Bridging Language and Physics: Automated Design of Continuum Robots with Large Language Models

수십 년 동안 로봇을 제작하려는 꿈은 그 작업의 엄청난 난이도로 인해 가로막혀 왔습니다. 스스로 부서지지 않고 움직이거나, 잡거나, 쥐는 기계를 설계하는 것은 물리 법칙에 대한 깊은 이해를 필요로 하며, 종종 수년간 부품을 미세하게 조정하고 시행착오를 거치며 테스트를 반복하는 인간 전문가의 직관에 의존합니다. 이 과정은 느리고 비용이 많이 들며, 특히 딱딱한 금속 대신 살아있는 조직처럼 구부러지고 뒤틀리는 유연한 재료로 만들어진 "소프트" 로봇의 경우 더욱 그렇습니다. 최근, 연구실에 새로운 도구가 등장했습니다. 바로 대규모 언어 모델(LLM)입니다. 이들은 방대한 양의 텍텍스트를 학습하여 코드를 작성하고 복잡한 아이디어를 자연어로 설명할 수 있는 강력한 컴퓨터 프로그램입니다. 과학자들은 이 모델들이 "계단을 오를 수 있는 로봇을 만들어줘"와 같은 간단한 지시를 받으면 즉시 작동 가능한 청사진을 생성해 내는 자동 설계자 역할을 할 수 있기를 희망해 왔습니다. 그러나 큰 장애물이 남아 있었습니다. 이 모델들은 언어에는 매우 뛰어나지만, 자신이 만든 창조물의 물리적 실체를 이해하는 데는 자주 실패한다는 점입니다. 이들은 서류상으로는 완벽해 보이는 로봇을 묘사할 수도 있지만, 실제로 제작되는 순간 즉시 무너지거나 스스로 엉켜버릴 수 있습니다.

한 연구팀은 이제 언어와 물리 사이의 간극을 메울 수 있는 새로운 방법을 개발하여, 인공지능이 실제로 작동하는 소프트 로봇을 설계할 수 있게 하는 시스템을 만들었습니다. 연구진은 '텐던 구동 연속체 로봇(tendon-driven continuum robot)'이라 불리는 특정 유형의 유연한 기계에 집중했습니다. 뱀이나 문어의 팔과 유사하게, 많은 작은 마디로 이루어진 길고 유연한 척골을 상상해 보십시오. 이 로봇들은 딱딱한 모터 대신, 몸체를 구부리고 비틀기 위해 몸 안을 통과하는 '텐던(tendon)'이라고 알려진 가는 케이블을 잡아당김으로써 움직입니다. 이 설계는 믿을 수 없을 정도로 다재다능하지만, 로봇이 구부러지는 방식이 형태, 케이블의 장력, 그리고 주변 환경과의 접촉 방식이라는 복잡한 조합에 달려 있기 때문에 설계하기가 매우 까agt습니다. 연구진은 AI가 이 기계들을 처음부터 설계할 수 있는지 확인하고 싶었지만, 단순히 AI에게 "설계를 작성하라"고 요청하는 것만으로는 충분하지 않다는 것을 알고 있었습니다.

이를 해결하기 위해 연구팀은 컴퓨터 설계자와 일련의 자동 검사기 사이의 협업 워크숍 역할을 하는 AID-SR이라는 다층 구조의 시스템을 구축했습니다. 과정은 인간이 "벽에 있는 버튼을 누를 수 있는 로봇을 설계하라"와 같은 높은 수준의 목표를 제시하면서 시작됩니다. 그러면 AI 에이전트가 로봇이 어떤 모습일지에 대한 몇 가지 서로 다른 아이디어를 제안합니다. 시스템은 이 아이디어들을 즉시 수용하는 대신, 각 아이디어를 엄격한 일련의 검사를 거치게 합니다. 먼저, 디지털 시뮬레이터가 설계가 물리적으로 유지되는지 확인하기 위해 설계를 테스트합니다. 만약 로봇 모델이 무너지거나, 폭발하거나, 컴퓨터의 물리 엔진에서 갇혀버린다면, 시스템은 즉시 오류를 포착하여 "케이블이 잘못된 위치에 연결되었습니다"와 같이 무엇이 잘못되었는지에 대한 구체적인 메모와 함께 설계를 다시 AI에게 돌려보냅니다.

