AI를 아는 것에서, 풀 수 있는 것으로
이 레슨과 관련된 학습 키워드
당신이 커피잔을 들어 올리는 데 걸리는 시간은 0.5초. 그 짧은 순간, 뇌는 시각 정보로 컵의 위치와 형태를 파악하고, 손가락 20개 이상의 근육에 명령을 보내 적절한 힘과 각도로 접촉면을 형성합니다. 도자기 머그컵이면 단단히, 종이컵이면 살짝 — 이 조절까지 무의식적으로 수행합니다.
로봇에게 같은 과제를 주면 어떤 일이 벌어질까요? 2023년 Amazon Picking Challenge에서 최고 성능의 로봇도 알려지지 않은 물체의 집기 성공률이 80%를 겨우 넘겼습니다. 인간이 99% 이상을 달성하는 것과 비교하면 엄청난 격차입니다.
이 격차의 핵심 원인은 "접촉(contact)"이라는 물리 현상의 복잡성에 있습니다. 물체를 잡는 순간 로봇은 자유롭게 움직이는 상태에서 물체와 물리적으로 결합된 상태로 전환됩니다. 이때 마찰력, 접촉면 기하학, 물체의 질량 분포가 동시에 작용하며, 이 모든 것을 실시간으로 제어해야 합니다.
단순한 궤적 추종(trajectory following)으로는 해결할 수 없는, 로봇공학에서 가장 도전적인 문제 중 하나입니다.
이번 레슨에서는 로봇이 물체를 잡고, 밀고, 조립하는 "조작(manipulation)"의 전체 파이프라인을 탐구합니다. 접촉 물리학의 기초부터 학습 기반 파지 계획, 그리고 Foundation Model까지 — 로봇의 손이 어떻게 점점 더 능숙해지고 있는지 그 여정을 따라갑니다.