Shadow Robot의 체스를 두는 로봇핸드. 출처: The Shadow Robot Company Ltd

GoogleDeepMind 는 AI 머신러닝의 최신 프로젝트를 위해 로봇손 을 원했을 때 Shadow Robot으로 눈을 돌렸다. 이 최신 제품은 지금까지 만들어진 가장 민감하고 손재주가 뛰어난 로봇 손 중 하나일 뿐만 아니라 이전 디자인을 파괴한 충격을 견딜 수 있을 만큼 충분히 견고하다.

인류 역사를 통틀어 우리 손의 능력이 수행하는 역할은 과소평가될 수 없다. 선사 시대 초기 도구의 인핸들링부터 현대 외과의사가 보여준 정밀도에 이르기까지 이러한 손재주는 27개의 뼈와 30개 이상의 근육으로 구성된 팔다리를 기반으로 하며, 아마도 모든 기관 중에서 가장 인간적인 기관인 뇌의 안내를 받는다.

이러한 복잡성으로 인해 로봇 손을 제어하기가 매우 어렵다. 로봇 공학의 세계에서는 정확한 속도와 힘으로 물체를 잡고 조작하는 데 필요한 소근육 운동 기술보다 더 높은 수준은 없다.

한편, Google DeepMind와 같은 회사는 인공 지능(AI)의 경계를 넓히고 있다. 그들은 실용적인 가능성의 범위를 넓히고 연구를 안내하기 위해 기계가 무엇을 배울 수 있는지 이해하려고 노력하고 있다. Shadow Robot은 루빅스 큐브를 빠르게 완성하는 방법을 배우는 모델 중 하나의 비디오를 통해 시장에 그들의 능력을 보여주었다.

현실 세계를 위한 로봇 핸드

Google DeepMind 팀에 깊은 인상을 준 것은 Shadow Robot의 Shadow Hand였다. 그러나 이 새로운 프로젝트는 더 많은 것을 요구했다.

Shadow Robot의 이사인 Rich Walker는 다음과 같이 설명한다. “목표는 실제 작업을 학습할 수 있는 로봇 손이었습니다. 손은 가장 손재주가 뛰어나고 민감해야 하지만, 그들이 테스트한 다른 로봇과 달리 힘들고 실용적인 작업과 관련된 충격을 받을 때에도 생존하려면 손이 필요했습니다.”

딥 러닝은 대규모 데이터 수집을 가능하게 하기 위해 많은 수의 센서가 필요하므로 Shadow Robot은 Rich가 말했듯이 ‘다른 어떤 상황에서도 합리적인 것보다 훨씬 더 많은 센서’를 사용하여 손을 설계하기 시작했다.

목표는 반드시 인간 손의 모양을 복제하지 않고도 실제 학습 작업을 위한 높은 손재주, 감도 및 견고성을 갖춘 로봇 손을 만드는 것이었다. 이러한 요구 사항을 가장 잘 달성하기 위해 디자인은 세 개의 견고한 손가락과 사람의 손보다 약 50% 더 큰 손에 의존한다.

그 결과 위치, 힘 및 관성 측정을 포함한 풍부한 데이터를 제공하는 고속 센서 네트워크로 가득 찬 로봇 손인 DEX-EE가 탄생했다. 이는 손가락당 수백 개의 촉각 감지 채널로 강화되어 거의 사람의 손과 유사한 어지러울 정도로 압력 감도를 최적화한다.

힘의 적용을 미세하게 제어하고 손의 관절 배열을 작동시키기 위해 Shadow Robot은 고성능 구동 시스템에 의존해야 했다. DEX-EE의 주요 혁신은 일반적인 관절당 하나의 모터 접근 방식 대신 관절당 하나 이상의 모터를 사용하는 힘줄 구동 시스템을 특징으로 하는 독특한 디자인이다.

5개의 모터가 세 손가락 각각에 있는 4개의 관절을 구동하는 이 접근 방식은 움직임 방향이 반전될 때 발생할 수 있는 '유격'인 백래시를 제거하여 제어된 모션을 최적화한다. 세심한 모터 제어를 통해 각 관절은 제로 관절 토크를 모방할 수 있어 DEX-EE에 절묘하게 민감한 움직임 제어와 위험 없이 섬세한 물체를 다룰 수 있는 능력을 제공한다.

