련을 통해 실패율은 더욱 낮아질 수 있다는 것을 고려하면 놀라운 결과다.
기사, 이미지 출처: TechCrunch
