A Hierarchical Stochastic Decision-Making Framework for Task Scheduling and Safety-Aware Human-Robot Collaboration

인더스트리 5.0으로 알려진 미래의 공장에서는 인간과 기계가 다시 같은 작업 공간에서 함께 어우러지는 것을 목표로 합니다. 수십 년 동안 자동화는 위험하거나 반복적인 업무를 처리하기 위해 사람을 로봇으로 대체하는 것을 의미했습니다. 이제 비전은 다릅니다. 인간의 적응력과 판단력을 로봇의 정밀함 및 지구력과 결합하여, 인간과 로봇이 나란히 함께 일하는 것입니다. 그러나 작업 공간을 공유하는 것은 복잡한 문제를 야기합니다. 로봇은 단순히 부품이 어디에 있는지를 아는 것을 넘어, 인간 작업자가 어떻게 느끼고 있는지도 알아야 합니다. 작업자가 피곤한가? 빠르게 움직이고 있는가, 아니면 느리게 움직이고 있는가? 이 작업이 시급한가, 아니면 기다려도 되는가? 만약 로봇이 이러한 미묘한 신호를 읽지 못한다면, 너무 빨리 움직여 사고를 유발하거나, 너무 느리게 움직여 시간을 낭비할 수 있습니다. 엔지니어들의 과제는 누가, 언제, 무엇을, 어떻게 할지에 대해 찰나의 결정을 내리면서도 모두의 안전과 효율성을 유지하는 시스템을 만드는 것입니다.

킹 파드 석유 광물 대학교(King Fahd University of Petroleum and Minerals)의 연구진은 이 문제를 해결하기 위한 새로운 방법을 개발했습니다. 그들은 인간-로봇 팀을 위한 '두 단계의 뇌'처럼 작동하는 컴퓨터 프레임워크를 만들었습니다. 하나의 거대하고 복잡한 결정을 한꺼번에 내리려고 시도하는 대신, 그들은 업무를 서로 소통하는 두 개의 뚜렷한 부분으로 나누었습니다. 첫 번째 부분은 고수준 스케줄러(high-level scheduler)입니다. 이것을 업무 목록을 살피고, 누가 사용 가능한지 확인하며, 다음 작업을 인간과 로봇 중 누가 맡을지 결정하는 매니저라고 생각하십시오. 이 매니저는 작업자의 '피로도'에 세심한 주의를 기울입니다. 만약 인간이 열심히 일해왔다면, 시스템은 더 많은 일을 배정하기 전에 휴식을 주도록 인지합니다. 만약 로봇이 과열되었다면, 식힐 수 있도록 지시합니다. 또한 매니저는 긴급한 작업을 우선순위에 두고, 병목 현상을 일으키지 않고 동시에 수행할 수 있는 작업이 무엇인지 파악합니다.

두 번째 부분은 하위 수준에서 작동하는 안전 관리자(safety officer)입니다. 매니저가 무엇을 할지 결정한다면, 이 안전 관리자는 어떻게 할지를 결정합니다. 로봇은 인간이 불안해하는지 혹은 완전히 몰입하고 있는지와 같은 내부 상태를 완벽하게 알 수 없기 때문에, 눈에 보이는 것을 바탕으로 추론을 해야 합니다. 연구진은 인간의 신체 움직임, 구체적으로 어깨, 팔꿈치, 손의 위치를 관찰하는 모델을 사용했습니다. 이러한 움직임을 바탕으로 시스템은 인간의 상태에 대한 '신념(belief)'을 유지합니다. 만약 움직임이 인간이 안절부절못하거나 너무 빠르게 움직이고 있음을 시사한다면, 로봇은 안전을 위해 자동으로 둘 사이의 거리를 넓힙니다. 만약 인간이 차분하고 협업을 위해 가까이서 작업해야 하는 상황이라면, 로봇은 협업을 위해 더 가까이 다가갑니다. 이 안전 계층은 인간의 움직임을 관찰하면서 자신의 추측을 끊임없이 업데이트하여, 로봇이 행동 변화에 즉각적으로 반응할 수 있게 합니다.

이 프레임워크가 독특한 점은 이 두 부분이 어떻게 연결되는가에 있습니다. 기존의 많은 시스템에서는 작업 계획과 안전 모니터링이 정보를 공유하지 않은 채 별도로 이루어졌습니다. 여기서는 두 계층이 가교 역할을 하는 조정 모듈(coordination module)에 의해 연결되어 있습니다. 매니저가 작업을 할당할 때, 안전 관리자에게 해당 작업의 세부 사항을 전달합니다. 만약 작업이 로봇의 단독 작업이라면, 안전 관리자는 넓은 거리를 유지합니다. 만약 작업이 인간과 로봇의 공동 작업을 필요로 한다면, 안전 관리자는 그들이 가까이 접근하도록 허용합니다. 결정적으로, 안전 관리자는 매니저에게 정보를 다시 보냅니다. 만약 인간이 작업 중에 너무 피로해지면, 안전 관리자는 이를 매니저에게 신호로 보내고, 매니저는 해당 인원에게 업무를 배정하는 것을 중단하고 휴식 시간을 계획합니다. 이는 작업자의 안전이 공장의 일정에 직접적인 영향을 미치는 폐쇄 루프(closed loop)를 형성합니다.

