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

  • 흐림창원9.6℃
  • 흐림태백7.3℃
  • 흐림순창군5.2℃
  • 구름조금춘천7.2℃
  • 구름많음원주7.6℃
  • 흐림장수3.9℃
  • 흐림정선군4.8℃
  • 맑음백령도12.1℃
  • 흐림함양군5.4℃
  • 흐림남원5.1℃
  • 구름많음인제7.8℃
  • 흐림영주6.0℃
  • 흐림의령군4.5℃
  • 흐림대관령6.0℃
  • 흐림제주14.6℃
  • 흐림금산5.7℃
  • 흐림정읍11.3℃
  • 흐림광양시10.0℃
  • 구름많음양평8.5℃
  • 흐림고창군12.2℃
  • 흐림상주6.6℃
  • 흐림고창11.6℃
  • 흐림북부산7.4℃
  • 흐림세종9.3℃
  • 구름많음천안7.1℃
  • 흐림전주9.3℃
  • 흐림서귀포14.6℃
  • 흐림봉화2.7℃
  • 흐림거창4.6℃
  • 흐림충주7.0℃
  • 흐림울산8.4℃
  • 흐림통영10.9℃
  • 흐림구미6.6℃
  • 흐림대구6.5℃
  • 흐림해남7.6℃
  • 구름많음울릉도13.0℃
  • 흐림보성군7.8℃
  • 흐림울진9.6℃
  • 흐림문경6.6℃
  • 흐림영월5.6℃
  • 흐림진주6.0℃
  • 구름조금북춘천7.3℃
  • 흐림보은5.5℃
  • 흐림남해9.5℃
  • 흐림부안9.6℃
  • 흐림양산시8.4℃
  • 흐림부산11.7℃
  • 구름많음홍성9.2℃
  • 흐림영천4.0℃
  • 구름많음서산11.5℃
  • 구름많음동두천11.1℃
  • 구름많음부여7.7℃
  • 흐림고산16.6℃
  • 흐림서울11.8℃
  • 흐림추풍령5.0℃
  • 흐림속초11.5℃
  • 흐림포항10.9℃
  • 흐림영광군10.7℃
  • 구름많음성산12.7℃
  • 구름많음청주10.6℃
  • 흐림고흥7.3℃
  • 구름많음흑산도13.9℃
  • 구름많음홍천5.8℃
  • 구름많음파주10.5℃
  • 흐림안동6.0℃
  • 흐림북강릉10.2℃
  • 흐림여수11.1℃
  • 흐림청송군2.8℃
  • 흐림경주시5.8℃
  • 흐림대전8.8℃
  • 구름많음보령13.1℃
  • 흐림거제9.6℃
  • 흐림북창원9.4℃
  • 흐림영덕10.9℃
  • 흐림진도군9.6℃
  • 구름많음수원9.4℃
  • 흐림의성4.4℃
  • 흐림완도9.9℃
  • 흐림군산10.4℃
  • 흐림강릉13.3℃
  • 흐림서청주6.3℃
  • 흐림김해시9.4℃
  • 흐림임실4.8℃
  • 구름많음철원9.7℃
  • 구름많음강화11.7℃
  • 흐림목포10.7℃
  • 흐림밀양5.7℃
  • 흐림동해11.5℃
  • 흐림제천5.5℃
  • 흐림강진군7.7℃
  • 구름많음인천11.4℃
  • 흐림산청5.1℃
  • 흐림광주8.8℃
  • 흐림합천6.7℃
  • 흐림순천4.6℃
  • 흐림장흥6.8℃
  • 구름많음이천7.2℃
  • 2025.11.24 (월)

[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