Bi-AQUA: Bilateral Control-Based Imitation Learning for Underwater Robot Arms via Lighting-Aware Action Chunking with Transformers

이 논문은 수중 환경의 조명 변화에 적응하면서도 양방향 제어의 힘 감지 장점을 유지하기 위해 조명 인식 액션 청킹과 트랜스포머를 결합한 새로운 양방향 제어 기반 모방 학습 프레임워크인 Bi-AQUA 를 제안하고, 다양한 수중 작업에서 기존 방법보다 뛰어난 성능을 입증합니다.

핵심

🌊 물속 로봇 팔의 '눈'과 '손'을 밝게 만든 혁신: Bi-AQUA

이 논문은 물속에서 로봇 팔이 물건을 잡거나 옮기는 것이 왜 그렇게 어려운지, 그리고 그 문제를 어떻게 해결했는지 설명합니다. 마치 어두운 바다 속에서 안개 낀 날에 눈을 뜨고 물건을 집어 올리는 것처럼 어려운 일인데, 연구진이 이 문제를 해결할 새로운 방법을 개발했습니다.

이 기술의 이름은 Bi-AQUA입니다. 이를 쉽게 이해하기 위해 몇 가지 비유를 들어보겠습니다.

---

1. 문제: 물속은 왜 로봇에게 악몽일까요? 🌫️🤖

일반적인 로봇은 공중에서 물건을 잡을 때 카메라로만 봅니다. 하지만 물속은 다릅니다.

• 빛의 변덕: 물속은 빛이 물에 부딪혀 색이 변하고 (빨간색이 사라지고 파란색만 남음), 안개처럼 뿌옇게 흐려집니다.
• 빛의 변화: 햇빛이 구름에 가려지거나, 물속의 조명이 바뀌면 로봇이 보는 세상은 순식간에 달라집니다.

기존 로봇은 **"빛이 변하면 내가 보는 것도 변한다"**는 사실을 모릅니다. 그래서 빛이 바뀌면 로봇은 "아, 이 물체가 사라졌나?"라고 착각하거나, 물건을 잡으려다 떨어뜨리는 실수를 합니다. 마치 안경이 흐려진 상태에서 물건을 잡으려다 넘어지는 사람과 비슷합니다.

2. 해결책 1: "양손 장갑"을 낀 로봇 (Bilateral Control) 🤝

이 연구는 로봇에게 두 가지 장갑을 끼워주었습니다.

• 왼손 (리더): 사람이 직접 조종하는 로봇 팔입니다.
• 오른손 (팔로워): 물속에 있는 실제 로봇 팔입니다.

기존 방식은 사람이 왼쪽 로봇을 움직이면, 오른쪽 로봇이 그 움직임을 화면 (카메라) 을 보고 따라 하는 방식이었습니다. 하지만 물속은 화면이 흐릿해서 따라 하기가 어렵습니다.

Bi-AQUA는 양손이 서로 손을 맞잡고 힘까지 전달하는 방식을 사용합니다. 사람이 물건을 잡을 때 느끼는 **힘 (촉감)**을 물속 로봇에게도 그대로 전달해 줍니다.

비유: 어두운 방에서 친구의 손을 잡고 물건을 찾으면, 친구가 "여기 딱딱하네?"라고 말해주지 않아도 손끝의 힘으로 물건의 위치를 알 수 있죠. Bi-AQUA 는 로봇에게도 이런 **'촉감'**을 주는 것입니다.

3. 해결책 2: "빛을 읽는 안경" (Lighting-Aware Action Chunking) 🕶️✨

하지만 촉감만으로는 부족합니다. 물속의 빛이 너무 변덕스럽기 때문입니다. 그래서 연구진은 로봇의 뇌 (AI) 에 특별한 안경을 끼워주었습니다.

이 안경은 세 가지 기능을 합니다:

1. 빛의 감별사 (Lighting Encoder): 로봇이 보는 화면을 보고 "지금 빛이 빨간색이야, 파란색이야, 아니면 깜빡거리는 중이야?"를 자동으로 감지합니다. (사람이 안경을 끼지 않아도 빛의 색을 구분하듯, 로봇도 자동으로 학습합니다.)
2. 화면 보정기 (FiLM Modulation): 빛의 종류를 알면, 흐릿하거나 색이 변한 화면을 AI 가 스스로 "아, 지금 빛이 파란색이니까 이 물체는 원래 빨간색이겠구나"라고 보정해 줍니다.
3. 빛의 메모 (Lighting Token): 로봇이 다음 행동을 계획할 때, "지금 빛이 어떤 상태인지"를 기억하며 계획을 세웁니다.

비유: 마치 날씨에 따라 옷을 입는 것과 같습니다. 비가 오면 우산을 쓰고, 해가 쨍하면 선글라스를 끼죠. Bi-AQUA 는 물속의 빛이 변할 때마다 로봇의 '눈'과 '손'을 자동으로 맞춰주는 똑똑한 시스템입니다.