연구진은 컴퓨터 시뮬레이션을 사용하여 이 시스템이 12개의 서로 다른 작업 흐름을 어떻게 처리하는지 테스트했습니다. 그들은 작업 부하가 혼합된 작업에서 주로 인간의 노력이 필요한 작업으로, 다시 주로 로봇의 노력이 필요한 작업으로, 마지막으로 긴밀한 협업이 필요한 작업으로 변하는 시나리오를 만들었습니다. 시스템은 각 새로운 상황에 대해 재프로그래밍할 필요 없이 모든 변화를 성공적으로 관리했습니다. 시스템은 긴급한 작업을 올바르게 우선순위화했고, 가장 덜 피로한 작업자에게 업무를 배정했으며, 피로도가 너무 높아졌을 때 인간과 로봇 모두가 휴식을 취하도록 보장했습니다. 시뮬레이션은 시스템이 이러한 결정을 매우 빠르게 내릴 수 있음을 보여주었습니다. 주어진 상황에 대해 올바른 결정을 찾아내는 데 걸린 시간은 단 3.082 마이크로초로 측정되었습니다. 이 속도는 시스템이 공장의 변화에 거의 즉각적으로 반응할 수 있음을 의미하며, 이는 인간 매니저가 새로운 계획을 계산하는 것보다 훨씬 빠릅니다.

가장 중요한 발견 중 หนึ่ง은 시스템이 과도하게 조심스럽지 않으면서도 안전을 유지할 수 있다는 것이었습니다. 과거에는 로봇이 안전을 위해 인간 근처에 있을 때마다 멈추거나 매우 느리게 움직여야 하는 경우가 많았습니다. 이 새로운 접근 방식은 로봇을 더 유연하게 만듭니다. 인간이 단독 작업 중일 때 로봇은 멀리 떨어져 있습니다. 하지만 인간과 로봇이 공동 작업을 수행할 때는, 로봇의 '신념'이 안전하다고 판단하는 경우에 한해 서로 가까이 접근할 수 있도록 허용합니다. 시뮬레이션은 로봇이 위험한 충돌 상태에 절대 진입하지 않으면서도 공동 작업을 효율적으로 수행할 수 있음을 확인시켜 주었습니다. 또한 시스템은 한 세트의 작업에서 다음 세트로 작업자의 피로도를 전달할 수 있음을 입증하여, 한 교대 근무가 끝날 때 피로했던 작업자가 다음 교대 때 과로하지 않도록 보장했습니다.

연구진은 자신들의 결과가 실제 공장에서 실제 사람과 함께 작동하는 물리적 로봇이 아닌, 컴퓨터 시뮬레이션으로부터 나온 것임을 주의 깊게 명시했습니다. 시뮬레이션에서의 인간의 '피로'와 '기분'은 실제 인간 참여자의 측정이 아니라, 사람이 어떻게 반응할지에 대한 수학적 모델을 기반으로 했습니다. 시스템은 의사결정을 위해 인간의 움직임을 단순화된 형태로 사용했습니다. 결과는 유망하지만, 저자들은 다음 단계가 이 프레임워크를 실제 인간 및 실제 로봇과 함께 테스트하여 컴퓨터 모델이 실제 사람의 행동을 얼마나 정확하게 반영하는지 확인하는 것이라고 밝혔습니다. 그들은 실시간으로 심박수와 신체 움직임을 측정하는 센서를 사용하여 인간의 상태에 대한 시스템의 이해를 정교화할 계획입니다.

이 연구는 인간-로봇 협업을 실용적이고 안전하게 만드는 데 있어 중요한 진전을 의미합니다. 복잡한 스케줄링 문제와 실시간 안전 문제를 분리하고, 이를 빠른 양방향 통신 시스템으로 연결함으로써, 연구진은 인간과 로봇이 팀으로서 일하는 공장을 관리하는 것이 가능하다는 것을 보여주었습니다. 이 시스템은 단순히 경직된 규칙을 따르는 것이 아니라, 작업자의 상태와 작업의 긴급성에 따라 적응합니다. 이는 적절한 의사결정 구조가 있다면 로봇이 강력하고 정밀할 뿐만 아니라, 함께 일하는 사람들을 배려하고 반응할 수 있다는 것을 증명합니다. 마이크로초 단위로 이러한 결정을 내릴 수 있는 능력은 이러한 시스템이 곧 미래의 공장을 운영하며, 생산성을 극대화하는 동시에 작업자를 안전하게 지킬 수 있음을 시사합니다.