CWN(CHANGE WITH NEWS) - [독점] MIT 연구팀, 머신러닝 기반 걷기·달리기 자가 학습 능력 갖춘 사족보행 로봇 공개

  • 흐림청주24.6℃
  • 흐림진도군20.6℃
  • 흐림북춘천22.6℃
  • 구름많음성산24.7℃
  • 흐림고흥20.5℃
  • 흐림대관령16.5℃
  • 흐림파주20.5℃
  • 흐림군산22.2℃
  • 흐림인제20.8℃
  • 흐림임실20.1℃
  • 흐림충주21.3℃
  • 구름많음청송군20.9℃
  • 흐림구미21.7℃
  • 흐림서울23.5℃
  • 흐림홍천21.8℃
  • 흐림고창군20.3℃
  • 흐림대전22.9℃
  • 흐림서귀포25.0℃
  • 구름많음철원23.0℃
  • 흐림포항23.2℃
  • 비목포20.8℃
  • 흐림서청주21.0℃
  • 흐림고창20.6℃
  • 흐림함양군20.1℃
  • 구름많음동두천21.9℃
  • 흐림상주21.9℃
  • 비광주20.7℃
  • 흐림제천20.3℃
  • 흐림고산24.6℃
  • 흐림금산21.0℃
  • 흐림남원20.4℃
  • 구름많음울릉도21.1℃
  • 흐림영월21.8℃
  • 흐림밀양22.4℃
  • 흐림영천22.0℃
  • 흐림전주22.8℃
  • 흐림통영21.9℃
  • 흐림김해시21.8℃
  • 흐림추풍령19.0℃
  • 비여수22.4℃
  • 흐림거제21.2℃
  • 흐림강진군20.0℃
  • 흐림북부산22.8℃
  • 흐림창원22.2℃
  • 흐림장흥18.8℃
  • 흐림부여21.0℃
  • 흐림북창원23.0℃
  • 구름많음영주20.6℃
  • 흐림수원22.4℃
  • 구름많음춘천22.7℃
  • 흐림북강릉21.1℃
  • 흐림부산23.3℃
  • 흐림산청19.8℃
  • 흐림문경20.2℃
  • 흐림제주25.0℃
  • 흐림장수18.4℃
  • 흐림진주19.2℃
  • 흐림천안21.9℃
  • 흐림양산시22.5℃
  • 흐림세종21.4℃
  • 흐림강릉22.2℃
  • 흐림의성23.2℃
  • 흐림순창군19.5℃
  • 흐림보령21.8℃
  • 흐림태백17.9℃
  • 흐림부안21.3℃
  • 구름많음영덕21.0℃
  • 흐림영광군20.5℃
  • 구름많음백령도21.1℃
  • 흐림의령군20.1℃
  • 흐림정선군20.8℃
  • 흐림해남19.7℃
  • 흐림양평22.5℃
  • 비흑산도20.5℃
  • 흐림원주22.9℃
  • 구름많음울진21.8℃
  • 흐림정읍21.3℃
  • 흐림거창19.9℃
  • 흐림순천19.1℃
  • 흐림안동23.7℃
  • 구름많음동해21.4℃
  • 흐림경주시22.2℃
  • 흐림서산21.3℃
  • 흐림홍성21.7℃
  • 흐림대구23.3℃
  • 흐림합천21.3℃
  • 흐림봉화21.2℃
  • 흐림광양시20.5℃
  • 흐림강화19.7℃
  • 흐림인천22.6℃
  • 흐림울산22.0℃
  • 흐림보은20.7℃
  • 흐림남해20.6℃
  • 흐림속초21.6℃
  • 흐림보성군20.3℃
  • 흐림이천20.9℃
  • 흐림완도19.6℃
  • 2025.10.02 (목)

[독점] MIT 연구팀, 머신러닝 기반 걷기·달리기 자가 학습 능력 갖춘 사족보행 로봇 공개

고다솔 / 기사승인 : 2022-03-21 18:01:11
  • -
  • +
  • 인쇄
출처: MIT
출처: MIT

해외 온라인 매체 더버지가 미국 MIT 연구팀의 로봇 움직임 학습용 머신러닝 개발 소식을 보도했다.

MIT 연구팀은 인공지능(AI)을 활용해 사족보행 로봇 ‘미니 치타(Mini Cheetah)가 걷는 방법과 달리는 방법을 학습하는 능력을 갖추도록 했다.

연구팀은 미니치타에 머신러닝 기법 중 한 가지인 강화학습을 활용했다. 강화학습을 적용한 채로 로봇이 학습 내용을 활용하는 과정에 따라 적절한 보상을 하면서 처음부터 걷고 뛰는 방법을 익히도록 한다. 다소 오랜 시간이 걸릴 수 있지만, 시간이 지나면서 가상 환경을 경험하면서 높은 적응 능력을 갖추도록 지원할 수 있었다.

미니치타는 강화학습 덕분에 3.9m/s의 속도로 이동할 수 있다.

또, 돌이 가득한 바닥 표면과 시멘트 바닥 등 이동하는 공간의 바닥 표면 조건이 달라져도 걷거나 이동할 수 있는 능력을 갖추었다. 그러나 이동 중 바닥 표면이 갑자기 달라질 때, 움직임이 다소 어색한 모습을 보인다.

미니치타 연구 논문 공동 저자인 가브리엘 마고리스(Gabriel Margolis)는 미니치타에 적용된 강화학습 기법이 걷는 속도 이외에 다른 요소에는 최적화되지 않았기 때문이라고 설명했다.

강화학습 모델은 유동적인 형태의 이동을 개발하도록 지시할 수 있다. 그러나 연구팀은 속도 향상 능력 학습을 최적화하고자 했다.

이에, 마고리스는 더버지와의 인터뷰에서 “강화학습 기법은 빠르게 움직이는 방법을 찾는다. 그러나 보상 방법이 정해지지 않은 사실을 고려하면, 인간이 바람직하게 생각하거나 자연스러운 모습으로 걷는 것에는 초점을 둘 이유가 없다”라고 말했다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]

최신기사

뉴스댓글 >

- 띄어 쓰기를 포함하여 250자 이내로 써주세요.
- 건전한 토론문화를 위해, 타인에게 불쾌감을 주는 욕설/비방/허위/명예훼손/도배 등의 댓글은 표시가 제한됩니다.

댓글 0

Today

Hot Issue