2018년 미국 버클리대학 (UC Berkeley)에서 탄생한 인공지능 스타트업 Covariant가 물류 창고에서 상품 운반을 돕는 로봇을 공개했다.
이 회사가 공개한 로봇은 지금까지 연구실에서만 사용되어 왔던 강화학습 기반의 로봇을 실제 물류 창고에 적용할 수 있다는 점에서 학계 뿐 아니라 산업계에서도 큰 관심을 모으고 있다.
이 회사는 하드웨어가 아닌 Covariant Brain이라 불리는 강화학습 알고리즘에 집중하고 있으며, 이를 다양한 형태의 로봇에 적용하는 시도를 하고 있다. 특히 Covariant Brain의 경쟁력은 알파고와 유사하게 심층 강화학습 (deep reinforcement learning)을 통해 다양한 형태의 물건을 어떻게 집어들지 스스로 학습한다는 점이다.
Covariant가 이번에 공개한 로봇은 시뮬레이션과 실제 로봇을 데이터와 함께 사용하여 로봇이 처음 접하는 물건을 집는 것도 가능하며 더구나 시간이 지나면서 그 성공률이 향상한다는 점이 또 하나의 특징이다. 가령 비닐 패키징이 된 물건은 좀 더 조심스럽게 집어 올린다거나 컨테이너의 벽부분으로 물건을 밀어서 집어올린다거나 하는 예리한 동작을 인간의 프로그래밍 없이 스스로 학습한다.
Covariant의 로봇을 실제 사용하고 있는 독일 전자부품 회사 Obeta에 따르면, 초반에는 10-15%의 상품들만 성공적으로 집을 수 있었으나 현재는 95%의 상품을 실패 없이 집을 수 있다고 한다. 로봇이 스스로 학습해서 성공률을 높일 수 있기 때문에 가능한 수치다.
테크니들 인사이트
물류는 AI 자동화가 가장 활발하게 이루어지고 있는 분야 중 하나로, 2015년부터 10억 달러 (한화 약 1조 2천억원)에 달하는 투자가 물류 분야의 로봇/자동화 회사들에 이루어져 왔다.
미국 이커머스 시장의 50%를 차지하고 있는 아마존이 주도하는 물류 자동화 분야에는 이미 많은 기업들이 뛰어들고 있지만, 물체를 집어서 옮기는 과정에서는 대부분 프로그래밍 된 동작을 단순 수행하거나, 박스 등 고정된 모양의 물건을 옮기는 정도로만 사용되고 있는 것이 현실이다. (참고 기사)
특히 Covariant의 창업자 중 한 명인 버클리 대학의 Pieter Abeel 교수는 이미지 중심의 심층 강화학습 (image-based deep reinforcement learning)을 로봇에 적용하는 연구를 이끌고 있다. 카메라 이미지를 딥러닝 모듈에 넣어 로봇을 제어하는 연구, 시뮬레이션과 실제 로봇 데이터를 결합하는 연구 (sim-to-real) 분야에 선두 주자라 할 수 있다.
Covariant에는 딥러닝의 포문을 열었다고 할 수 있는 제프리 힌튼 (Geoffrey Hinton), 얀 르쿤 (Yann Lecun), 구글 AI 연구를 이끄는 제프 딘 (Jeff Dean) 등 세계적인 연구진이 투자자로 대거 참여하고 있어 향후 로봇에 딥러닝을 적용한 다양한 연구가 현실화 될 수 있을 것이라 생각된다.
