로봇 손 손재주 연구 정리: 부드러운 접촉과 접촉 면적, 과제 맞춤 설계가 여는 마지막 1마일 해법

핵심 메시지

• 사람의 손재주는 정해진 동작의 반복이 아니라 매번 조금씩 달라지는 움직임으로 같은 목표를 달성하는 적응 능력이다.
• 사람은 물건을 집는 동안 손가락이 끊임없이 주변에 부딪히며, 약 100밀리초 뒤에 그 접촉을 반영해 자세를 고쳐 잡는다.
• 로봇 손 연구는 접촉을 점으로 다뤄 왔지만 실제 파지는 넓은 면적으로 일어나므로 접촉 면적을 그대로 다루는 표현이 필요하다.
• 인체 해부학을 단순히 축소 모사한 로봇 손보다 하려는 작업의 세부를 먼저 정의하고 거기에 맞춰 설계한 손이 더 잘 작동한다.
• 약 2천 달러짜리 오픈소스 교육용 소프트 핸드 키트로 손 설계 실험의 문턱을 낮추려는 시도가 진행 중이다.

쉽게 이해하기

카네기멜런대 로보틱스연구소 세미나에서 낸시 폴라드 교수가 로봇의 손재주 연구를 총괄적으로 정리했다. 그가 즐겨 인용하는 정의는 1949년 러시아에서 출간된 니콜라이 베른슈타인의 것으로, 손재주란 어떤 상황이 닥쳐도 그에 맞는 운동 해법을 정확하고 빠르게 찾아내는 능력이다. 베른슈타인은 숙련된 운동선수와 노동자를 관찰해 이들이 같은 동작을 두 번 똑같이 반복하지 않는데도 매번 목표를 맞힌다는 사실을 발견했다.

폴라드 교수는 최근 로봇이 음식물을 집어 옮기는 정도는 제법 해내지만 여전히 넘지 못하는 과제들을 '마지막 1마일 문제'라고 불렀다. 예로 든 것은 자동차 조향 컬럼 조립 라인에서 흔들리는 커넥터를 한 손으로 붙잡고 다른 손으로 밀어 끼우는 작업, 그리고 사방으로 자란 파프리카를 한 손으로 잡고 다른 손으로 잘라내야 하는 노지 수확이다. 더 나은 의수, 오지의 의료 지원, 가정 돌봄도 이제 겨우 손대기 시작한 영역으로 꼽았다.

그가 제시한 첫 번째 열쇠는 유연한 접촉이다. 사람이 물건을 집는 장면을 고속 촬영해 보면 새끼손가락이 걸리거나 손등이 물건에 부딪히는 일이 거의 매번 일어나고, 사람은 그 충돌 뒤 약 100밀리초 만에 자세를 고쳐 잡는다. 몸이 부드럽기 때문에 이런 충돌이 파손으로 이어지지 않고 오히려 정보가 된다는 것이다. 실제로 연구실이 만든 폼 소재의 부드러운 손은 작은 물체를 집으면서도 책상에 세게 부딪혀도 망가지지 않았고, 같은 원리의 유연한 그리퍼가 파프리카를 작물 손상 없이 뽑아내는 데 쓰였다.

두 번째 열쇠는 접촉을 점이 아니라 면적으로 보는 것이다. 교과서는 접촉을 점으로 모형화하지만 망치 자루나 접시를 쥔 손을 보면 넓은 자국이 남는다. 연구팀은 표면 위를 걸어가는 축과 그 축에서의 거리·각도로 접촉 부위를 기술해, 마치 스티커를 떼어 다른 표면에 붙이듯 한 물체의 접촉 자국을 다른 물체나 다른 손으로 옮기는 표현을 만들었다. 이 방식으로 애니메이터가 관절을 일일이 만지는 대신 접촉 부위를 칠하듯 지정해 자연스러운 손 자세를 얻었고, 사람 손의 접촉 기록을 로봇 손과 레고 손, 손가락 개수가 다른 캐릭터 손으로 옮기는 작업도 자동화했다.

세 번째 열쇠는 목적에 맞춘 설계다. 폴라드 교수는 학회마다 새 로봇 손이 열댓 개씩 등장하지만 대부분 사람 손을 단순화한 같은 구조라며, 손가락을 끝까지 접어도 손바닥에 큰 틈이 남아 작은 물체를 감쌀 수 없는 사례를 들었다. 대안으로 소개한 연구는 점토 조각 작업에서 되풀이되는 기본 자세 하나를 정하고, 9차원 설계 변수 공간을 표본 추출해 그 자세에 도달할 수 있는 손 구조를 찾아 실제로 제작한 사례다. 또한 16자유도에 약 2천 달러인 오픈소스 교육용 키트를 공개해, 폼으로 손을 뜨고 힘줄을 원하는 대로 꿰매 자기만의 손 구조를 실험할 수 있게 했다.

주요 인사이트

• 로봇 손 성능의 병목은 모터나 자유도 숫자가 아니라 '무엇을 하려는 손인지'를 먼저 정의하지 않는 설계 관행에 있다는 지적이다.
• 사람의 파지 동작에서 충돌은 실패가 아니라 정상 과정이며, 부드러운 하드웨어는 그 충돌을 흡수하는 동시에 위치 오차를 견디게 해준다.
• 접촉 면적을 명시적으로 다루면 손 크기가 달라져도 같은 작업 의도가 유지되므로, 서로 다른 형태의 손 사이에 기술을 옮기는 통로가 된다.
• 촉각 센서는 지문 수준의 정밀도보다 손 전체 어디든 닿았는지 알려주는 넓은 범위의 감지가 먼저라는 것이 폴라드 교수의 우선순위다.
• 대규모 데이터로 학습한 조작 정책도 무게중심이나 압력 중심 같은 물리적 목표를 함께 다루지 않으면 그럴듯하지만 목적을 달성하지 못하는 동작을 만들 수 있다.

자주 묻는 질문

관련 AI 소식