고양이 보행에서 영감, 계산량 낮춘 플래너와 강화학습 기반 트래커
사이언스 로보틱스 5월호 게재… 실전 투입 기대 높아져
KAIST가 개발한 4족보행 바카라 베팅 ‘라이보(Raibo)’가 이제 계단, 틈, 벽, 잔해 등 불연속적이고 복잡한 지형에서도 고속으로 이동할 수 있게 됐다.
수직 벽을 달리고, 1.3m 폭의 간격을 뛰어넘으며, 징검다리 위를 시속 약 14.4Km로 질주하고, 30° 경사·계단·징검다리가 혼합된 지형에서도 빠르고 민첩하게 움직이는 성능을 입증했다. 머지않아 라이보는 재난 현장 탐색이나 산악 수색 등 실질적인 임무 수행에 본격적으로 투입될 것으로 기대된다.
KAIST는 기계공학과 황보제민 교수 연구팀이 벽, 계단, 징검다리 등 불연속적이고 복잡한 지형에서도 시속 14.4km(4m/s)의 고속 보행이 가능한 4족 보행 바카라 베팅 내비게이션 프레임워크를 개발했다고 3일 밝혔다.
연구팀은 복잡하고 불연속적인 지형에서 바카라 베팅이 빠르고 안전하게 목표 지점까지 도달할 수 있도록 하는 4족 보행 내비게이션 시스템을 개발했다. 이를 위해 문제를 두 단계로 분해해 접근했는데, 첫째는 발 디딤 위치(foothold)를 계획하는 플래너(planner), 둘째는 계획된 발 디딤 위치를 정확히 따라가는 트래커(tracker)를 개발하는 것이다.
먼저, 플래너 모듈은 신경망 기반 휴리스틱을 활용한 샘플링 기반 최적화 방식을 통해 물리적으로 가능한 발 디딤 위치(foothold)를 빠르게 탐색하고, 시뮬레이션 롤아웃을 통해 최적 경로를 검증한다.
기존 방식들이 발 디딤 위치 외에도 접촉 시점, 바카라 베팅 자세 등의 다양한 요소를 함께 고려한 반면, 이번연구에서는 발 디딤 위치만을 탐색 공간으로 설정함으로써 계산 복잡도를 크게 낮췄다. 또한 고양이의 보행 방식에서 착안하여, 뒷발이 앞발이 밟았던 곳을 디디는 구조를 도입해 계산 복잡도를 다시 한번 크게 낮출 수 있었다.
두 번째, 트래커 모듈은 계획된 위치에 정확히 발을 디딜 수 있도록 학습되며, 트래킹 학습은 적절한 난이도의 환경에서 경쟁적으로 이루어진 생성 모델을 통해 진행된다.
트래커는 바카라 베팅이 계획된 위치에 정확하게 발을 디딜 수 있도록 강화학습을 통해 학습되며, 이 과정에서 ‘맵 생성기(map generator)’라는 생성 모델이 목표 분포를 제공한다.
이 생성 모델과 트래커는 동시에 경쟁적으로 학습돼, 트래커가 점진적으로 어려운 난이도에 적응할 수 있도록 설계됐다. 이후 학습된 트래커의 특성과 성능을 반영할 수 있도록, 트래커가 실행 가능한 디딤 위치 계획을 생성하는 샘플링 기반 플래너를 설계했다.
이 계층적 구조는 기존 기법 대비 계획 속도와 안정도 모두에서 우수한 성능을 보였으며, 실험을 통해 다양한 장애물과 불연속 지형에서의 고속 보행 능력과 처음 보는 지형에 대해서도 범용적으로 적용 가능함을 입증하였다.
황보제민 교수는 "기존에 상당히 큰 계산량을 요구하던 불연속 지형에서의 고속 네비게이션 문제를 오직 발자국의 위치를 어떻게 선정하는가의 간단한 관점으로 접근하였고, 고양이의 발디딤에서 착안하여 앞발이 디딘 곳을 뒷발이 딛도록 해 계산량을 획기적으로 줄일 수 있었다”며“보행 바카라 베팅이 극복할 수 있는 불연속 지형의 범위를 획기적으로 넓히고, 이를 고속으로 주행할 수 있도록 하여, 바카라 베팅이 재난현장 탐색이나 산악 수색 등 실제적 임무를 수행하는 데에 이바지할 수 있을 것으로 기대된다”고 말했다.
이번 연구 성과는 국제 학술지 사이언스 로보틱스(Science Robotics) 2025년 5월호에 게재됐다. (논문명 : High- speed control and navigation for quadrupedal robots on complex and discrete terrain, https://www.science.org/doi/10.1126/scirobotics.ads6192).
이번 연구는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.