로봇이 도움을 요청하는 방법을 배우는 과정

로봇 기술이 발전하는 과정에서 프린스턴 대학교와 구글의 협력이 두드러진다. 이 두 기관의 엔지니어들은 로봇이 중요한 기술을 배우도록 하는 혁신적인 방법을 개발했다. 이 방법은 로봇이 도움을 필요로 할 때 이를 인식하고 요청하는 법을 가르친다. 이 발전은 로봇 기술의 큰 발전이며, 자율 작동과 인간-로봇 상호 작용 사이의 간격을 메운다.

로봇이 더 지능적이고 독립적으로 작동하도록 하는 여정은 항상 하나의 큰 도전으로 인해 방해를 받았다. 그것은 인간 언어의 복잡성과 모호성이다. 컴퓨터 코드의 이진적 명확성과는 달리, 인간 언어는 로봇에게 미로와 같은 존재이다. 예를 들어, “볼을 집어라”라는 명령은 여러 개의 볼이 있는 경우 복잡한 작업이 될 수 있다. 로봇은 환경을 감지하고 언어에 반응하도록 설계되었지만, 이러한 언어적 불확실성에 직면하면 종종 갈림길에 서게 된다.

불확실성의 양적 측정

이 도전을 해결하기 위해, 프린스턴과 구글 팀은 인간 언어의 ‘모호성’을 양적으로 측정하는 새로운 접근 방식을 도입했다. 이 기술은 언어 명령에 대한 불확실성의 수준을 측정하고, 이를 로봇의 행동을 안내하는 데 사용한다. 명령이 여러 해석으로 이어질 수 있는 상황에서, 로봇은 이제 불확실성의 수준을 측정하고 추가적인 명확화를 요청할 때를 결정할 수 있다. 예를 들어, 여러 개의 볼이 있는 환경에서, 더 높은 불확실성의 정도는 로봇이 어느 볼을 집어야 하는지 물어보도록 하여, 잠재적인 오류 또는 비효율성을 피할 수 있다.

이 접근 방식은 로봇이 언어를 더 잘 이해하도록 하는 것뿐만 아니라, 작업 수행의 안전성과 효율성을 또한 향상시킨다. 연구자들은 ChatGPT를 비롯한 대규모 언어 모델(Large Language Models, LLMs)을 통합함으로써, 로봇의 행동을 인간의 기대와 필요에 더 가깝게 조정하는 중요한 단계를 이루었다.

대규모 언어 모델의 역할

LLMs의 통합은 이 새로운 접근 방식에서 중요한 역할을 한다. LLMs는 인간 언어를 처리하고 해석하는 데 중요한 도구이다. 이 경우, 언어 명령에 대한 불확실성을 평가하고 측정하는 데 사용된다.

그러나 LLMs에 대한 의존은 도전을 안겨주지 않는다. 연구 팀은 LLMs의 출력이 때때로 신뢰할 수 없을 수 있음을 지적했다.

프린스턴 대학교의 안ิร루다 마주마다르(Anirudha Majumdar) 조교수는 이 균형의 중요성을 강조했다.

“LLM이 생성한 계획을 맹목적으로 따르는 것은 로봇이 안전하지 않거나 신뢰할 수 없는 방식으로 작동하도록 할 수 있다. 따라서 우리의 LLM 기반 로봇은 자신이 모르는 것을 알아야 한다.”

이것은 더 세련된 접근 방식의 필요성을 강조한다. 여기서 LLMs는 결정적인 결정자 대신 지침을 제공하는 도구로 사용된다.

실제 적용과 테스트

이 방법의 실제 적용 가능성은 다양한 시나리오에서 테스트되었으며, 그 유연성과 효과를 입증했다. 한 가지 테스트에서는 로봇 팔이 玩具 음식 물건을 다른 카테고리로 분류하는 작업을 수행했다. 이 간단한 설정은 로봇이 명확한 선택을 가진 작업을 효과적으로 수행하는 능력을 보여주었다.

이미지: 프린스턴 대학교

또 다른 실험에서는 로봇 팔이 사무실 주방에서 여러 개의 물건을 식별하고 처리하는 작업을 수행했다. 여기서 로봇은 실제 세계의 도전을 직면해야 했다. 예를 들어, 여러 개의 물건 중에서 마이크로웨이브에 넣을 적절한 물건을 식별하는 것이었다.

이러한 테스트를 통해 로봇은 불확실성을 양적으로 측정하여 결정 또는 명확화를 요청하는 능력을 성공적으로 보여주었다. 이는 이 방법의 실제 유용성을 검증했다.

미래의 영향과 연구

앞으로, 이 연구의 영향은 현재의 적용을 훨씬 넘어간다. 마주마다르와 졸업생 앨런 렌(Allen Ren)이 이끄는 팀은 이 접근 방식이 로봇 인식과 인공지능의 더 복잡한 문제에 어떻게 적용될 수 있는지 탐구하고 있다. 이것은 로봇이 비전과 언어 정보를 결합하여 결정하는 시나리오를 포함한다. 이는 로봇 이해와 인간 상호 작용 사이의 간격을 더욱 좁히는 것이다.

진행 중인 연구는 로봇이 작업을 더 높은 정확도로 수행하도록 하는 것뿐만 아니라, 인간의 인지와 유사한 이해로 세계를 탐색하도록 하는 것을 목표로 한다. 이 연구는 로봇이 더 효율적이고 안전하며, 인간 환경의 세련된 요구에 더 잘 대응하도록 하는 길을 열 수 있다.

공개된 연구는 여기에서 찾을 수 있다.