Design and Development of a Low-Cost AI-Based Robotic Face for Real-Time Visual Tracking and Voice Interaction

인간은 얼굴에 주의를 기울이도록 설계되어 있습니다. 우리가 서로 대화할 때, 우리는 단순히 단어만을 듣는 것이 아니라 눈동자의 움직임, 머리의 회전, 그리고 소리에 맞춰 움직이는 입의 모양을 관찰합니다. 이러한 지속적이고 침묵적인 시각적 신호의 교환이 대화를 생동감 있게 만듭니다. 수십 년 동안 엔지니어들은 이 교환에 참여할 수 있는 기계를 만들기 위해 노력해 왔으며, 우리를 바라보고 말을 되돌려주는 로봇을 제작해 왔습니다. 그러나 이러한 기계들의 가장 설득력 있는 사례들은 대개 값비싼 연구실이나 폐쇄적인 기업의 문 뒤에 갇혀 있었으며, 수만 달러의 비용이 들고 다른 사람들이 연구하거나 개선하기 어려운 복잡하고 독점적인 기술을 필요로 했습니다. 이는 가능성의 경계를 넓히는 고가의 연구와 학생, 교사, 독립적인 발명가들이 배우고 실험하는 데 필요한 저렴한 도구 사이에 격차를 만듭니다.

인도 하이데라바드에 위치한 무파캄 자(Muffakham Jah) 공과대학교의 연구진은 이 격차를 메우기 위해 나섰습니다. 그들은 단순하지만 어려운 질문을 던졌습니다. 저렴하고 접근 가능한 부품만을 사용하여 인간의 상호작용을 실시간으로 모방하는 로봇 얼굴을 만들 수 있을까? 그들의 목표는 기쁨이나 슬픔 같은 복잡한 감정을 표현할 수 있는 기계를 만드는 것이 아니라, 대화 중에 인간이 하는 근본적인 행동들, 즉 말하는 사람을 바라보고, 자연스럽게 눈을 깜빡이며, 목소리에 맞춰 입을 움직이는 일을 할 수 있는 기계를 만드는 것이었습니다. 작은 저가형 컴퓨터와 카메라, 그리고 몇 개의 모터를 결합함으로써, 그들은 정교한 상호작용이 거액의 돈을 필요로 하지 않는다는 것을 증명하는 시스템을 만들어냈습니다.

그들이 만든 장치는 인간의 머리 크기와 비슷한 로봇 머리로, 3D 프린팅된 플라스틱 부품으로 제작되었습니다. 내부에는 작은 컴퓨터 보드가 두뇌 역할을 하고, 카메라가 눈의 역할을 합니다. 연구진은 이 컴퓨터가 방 안을 지속적으로 스캔하여 사람의 얼굴을 찾도록 프로그래밍했습니다. 로봇이 사람을 발견하면, 카메라 시야의 중심을 기준으로 그 사람이 어디에 서 있는지 계산합니다. 단순히 멍하니 응시하는 대신, 로봇은 이 정보를 사용하여 사람의 움직임을 따라 눈과 머리를 물리적으로 돌립니다. 사람이 왼쪽으로 걸어가면 로봇의 눈도 왼쪽을 향하고, 사람이 뒤로 물러나면 로봇은 시선을 조정합니다. 이러한 추적은 지속적으로 이루어지며, 기계가 주의를 기울이고 있다는 착각을 불러일으킵니다.

상호작용을 더 자연스럽게 만들기 위해, 팀은 로봇이 말을 할 수 있도록 인공지능 계층을 추가했습니다. 사람이 로봇에게 말을 하면 마이크가 소리를 포착하고, 이 소리는 텍스트로 변환되기 위해 클라우드 기반 서비스로 전송됩니다. 언어 모델은 해당 텍스트를 처리하여 응답을 생성하고, 이는 다시 음성으로 변환됩니다. 이 과정에서 가장 까다로웠던 부분은 단순히 듣고 말하는 것이 아니라, 로봇의 입이 소리에 맞춰 움직이게 만드는 것이었습니다. 연구진은 로봇의 턱을 오디오 출력과 연결함으로써 이 문제를 해결했습니다. 로봇이 말할 때, 작은 모터가 인간의 자연스러운 조음 과정을 모방하여 리듬감 있는 패턴으로 턱을 열고 닫습니다. 이러한 동기화는 매우 중요합니다. 이것이 없다면 로봇은 정적인 물체에서 나오는 목소리처럼 들릴 것이며, 이는 인간 관찰자에게 부자연스럽고 불안한 느낌을 줍니다.

연구진은 다양한 조건에서 시스템이 얼마나 잘 작동하는지 확인하기 위해 자신들의 창조물을 엄격하게 테스트했습니다. 그들은 조명이 좋을 때 시스템이 약 92%의 정확도로 얼굴을 감지할 수 있다는 것을 발견했습니다. 로봇이 얼굴을 보고 이미지를 처리하여 눈을 움직이기까지 걸린 시간은 180에서 250밀리초 사이로 매우 빨랐습니다. 이를 설명하자면, 이 지연 시간은 너무 짧아서 인간 관찰자가 로봇의 반응을 거의 즉각적인 것으로 인지할 수 있으며, 어색한 멈춤 없이 유연한 대화를 가능하게 합니다. 시스템은 사람이 움직이는 동안에도 안정적으로 유지되었으며, 정의된 범위 내에서 머리 움직임을 추적하면서도 대상을 놓치지 않았습니다.

그러나 이 연구는 저가형 부품을 사용하는 것의 한계 또한 강조했습니다. 연구진은 조명이 어둡거나 사람이 멀리 떨어져 있을 때 카메라가 필요한 세부 사항을 포착하는 데 어려움을 겪으면서 로봇의 성능이 크게 떨어진다는 점을 언급했습니다. 또한 눈과 턱을 움직이는 데 사용되는 작은 모터와 같은 기계적 부품들이 약간의 지연을 유발하며, 고가의 연구용 로봇에 들어가는 모터만큼 부드럽게 움직이지 못한다는 점도 관찰했습니다. 게다가 시스템은 음성을 처리하고 답변을 생성하기 위해 인터넷에 의존하므로, 네트워크 연결의 지연은 로봇의 응답 속도를 늦출 수 있습니다. 이러한 요인들은 이 로봇이 통제된 환경에서는 잘 작동하지만, 아직 번잡한 공공장소의 예측 불가능한 혼란 속에는 준비되지 않았음을 의미합니다.

이러한 한계에도 불구하고, 이 프로젝트는 로봇 공학을 대중화하는 데 있어 중요한 진전을 나타냅니다. 연구팀은 추적, 깜빡임, 동기화된 언어와 같은 필수적인 행동에 집중함으로써, 수만 달러의 예산 없이도 놀라울 정도로 인간처럼 느껴지는 기계를 만들 수 있음을 입증했습니다. 코드와 3D 프린팅 지침을 포함한 전체 설계는 대중에 공개되었습니다. 이러한 개방성은 다른 연구자와 학생들이 이 작업을 바탕으로 구축하고, 새로운 아이디어를 테스트하며, 언젠가 우리를 바라볼 뿐만 아니라 진정으로 이해할 수 있는 로봇을 만들 수 있도록 초대합니다. 이 작업은 인간-로봇 상호작용의 미래가 부유하거나 엘리트 계층만의 전유물이 아니라, 카메라와 컴퓨터, 그리고 몇 개의 모터만 있다면 누구라도 만들어갈 수 있다는 것을 시사합니다.