4. 실험 결과: 물속에서 얼마나 잘할까요? 🎯

연구진은 실제 물탱크에서 다양한 실험을 했습니다.

• 과제: 물속에서 물건을 옮기기, 서랍 닫기, 구멍에 말뚝 꽂기 등.
• 조건: 빛을 빨간색, 파란색, 초록색으로 바꾸거나, 빛이 2 초마다 변하는 상황에서도 테스트했습니다.

결과:

• 기존 로봇: 빛이 바뀌면 대부분 실패했습니다. (예: 파란색 빛에서는 0% 성공)
• Bi-AQUA: 빛이 어떻게 변하든 90% 이상 성공했습니다. 심지어 훈련하지 않은 새로운 빛 (보라색 등) 이나 거품이 일어난 상황에서도 잘해냈습니다.

5. 요약: 왜 이것이 중요한가요? 🌟

이 연구는 **"빛이 변하는 물속에서도 로봇이 촉감을 느끼고, 빛을 이해하며 물건을 잡을 수 있다"**는 것을 증명했습니다.

• 기존: "화면이 흐리면 로봇도 멍청해진다."
• Bi-AQUA: "화면이 흐려도 로봇은 빛을 분석하고, 손끝의 힘으로 물건을 정확히 잡는다."

이 기술은 앞으로 수중 구조 작업, 해저 탐사, 수중 시설 유지보수 등 사람이 하기 힘든 위험한 일들을 로봇이 대신하게 만드는 중요한 디딤돌이 될 것입니다. 마치 어두운 바다 속에서도 눈이 밝고 손이 정확한 슈퍼 로봇을 만든 것과 같습니다! 🦾🌊

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 수중 로봇 조작의 난제: 수중 환경은 빛의 파장별 감쇠, 산란, 탁도, 기포 등으로 인해 시각적 일관성이 급격히 떨어집니다. 특히 조명 스펙트럼, 강도, 방향이 수초 내로 변할 수 있어, 기존의 시각 - 운동 정책 (Visuomotor Policies) 은 심각한 행동 편차 (Action Drift) 를 겪습니다.
• 기존 방법의 한계:
  • 단일 제어 (Unilateral Control): ALOHA 등 지상 기반의 모방 학습 (Imitation Learning, IL) 시스템은 시각 피드백만 의존하여 접촉이 많은 작업이나 시각적 모호성이 있는 상황에서 취약합니다.
  • 이중 제어 (Bilateral Control) 의 부재: 힘 (Force) 피드백을 포함한 양방향 제어 기반 모방 학습은 지상 환경에서는 성공적이었으나, 수중 환경의 급변하는 조명 조건을 명시적으로 모델링하지 못해 적용되지 않았습니다.
  • 조명 모델링의 결여: 기존 수중 이미지 향상 기법은 이미지 품질 개선에 집중할 뿐, 폐루프 제어 정책 내에서 조명 변화를 잠재 변수 (Latent Factor) 로 명시적으로 다루지 못했습니다.

2. 제안 방법론: Bi-AQUA (Methodology)

Bi-AQUA 는 수중 로봇 팔을 위한 최초의 양방향 제어 기반 모방 학습 프레임워크로, 조명 변화를 명시적으로 모델링하여 시각 - 운동 정책을 강화합니다.

A. 핵심 아키텍처

Bi-AQUA 는 Bi-ACT(Bilateral Action Chunking with Transformers) 를 기반으로 하며, 조명 적응을 위해 다음과 같은 계층적 구조를 도입했습니다:

1. 라벨 없는 조명 인코더 (Label-free Lighting Encoder):

   • RGB 이미지에서 조명 또는 색상 주석 없이 조명 표현을 학습합니다.
   • 이중 경로 구조:
     • 합성곱 경로 (Convolutional Path): 공간적 조명 단서를 추출.
     • 히스토그램 경로 (Histogram Path): 포화도 (Saturation) 와 명도 (Value) 채널의 2D 히스토그램을 계산하여 통계적 조명 특성을 모델링.
   • 이 두 경로를 결합하여 컴팩트한 조명 임베딩 ($v_L$) 을 생성합니다.

2. FiLM 기반 시각 특징 변조 (FiLM-based Visual Feature Modulation):

   • 생성된 조명 임베딩을 사용하여 백본 (Backbone) 네트워크의 특징 맵을 변조합니다.
   • FiLM (Feature-wise Linear Modulation): 특징 맵에 스케일링 ($\gamma$) 과 시프팅 ($\beta$) 계수를 적용하여 조명 조건에 따라 시각적 인식을 적응시킵니다.

