서울대학교 공과대학 전기정보공학부 오성회 교수 연구팀이 로봇 스스로 테이블 위 물체를 식별하고 효율적으로 정리하는 인공지능(AI) 기술을 개발했다.

이번 연구는 가정·사무실에서 활용 가능한 자율 정리정돈 기술의 필요성에 주목한 결과다. 기존 연구는 목표 이미지 기반으로 제한적 환경에서만 적용 가능했으며, 객관적 평가 기준 부재로 발전이 더뎠다. 서비스 로봇이 생활 공간에 보편화되기 위해서는 사용자의 명령 없이도 로봇이 스스로 정돈을 수행하는 능력이 필수적이라는 점에서 이번 연구는 의의가 크다.

RGB-D 카메라 한 대로 물체를 인식하고 정리정돈 점수 산출 알고리듬

연구팀은 RGB-D 카메라 한 대로 물체를 인식하고 정리정돈 점수(Tidiness Score)를 산출하는 알고리듬 ‘TSMCTS(Tidiness Score-Guided Monte Carlo Tree Search)’를 개발했다. 이 연구 결과는 로봇 분야 국제 학술지 IEEE RA-L(IEEE Robotics and Automation Letters)에 게재됐다.

연구팀은 먼저 22만여 장의 이미지로 구성된 ‘책상 정리정돈 데이터셋(Tabletop Tidying Up Dataset, TTU 데이터셋)’을 구축해 로봇이 장면의 정돈 정도를 평가할 수 있도록 학습시켰다. 이를 통해 목표 이미지 없이도 로봇이 정리 상태를 수치로 판단할 수 있게 됐다. 이후 오프라인 강화학습(Offline Reinforcement Learning)과 몬테카를로 트리 탐색(Monte Carlo Tree Search, MCTS)을 결합해 다양한 정리 전략을 탐색하는 ‘TSMCTS’ 알고리듬을 완성했다.

시뮬레이션 결과, 다섯 가지 환경에서 750개 시나리오를 수행한 로봇은 평균 성공률 88.5%, 평균 정리 점수 0.901점을 달성했다. 실제 환경에서 진행한 20개 시나리오 실험에서는 평균 성공률 85%, 정리 점수 0.897을 기록하며 상용화 가능성을 입증했다. 또한 17명이 참여한 블라인드 테스트에서도 TSMCTS로 정리한 결과가 가장 짧은 이동 거리와 적은 조작 횟수를 기록하며 사람의 정돈 능력에 가장 근접한 성과를 보였다.

호텔, 물류 제조 현장 즉시 활용 가능

연구팀은 본 기술이 가정용 청소 로봇, 호텔 룸서비스 로봇 등에서 즉시 활용 가능하며, 물류·제조 현장의 키팅과 패킹 공정에서도 생산성 향상에 기여할 것으로 내다봤다. 또한 구축된 데이터셋은 객체 재배열과 제어 연구의 표준 벤치마크로 활용돼 로봇 제어 분야 생태계 확장에 기여할 것으로 기대된다.

오성회 교수는 “로봇 스스로 정리정돈하는 AI 기술은 서비스와 가정용 로봇, 물류·생산 라인 등 다양한 산업 현장에서 응용 가능하다”며 “향후 대형 언어모델(LLM)과 결합해 물체의 기능과 맥락까지 이해하는 정리정돈 기술로 발전시킬 계획”이라고 말했다. 제1저자인 기호건 연구원은 현재 서울대 전기정보공학부 석박통합과정에서 로봇 파운데이션 모델과 휴머노이드 제어를 연구하고 있으며, 향후 국내외 연구소나 기업에서 연구개발자로 활동할 예정이다.

이번 연구는 생성AI와 강화학습, MCTS를 결합해 로봇의 정리정돈 능력을 실질적으로 입증한 성과다. 상용화 가능성을 보여준 만큼 가정, 서비스, 산업 현장에서 로봇 활용을 확산시키는 계기가 될 전망이다. 더불어 공개된 데이터셋은 학계와 산업계에서 표준 연구 자료로 자리잡으며 AI 로보틱스 분야 발전을 견인할 것으로 기대된다.

[알림] 글로벌 번역 전문 기업 딥엘(DeepL)이 오는 9월 24일 오후 2시부터 3시까지 GTT SHOW의 GTT Webinar 플랫폼을 통해 ‘대량 데이터 번역 품질을 한 단계 높이는 DeepL API 활용 전략’을 주제로 무료 웨비나를 개최한다. 이 웨비나에서는 딥엘 API의 고급 기능과 실제 비즈니스 현장 적용 전략을 구체적으로 다루며, 글로벌 커뮤니케이션 경쟁력을 높일 수 있는 실질적인 해법을 제시한다.