고급 AI를 통한 촉감 모방 – 가능할까?

로봇은 센서와 알고리즘을 이용해 시각, 청각, 후각뿐 아니라 접촉과 압력도 감지할 수 있습니다. 다만 사람의 촉각처럼 여러 표면의 특성을 정밀하게 구별하는 일에는 여전히 어려움이 있습니다.

스티븐스 공과대학 연구진은 레이저와 머신러닝을 결합해 표면 거칠기를 비접촉 방식으로 추정하는 방법을 발표했습니다. 이는 사람이 느끼는 촉각 전체를 재현한 것이 아니라 특정 표면 특성을 광학적으로 측정한 연구입니다.

로봇의 접촉 감지는 사람과 함께 일하거나 섬세한 물체를 다룰 때 유용합니다. 표면 거칠기를 측정하는 광학 방식과 실제 압력·힘을 감지하는 촉각 센서는 서로 다른 정보를 제공하며, 함께 활용될 수 있습니다.

예를 들어 로봇이 사람과 부딪혔음을 감지하고 적절히 멈추거나 움직임을 바꾸면 협업 안전성을 높일 수 있습니다. 그러나 이번 연구의 비접촉 거칠기 측정만으로 충돌 감지나 안전 제어가 모두 구현되는 것은 아닙니다.

고급 AI 연구를 통한 촉감 모방

이 연구¹는 학술지 Applied Optics에 실렸습니다. 연구진은 단일 광자 계수 방식의 래스터 주사 LiDAR와 머신러닝을 결합했습니다. 표면의 여러 지점에서 돌아오는 광자 수의 변화를 분석해 거칠기를 추정하며, 스펙클이라고 부르는 광학적 무늬와 변동을 유용한 정보로 활용합니다.

광자 계수 레이저 주사로 표면 측정

연구진은 짧은 레이저 펄스로 표면을 순차적으로 주사하는 LiDAR 장치를 구성했습니다. 표면에서 후방 산란된 빛은 표면 특성에 따라 달라집니다. 이 변화를 측정하면 접촉하지 않고도 거칠기에 관한 정보를 얻을 수 있습니다. 핵심은 굴절만이 아니라 산란과 검출 신호의 통계입니다.

머신러닝 모델

레이저가 표면을 비추면 산란광의 간섭으로 스펙클 무늬가 생깁니다. 스펙클은 선명한 영상을 얻을 때 방해가 되기도 하지만, 이 연구에서는 그 변동을 거칠기 추정에 활용했습니다. AI가 스스로 레이저를 대신하는 것이 아니라 측정 장치에서 얻은 데이터를 학습하고 해석합니다.

연구진은 여러 표면의 광자 계수 데이터를 모델에 입력해 거칠기를 추정하도록 학습시켰습니다. 특정 조건에서 유용한 특징을 추출한 것으로, 모든 표면에 고유하고 보편적인 식별 신호가 존재함을 입증한 것은 아닙니다.

출처 – Magicplan

촉감 모방 테스트

실험에는 단일 픽셀 광자 계수 LiDAR와 짧은 펄스 레이저가 사용되었습니다. 연구진은 서로 다른 표면 특성을 가진 산업용 사포 31종 등을 시험 대상으로 삼았습니다. 보도자료에서 제시한 1–100 µm 범위는 시료의 표면 거칠기 특성과 관련된 비교 범위로 읽어야 하며, 모든 사포 시트의 전체 두께가 이 범위라는 뜻은 아닙니다.

빛은 송수신 광학계를 거쳐 시료에 도달한 뒤 되돌아오고, 학습 모델이 측정 데이터를 분석했습니다.

촉감 연구 결과

대학의 설명에 따르면 초기 측정의 평균제곱근오차(RMSE)는 약 8 µm였으며, 여러 시료의 결과를 평균하는 등의 과정을 거쳐 약 4 µm 수준으로 개선되었습니다. 이는 특정 실험 조건의 오차 지표이며 모든 물체에 대한 보편적 분해능이나 정확도를 뜻하지 않습니다.

시스템은 미세한 표면에서 특히 좋은 결과를 보였습니다. 다양한 실제 재료와 환경에서의 성능은 추가로 검증해야 합니다.