이 설계, 테스트, 수정의 과정은 루프(loop)를 통해 반복됩니다. 설계가 물리적 테스트를 통과하면, 두 번째 AI 판사가 설계의 논리를 검토하며, 해당 로봇이 주어진 과업에 적합한지를 묻습니다. 예를 들어, 로봇이 버튼에 닿을 만큼 충분한 부품을 갖추었는가 하는 점입니다. 마지막으로, 인간 엔지니어가 개입하여 높은 수준의 조언을 제공할 수 있지만, 이 시스템은 기본적으로 스스로 작동하도록 설계되었습니다. 이러한 지속적인 피드백 루프는 AI가 자신의 실수를 통해 배우도록 강제하며, 단순한 영리한 묘사를 넘어 물리적으로 안정적인 기계를 만들어낼 때까지 아이디어를 점진적으로 정교화합니다. 연구진은 이 시스템을 단순한 도달 및 걷기부터 복잡한 움켜쥐기 및 청소 동작에 이르기까지 14가지의 다양한 과업에 대해 테스트했습니다.

결과는 이 접근 방식이 놀라울 정도로 잘 작동한다는 것을 보여주었습니다. 컴퓨터 시뮬레이션에서, 이 시스템은 시도 횟수의 96.2%에 대해 물리적으로 유효한 설계를 성공적으로 생성했습니다. 이는 AI가 설계한 거의 모든 로봇이 디지털 세계에서 무너지지 않고 실제로 서 있을 수 있고 움직일 수 있음을 의미합니다. 연구진이 표준 학습 방법을 사용하여 이 로봇들에게 특정 작업을 수행하도록 훈련했을 때, 약 26.7%가 과업을 성공적으로 완료했습니다. 이는 AI가 구조적으로 견고할 뿐만 아니라 기능적으로도 유용한 설계를 생성할 수 있다는 것을 입증한다는 점에서 중요한 성과입니다. 연구팀은 컴퓨터 시뮬레이션에 머물지 않고, 시스템이 생성한 가장 우수한 세 가지 설계를 선택하여 3D 프린팅과 표준 재료를 사용하여 실제 세계에서 제작했습니다. AI의 지시만으로 만들어진 이 물리적 로봇들은 시뮬레이션에서 그랬던 것처럼 실제 세계에서도 물체를 잡고 표면을 가로질러 이동하는 등의 과업을 성공적으로 수행했습니다.

이 연구는 인공지능이 물리적 세계를 이해하는 능력이 향상되고 있지만, 진정으로 효과적이기 위해서는 여전히 가이드가 필요하다는 점을 강조합니다. AI는 단순히 해결책을 추측할 수 없으며, 자신의 아이디어에 따른 결과를 확인하고 이를 수정할 수 있는 구조화된 프로세스가 필요합니다. 언어 모델의 창의적인 힘을 물리학의 엄격한 규칙 및 인간의 감독과 결합함으로써, 연구진은 로봇 설계를 자동화하는 새로운 경로를 만들어냈습니다. 이 작업은 가까운 미래에 우리가 컴퓨터에 특정하고 어려운 작업을 위한 로봇을 설계해 달라고 요청하면, 실제 세계에서 바로 제작하여 사용할 수 있는 청사진을 돌려받을 수 있게 될 것임을 시사하며, 기계가 전례 없는 속도와 정밀도로 우리의 필요에 맞게 제작되는 미래로 우리를 한 걸음 더 다가가게 합니다.