여러 대의 로봇이 공유된 공간에서 협력하며 작업하는 모습을 상상해 보십시오. 각 로봇은 자신의 목적지에 도달하려 노력하는 동시에, 충돌을 피하고 동료들과 발을 맞추어야 합니다. 실제 세상에서 이 기계들은 매 순간 어디로 가야 할지 정확히 알려주는 전지전능한 단일 지휘자를 가지고 있지 않습니다. 대신, 그들은 자신이 보고 이웃으로부터 듣는 정보에 기반하여 스스로 결정을 내려야 합니다. 이것이 바로 협동 로봇 공학의 과제입니다. 모든 로봇이 자신만의 경로, 자신만의 속도, 그리고 피해야 할 자신만의 장애물을 가지고 있을 때, 어떻게 이들을 조율할 것인가 하는 문제입니다. 수년 동안 엔지니어들은 로봇들이 복잡한 계산에 빠지거나 집단의 전체 목표를 놓치지 않으면서도 효율적으로 움직임을 협상할 수 있는 시스템을 만들기 위해 고군분토해 왔습니다. 그 어려움은 개별적인 자유와 집단적인 안전 사이의 균란을 맞추는 데 있습니다. 즉, 친구 곁에 머물려고 노력하는 와중에 벽에 부딪히지 않도록 보장하면서도, 실시간으로 반응할 수 있을 만큼 빠르게 수학적 계산을 수행하는 것입니다.

한 연구팀이 이 문제를 해결할 새로운 방법을 개발했습니다. 그들은 각 로봇의 움직임을 하나의 경직된 계획이 아니라, 타인의 행동에 따라 끊임없이 조정되는 유연한 과정으로 취급했습니다. 그들은 각 로봇이 자신만의 가능성 지도를 소지하면서도, 동시에 주변 로봇들과 특정 정보를 공유하여 모두가 안전하고 조화롭게 유지될 수 있도록 하는 수학적 프레임워크를 구축했습니다. 컴퓨터 시뮬레이션과 실험실의 물리적 로봇을 통해 테스트된 이 접근 방식은, 중앙의 뇌가 모든 회전을 지시하지 않아도 기계 그룹이 특정 대형을 유지하고 충돌을 피하며 매끄럽게 함께 움직이는 법을 배울 수 있음을 보여줍니다. 이 연구는 문제를 작고 상호 연결된 부분들로 나눔으로써 로봇이 더 빠르고 나은 결정을 내릴 수 있게 하며, 이는 향후 더 복잡하고 신뢰할 수 있는 자율 팀의 길을 열어줍니다.

이 새로운 방법의 핵심은 로봇의 움직임을 단순히 고립된 위치가 아닌 관계에 초점을 맞추어 생각하는 방식입니다. 전통적인 시스템에서는 로봇이 움직이기 전에 시작부터 끝까지의 전체 경로를 계산하거나, 중앙 컴퓨터가 팀 전체의 퍼즐을 한꺼번에 풀려고 시도합니다. 두 방법 모두 로봇의 수가 늘어남에 따라 느려지고 서툴러질 수 있습니다. 대신 연구진은 각 로봇이 '제약된 팩터 그래프(constrained factor graph)'를 보유하는 시스템을 제안했습니다. 쉽게 말해, 이것은 로봇의 현재 위치, 속도, 그리고 미래의 목표를 일련의 규칙들과 연결하는 정신적 모델입니다. 이 규칙에는 "벽에 부딪히지 마라", "앞으로 계속 나아가라", "옆에 있는 로봇과 안전한 거리를 유지하라"와 같은 것들이 포함됩니다. 이 시스템이 특별한 점은 "안전한 거리를 유지하라"는 규칙을 처리하는 방식에 있습니다. 모든 로봇의 경로를 별개의 문제로 다루는 대신, 이 시스템은 인접한 로봇들의 경로 사이에 직접적인 연결 고리를 만듭니다. 이 연결은 공유된 제약 조건 역할을 하여, 만약 한 로봇이 속도나 방향을 바꾸면 다른 로봇들도 즉각적으로 그 변화를 느끼고 자신의 계획을 조정하게 됩니다.

이 아이디어를 테스트하기 위해 연구진은 먼저 상세한 컴퓨터 시뮬레이션을 실행했습니다. 그들은 세 대의 로봇이 삼각형 대형을 유지하며 출발점에서 목표점까지 이동해야 하는 가상 세계를 만들었습니다. 한 시나리오에서 로봇들은 서로 삼각형의 꼭짓점처럼 특정 거리를 유지하도록 명령받았습니다. 시뮬레이션 결과, 로бо트들이 서로 멀리 떨어져 있거나 어색한 위치에서 시작했음에도 불구하고, 그들은 경로를 즉석에서 수정하여 올바른 모양을 형성할 수 있었습니다. 그들은 단순히 미리 작성된 대본을 따르는 것이 아니라, 적극적으로 위치를 협상했습니다. 만약 한 로봇이 왼쪽으로 너무 치우치면, 다른 로봇들이 미세하게 움직여 이를 보완함으로써 삼각형을 온전하게 유지했습니다. 또 다른 시뮬레이션에서 팀은 로봇들이 속도를 얼마나 잘 맞추는지 테스트했습니다. 세 대의 차량을 서로 다른 초기 속도를 가진 가상의 도로에 배치했을 때, 시스템은 이들이 서로 통신하고 점진적으로 속도를 일치시키도록 했습니다. 짧은 시간 내에 빠른 로봇은 속도를 줄이고 느린 로봇은 속도를 높여서, 리더가 명령을 내리지 않고도 모두가 일제히 움직이는 자연스러운 합의를 달しまいました.