촉감 연구의 이점

비접촉 거칠기 추정은 제조 검사와 로봇 인식에 도움이 될 수 있습니다. 다만 이 실험만으로 기존 시스템보다 비용이 크게 줄거나 인력 감축이 가능하다고 단정할 수 없습니다. 전체 장비 비용, 처리 속도, 오차와 현장 신뢰성을 함께 평가해야 합니다.

빠른 표면 매핑

레이저 주사와 자동 분석은 표면 검사 과정을 지원할 수 있습니다. 실제 검사 속도와 비용 절감 효과는 주사 범위, 광자 수집 시간, 반복 측정 및 분석 조건에 따라 달라집니다.

저비용 통합

기존 광학 측정 기술에 거칠기 분석 기능을 더할 가능성이 있습니다. 그러나 일반 LiDAR에 소프트웨어만 설치하면 모두 같은 마이크로미터 수준 성능을 얻는다는 의미는 아닙니다. 광원, 검출기, 광학계와 보정이 필요합니다.

품질 관리

표면 거칠기는 부품 품질을 판단하는 여러 요소 중 하나입니다. 이 방식은 특정 표면 검사를 보완할 수 있지만, 항공기 부품 등의 내부 결함이나 모든 구조적 위험이 없음을 보장하지는 않습니다.

향상된 분류

로봇 분류 작업에서는 표면 특성에 관한 정보가 도움이 될 수 있습니다. 다만 과일의 단단함이나 익은 정도를 판단하려면 힘·변형 등의 다른 정보도 필요합니다. 거칠기를 광학적으로 추정하는 것만으로 압력 감지나 단단함 측정이 완성되는 것은 아닙니다.

촉감 연구자들

연구에는 스티븐스 공과대학의 Daniel Tafone, Luke McEvoy, Yong Meng Sua와 Yu-Ping Huang이 참여했습니다. 연구진은 대학의 양자과학·공학센터에서 광학 측정과 머신러닝을 결합했습니다.

잠재적 응용 분야

잠재적 활용처로는 표면 검사와 로봇 인식 등이 있습니다. 실제 현장 적용에는 다양한 재료, 조명, 거리와 작업 속도에 대한 검증이 필요합니다. 실험 결과가 이미 모든 안전 검사나 실시간 모니터링에 적용되었음을 뜻하지는 않습니다.

헬스케어

연구진은 피부 병변의 미세한 표면 차이를 측정하는 의료 활용 가능성도 제안했습니다. 그러나 이번 사포 실험은 흑색종 진단 시험이 아니며, 양성 병변과 암을 정확히 구별하거나 환자의 생명을 구하는 효과를 입증하지 않았습니다. 의료기기로 사용하려면 임상 검증이 필요합니다.

LiDAR 향상

일부 차량, 로봇, 스마트폰과 로봇 청소기에는 LiDAR가 사용됩니다. 표면 특성 측정은 이러한 센서의 활용 범위를 넓힐 가능성이 있습니다. 인체 내부를 이동하는 마이크로로봇과 직접 약물 전달은 별도의 연구 과제로, 이번 장치에서 실증된 기능이 아닙니다.

관련 산업의 기업

로봇과 센서 관련 기업들은 새로운 측정 기술에 관심을 가질 수 있습니다. 그러나 이번 연구가 특정 기업 제품에 이미 통합되었거나 매출을 높일 것이라는 근거는 없습니다. 수술이나 과일 수확에 적용하려면 각각의 요구 조건에 맞춘 추가 개발이 필요합니다.

Samsara 

Samsara (IOT )는 Sanjit Biswas와 John Bicket이 2015년 설립한 사물인터넷(IoT) 소프트웨어 기업입니다. 차량과 장비 운영을 지원하며 AI 기반 차량용 카메라, 경로 최적화, 장비 추적, 현장 모니터링과 텔레매틱스 등을 제공합니다.

IoT는 센서, 통신 기능과 연결된 소프트웨어를 이용해 물리적 장치의 데이터를 수집하고 활용하는 분야입니다. Samsara는 그중 기업의 차량과 장비 운영에 초점을 맞추며, 모든 IoT 기기나 로봇 촉각 기술을 대표하지는 않습니다.

