Neura, 촉각·음성을 통합한 로봇 기반 모델 개발

로보틱스 기업 Neura가 시각·촉각·음성의 3가지 감각 정보를 결합한 새로운 기반 모델을 개발했다. 로봇의 지각 능력을 높이기 위한 목적이며, 이제까지 시각 정보에 편중되어 있던 로봇 AI의 설계 사상에 의문을 제기하는 시도로 위치지어진다.

기존 로봇용 AI는 카메라 영상 등의 '시각'을 중심으로 한 설계가 주류였다. 인간이 물건을 손으로 만져서 모양이나 단단함을 확인하거나, 소리를 듣고 상황을 판단하는 것처럼, 로봇이 실제 작업을 수행하기 위해서는 시각 이외의 감각 정보도 필수적이다. 이러한 배경에서 촉각이나 음성을 취합한 멀티모달(복수의 입력 형식을 다루는) 접근 방식에 대한 관심이 산업 전체에서 높아지고 있다.

Neura가 개발한 기반 모델은 카메라로부터의 영상뿐 아니라 물체에 접촉했을 때의 촉감 데이터와 주변의 음성 정보도 동시에 처리할 수 있는 설계가 되어 있다. 이로 인해 예를 들어 부드러운 물체를 집을 때 필요한 힘의 조절이나 음성으로부터 이상을 감지하는 것 같이, 시각만으로는 어려운 판단을 로봇이 수행할 수 있을 것으로 기대된다. 다만 동사는 충분한 양의 실제 세계 데이터로 이 모델을 학습시키는 것이 어려운 과제라고도 인정하고 있다.

이 과제는 로봇 AI 개발 전반에 공통되는 벽이기도 하다. 시각 데이터는 사진이나 동영상의 형태로 대량 수집이 용이한 반면, 촉각 센서나 음성의 데이터는 실제 로봇 동작을 통해 지속적으로 모아야 하며, 데이터 수집의 비용과 수고가 훨씬 더 크다. 모델의 성능은 데이터의 질과 양에 직결되므로, 학습 데이터의 확보가 이 분야의 연구개발에서 공통되는 난제가 되어 있다.

그럼에도 불구하고 Neura가 이 접근 방식을 취한 배경에는 시각에만 의존하는 모델의 한계를 보완함으로써 로봇의 경쟁력을 높이려는 판단이 있는 것으로 보인다. 제조 라인이나 물류 창고 등 섬세한 조작이 요구되는 현장에서는 촉각이나 음성의 정보가 작업의 정밀도를 크게 좌우한다. 복수의 감각을 통합한 모델은 그러한 환경에서의 실용화를 향한 한 걸음으로 볼 수 있다.

향후의 초점은 실제 세계 데이터를 어떻게 효율적으로 수집·활용할 것인가에 있다. 센서 기술의 진보나 시뮬레이션 환경의 활용 등 데이터 부족을 보완하는 수단에 대한 연구도 병행되고 있다. Neura의 모델이 이 과제를 어떻게 극복할지, 또한 다른 로보틱스 기업들이 유사한 접근 방식을 취할지 여부가 향후 산업 동향을 점치는 데 있어 주목할 만한 사항이 될 것이다.