DEX-EE에 필요한 신뢰성과 성능을 달성하기 위해 Shadow Robot은 원래 드라이브 시스템 파트너에게 의지했다.

“ 맥슨모터 는 오랜 제조 발전을 거쳐왔으며, DEX-EE에 대한 요구 사항에 중요한 역할을 했습니다. 특히 로봇 조작의 실제 사용이 엄격한 경우였습니다”라고 Rich는 말한다.

DEX-EE는 15개의 맥슨 DCX16을 통합한다.

로봇 손이 힘줄에 충분한 힘을 가하는 데 필요한 높은 토크 밀도를 달성하다. 이를 통해 손은 잡고 잡는 것과 같은 동작에 필요한 역동성과 힘으로 움직일 수 있다. 동시에 모터는 각 손가락 베이스의 범위 내에 맞을 수 있을 만큼 충분히 작아야 했다.

모터의 철이 없는 권선은 또한 전통적인 철심 설계에서 발생하는 상대적인 저울림인 코깅을 제거한다. 이를 통해 부드럽고 제어된 동작을 달성할 수 있으며, 이는 DEX-EE가 가장 섬세한 작업에 대해 정확한 수준의 정밀도에 도달하는 데 필수적이다. 설계 및 제조의 높은 공차와 고급 소재는 조용한 작동을 보장하고 높은 내구성을 달성한다.

로봇 손의 미래

1,000시간 이상의 테스트를 통해 DEX-EE의 성능과 신뢰성이 보장되었다. 여기에는 AI가 기계적 스트레스를 유발하는 반복적인 무작위 움직임을 포함하여 작업을 효과적으로 달성하는 방법을 탐색하는 정책 학습으로 알려진 프로세스를 시뮬레이션하는 것이 포함되었다. Shadow Robot 팀은 또한 DEX-EE에 피스톤 및 다양한 도구를 포함하는 높은 수준의 충격 및 충격 테스트를 실시했다.

Google DeepMind는 손이 움직일 때 충격을 가할 수 있도록 로봇 손 주위에 충분히 둘러싸인 제한된 작업 공간 내에서 커넥터를 조작하고 연결하는 로봇 손의 능력을 보여주는 비디오를 포함하여 DEX-EE의 기능을 보여주는 연구를 이미 발표했다. 이 작업은 DEX-EE의 견고성을 강조하여 작업을 완료하면서 작업 공간 벽과의 반복적인 충돌을 견딜 수 있는 방법을 보여준다.

“Google DeepMind는 DEX-EE를 실제 환경에서의 학습을 연구하기 위한 연구 플랫폼으로 사용하고 있으며, 손의 견고함과 민감성 덕분에 기존 로봇을 손상시킬 수 있는 방식으로 물체와 상호 작용할 수 있습니다”라고 Rich는 말한다.

DEX-EE는 이제 더 넓은 조직에서 연구 플랫폼으로도 사용할 수 있다. Shadow Robot의 창작물은 일상 환경에서 기계 학습에 대한 이해를 높이기 위해 개발되었지만 Rich는 복잡한 로봇 손 기술이 미래에 점점 더 일상 생활에 통합될 것이라고 믿는다. 기술이 정상화됨에 따라 Shadow Robot의 이사는 장치가 보편화됨에 따라 '로봇' 라벨이 사라지기 시작할 수 있다고 말한다.

“앞으로 일하는 사람들은 로봇공학 우리가 매일 사용하는 장치를 개발할 것입니다. 그 단계에서 우리는 더 이상 그것을 '로봇'이라고 부르지 않을 것입니다. 그러면 우리의 인식은 더 이상 로봇이 어떠해야 하는지에 대한 현재의 생각만큼 흥미롭지 않을 수도 있지만, 실제로는 이러한 장치가 우리가 처음 상상했던 것보다 인류에게 훨씬 더 유용할 수 있습니다.”