기업은 이러한 서비스를 통해 차량과 장비의 위치, 사용 상태 및 운영 데이터를 확인할 수 있습니다. 제품의 진위나 모든 안전 문제를 자동으로 판별하는 기능이 기본적으로 보장되는 것은 아닙니다.

Samsara의 성장 가능성은 고객 수요, 경쟁, 수익성 및 기술에 따라 달라집니다. 기사에서 제시한 약 304억 3천만 달러의 시가총액은 특정 시점의 값이며 변동할 수 있습니다. 대학이 공식 선정한 최고 투자 종목이라는 주장은 확인된 근거로 취급하지 않아야 하며, 기관 명칭만으로 투자 신뢰성을 판단해서는 안 됩니다.

인간 감각을 모방하려는 다른 시도

로봇이 접촉 정보를 얻는 방식은 다양합니다. 압력이나 온도를 직접 측정하는 센서와, 빛 등의 신호를 분석해 표면 특성을 추정하는 방법이 있습니다. 다음 사례들은 서로 다른 원리와 목적을 지닌 연구입니다.

고성능 세라믹

관련 연구에서는 세라믹 입자를 유연한 고분자 재료에 넣어 압력이나 온도 등에 반응하는 센서를 개발했습니다. 세라믹의 전기적 특성을 이용하지만, 입자가 들어 있다는 사실만으로 사람의 촉각 전체를 재현하는 것은 아닙니다.

Empa 연구진은 접촉과 온도 변화에 반응하는 유연한 센서 및 피부와 비슷한 다층 구조를 연구했습니다. 이런 센서는 로봇이나 보철 장치에 활용될 가능성이 있지만, 사람이 실제로 감각을 회복하는 임상 효과와는 구분해야 합니다.

인공 신경

스탠퍼드대와 서울대 연구진은 2018년 5월 인공 감각 신경 시스템을 발표했습니다. 따라서 이를 2024년 10월에 처음 만들어진 기술로 설명하는 것은 부정확합니다. 이 장치는 접촉 신호를 전기적으로 처리하고 반응을 일으키는 원리를 모사했습니다.

시스템은 압력 센서, 유연한 전자 뉴런과 인공 시냅스 트랜지스터를 결합합니다. 연구진은 바퀴벌레 다리의 반사 움직임을 유도하고 점자 패턴을 구별하는 실험을 수행했습니다. 사람의 신경계 전체를 대체하는 장치가 아니라 초기 인공 감각 회로였습니다.

로봇 스웨터

카네기멜런대 연구진은 2023년 접촉과 압력을 감지하는 직물형 로봇 피부인 RobotSweater를 발표했습니다. 딱딱한 덮개와 달리 굽은 표면이나 움직이는 부분에 맞춰 제작할 수 있다는 점이 특징입니다.

RobotSweater는 전도성 금속 섬유층 두 개 사이에 그물 모양의 절연층을 둔 편물 구조입니다. 압력이 가해지면 전도층이 접촉해 회로가 연결되고 센서가 이를 읽습니다. 연구진은 로봇팔을 밀어 움직임을 안내하거나 잡는 동작으로 집게를 제어하는 사례를 시연했습니다. 직물만으로 모든 충돌 위험이 사라지는 것은 아닙니다.

촉감 로봇의 미래

접촉 감지와 표면 측정 기술은 사람과 로봇의 협업을 지원할 수 있습니다. 안전성, 비용과 성능의 개선 정도는 실제 적용과 검증에 달려 있습니다. 연구의 진전이 곧바로 모든 직장의 로봇 도입이나 일정한 시장 성장을 보장하지는 않습니다.

다른 흥미로운 로봇 연구를 살펴보세요.

연구 참고:

^{1. Tafone, D., McEvoy, L., Sua, Y. M., & Huang, Y.-P. (2024). Surface roughness metrology with a raster scanning single photon LiDAR. Applied Optics, 63(30), 7917–7922. https://doi.org/10.1364/AO.537404}