3. 조명 토큰 (Lighting Token):

   • Transformer 인코더의 입력에 조명 토큰을 추가합니다.
   • 이를 통해 디코더가 현재 수중 조명 조건에 맞춰 행동 시퀀스 (Action Chunk) 를 생성할 수 있도록 컨텍스트를 제공합니다.

B. 데이터 수집 및 학습

• 이중 제어 데이터 수집: 지상의 '리더 (Leader)' 로봇을 인간이 조작하면, 수중의 '팔로워 (Follower)' 로봇이 위치와 힘 ($\theta_l - \theta_f = 0, \tau_l + \tau_f = 0$) 을 동기화하며 동작을 수행합니다.
• 학습 목표: CVAE(Conditional Variational Autoencoder) 기반의 행동 클로닝 (Behavior Cloning) 을 사용하며, 조명 인코더, FiLM 계층, Transformer 모듈을 종단 간 (End-to-End) 으로 최적화합니다.

3. 주요 기여 (Key Contributions)

1. 최초의 수중 양방향 제어 모방 학습 프레임워크: 수중 로봇 팔을 위해 힘 피드백과 조명 모델링을 통합한 Bi-AQUA 를 제안했습니다.
2. 조명 인식 시각 - 운동 정책: 주석이 없는 조명 인코더, FiLM 변조, 조명 토큰을 결합하여 명시적인 조명 모델링을 가능하게 했습니다.
3. 실제 환경에서의 검증: 기존 조명 모델링이 없는 양방향 베이스라인보다 우수한 성능을 보였으며, 훈련되지 않은 조명, 새로운 물체, 시각적 방해 (기포 등) 에 대한 일반화 능력을 입증했습니다.

4. 실험 결과 (Results)

실제 수중 탱크 환경 (900x450x450mm) 에서 3 가지 작업 (Pick-and-Place, Drawer Closing, Peg Extraction) 을 수행하여 평가했습니다.

• 조명 강건성 (Pick-and-Place):

  • 훈련된 조명 (Red, Blue, Green, White, RGBW): Bi-AQUA 는 80~100% 의 성공률을 보였습니다.
  • 훈련되지 않은 조명 (Cyan, Purple) 및 동적 변화 (Changing): Bi-AQUA 는 100% 성공률을 기록했습니다.
  • 비교: 조명 모델링이 없는 Bi-ACT 베이스라인은 흰색 조명 (100%) 을 제외하고 대부분 실패했습니다 (적색 20%, 기타 0%).
  • 동적 조명: 2 초마다 색상이 변하는 조건에서도 Bi-AQUA 는 100% 성공하여, 단일 행동 구간 내의 급격한 조명 변화에도 적응 가능함을 입증했습니다.

• 일반화 능력:

  • 훈련된 폴리우레탄 블록 외에 검은색 고무 블록, 파란색 스펀지, 기포가 있는 조건에서도 높은 성공률을 유지하여 과적합 (Overfitting) 이 없음을 보였습니다.

• 접촉이 많은 작업 (Contact-Rich Tasks):

  • 서랍 닫기 (Drawer Closing) & 핀 추출 (Peg Extraction): 힘 피드백이 제거된 정책은 성능이 급격히 저하되었으나, Bi-AQUA 는 힘 정보를 활용하여 좁은 공차 (1.5mm) 와 높은 마찰이 요구되는 작업에서도 80~100% 의 성공률을 유지했습니다. 이는 시각 정보만으로는 수중의 불확실성을 해결할 수 없음을 시사합니다.

• 실행 시간: Bi-AQUA 는 인간 양방향 원격 조작 시간 (15.39 초) 과 유사한 15.73 초로 작업을 완료하여, 강건성 확보가 효율성을 해치지 않음을 보였습니다.

5. 의의 및 결론 (Significance)

• 기술적 혁신: 수중 로봇 조작 분야에서 힘 피드백 (Bilateral Control) 과 명시적 조명 모델링을 결합한 최초의 모방 학습 프레임워크를 제시했습니다.
• 실용적 가치: 수중 환경의 복잡한 조명 변화 (색상, 강도, 동적 변화) 와 시각적 왜곡 (산란, 기포) 하에서도 안정적인 자율 조작이 가능함을 입증했습니다.
• 미래 전망: 이 연구는 수중 환경에서의 신뢰할 수 있는 시각 - 운동 학습을 위한 새로운 패러다임을 제시하며, 실제 수중 작업 (탐사, 유지보수 등) 의 자율화 실현에 중요한 기여를 할 것으로 기대됩니다.

요약하자면, Bi-AQUA는 수중 환경의 가장 큰 장벽인 '빛의 불확실성'을 정책 내부에서 명시적으로 해결하고, '힘 피드백'을 통해 접촉 작업을 안정화시킴으로써 기존 방법론의 한계를 극복한 획기적인 접근법입니다.