연구진은 또한 네 대의 자율 주행 차량이 각기 다른 구석을 향해 동시에 도착하는 혼잡한 교차로를 시뮬레이션했습니다. 새로운 안전 규칙이 없는 표준 시나리오에서는 로봇들이 동시에 교차하려고 시도하여 충돌이 발생했을 것입니다. 그러나 상호 의존적인 안전 요소가 활성화되었을 때, 로봇들은 움직임을 성공적으로 조율했습니다. 그들은 속도를 줄이거나 높이고, 혹은 경로를 약간 수정하여 어떤 두 차량도 서로 너무 가까워지지 않도록 했습니다. 시뮬레이션은 이 시스템이 복잡하고 겹치는 경로를 처리할 수 있으며, 모두가 멈추지 않고 안전하게 통과할 수 있는 해결책을 찾아낼 수 있음을 입증했습니다. 핵심은 각 로봇이 즉시 주변에 있는 로봇에 대해서만 알면 된다는 것이었습니다. 세상의 모든 로봇 위치를 알 필요가 없었기에 계산은 빠르고 효율적이었습니다.

이 방법이 컴퓨터 밖에서도 작동한다는 것을 증명하기 위해, 연구팀은 달하우지 대학교(Dalhousie University)의 실제 실험실로 가져갔습니다. 그들은 커다란 피자 박스 크기의 작은 바퀴 달린 로봇 세 대를 사용했고, 장애물 역할을 하는 폼 박스들로 실내 테스트 구역을 설정했습니다. 로봇들은 삼각형을 형성하고 서로 1미터의 거리를 유지하며 목표를 향해 이동하도록 프로그래밍되었습니다. 로봇들이 바닥을 굴러가는 동안, 그들은 무선 네트워크를 통해 서로 통신하며 계획된 경로를 공유하고 실시간으로 조정했습니다. 결과는 놀라웠습니다. 로봇들은 폼 장애물을 성공적으로 피해 나갔으며, 목적지로 이동하는 동안 삼각형 대형을 유지했습니다. 바퀴와 센서의 물리적 한계로 인해 최종 위치에 약간의 오차는 있었지만, 전반적인 동작은 이론이 예측한 바와 정확히 일치했습니다. 로봇들은 장애물이나 서로에게 부딪히지 않았으며, 경로가 완벽하게 직선이 아닐 때도 대형을 유지해 냈습니다.

이 실험의 성공은 우리가 로봇 팀을 생각하는 방식에 있어 중대한 변화를 강조합니다. 로봇 간의 상호작용을 공유된 제약 조건의 집합으로 다루는 프레임워크를 사용함으로써, 연구진은 복잡한 조율이 단순하고 국지적인 정보 교환으로부터 나타날 수 있음을 보여주었습니다. 로봇은 완벽할 필요가 없습니다. 그저 이웃의 목소리를 듣고 자신의 행동을 약간 조정할 수 있으면 됩니다. 이 접근 방식은 특히 확장성이 뛰어나다는 점에서 강력합니다. 더 많은 로봇이 팀에 추가되더라도 각 로봇이 자신의 주변 환경에만 집중하기 때문에 시스템이 과부하되지 않습니다. 연구진은 이 방법이 현대적인 컴퓨터 칩에서 효율적으로 실행되도록 설계되었으므로, 계산 능력이 제한된 로봇에도 배치될 수 있다고 언급했습니다.

앞으로 연구팀은 이 기술이 물건을 옮길 때 서로 부딪히지 않아야 하는 창고 로봇부터 재난 지역을 탐색하는 수색 구조 팀에 이르기까지 광범위한 응용 분야에 사용될 잠재력이 있다고 보고 있습니다. 이동하는 물체를 추적하거나 다른 종류의 스마트 시스템과 협력하는 것과 같은 더 복잡한 과제를 처리하도록 이 프레임워크를 확장할 수 있다는 점도 제안되었습니다. 다만, 시뮬레이션과 실험실 테스트는 성공적이었지만 실제 환경은 훨씬 더 무질서하고 예측 불가능하다는 점을 유념하며 신중한 태도를 유지하고 있습니다. 다음 단계는 장애물이 움직이고 조건이 급격히 변하는 더 역동적인 환경에서 이 시스템을 테스트하는 것입니다. 현재로서는, 이 연구가 로봇들이 마스터 플랜을 따르는 것이 아니라, 공유되고 상호 의존적인 세계 속에서 자신의 위치를 이해함으로써 함께 일하는 법을 배울 수 있다는 것을 명확히 보여주는 성과로 남아 있습니다.