.svg)
AI 솔루션 문의하기
물류창고의 피킹로봇은 정해진 상품 목록 안에서 움직이지만, 가정용 서비스로봇은 그런 목록 자체가 없는 공간에서 활동합니다. 집마다 놓인 물건의 종류와 배치가 저마다 달라, 로봇이 처음 마주하는 물체를 매번 새로 판단해야 하는 경우가 많습니다. 정해진 카탈로그 없이도 물체의 형태와 재질을 일반화해 판단할 수 있도록, 다양한 가정용품을 폭넓게 수집해 학습시키는 작업이 가정용 서비스로봇 데이터 구축의 출발점입니다. 창고의 물류 로봇이 정해진 수천 종의 상품을 정확히 아는 데 집중한다면, 가정용 로봇은 애초에 그 목록을 다 채울 수 없다는 전제 위에서 데이터를 준비해야 하는 근본적인 차이를 안고 있습니다.
아무리 데이터를 많이 모아도 로봇은 결국 학습 데이터에 없던 새로운 물체를 마주하게 됩니다. 이런 상황에서 완전히 낯선 물체를 무시하거나 잘못 다루면 사고로 이어질 수 있습니다. 비슷한 범주로 분류할 수 있는 물체들의 공통된 특징을 함께 학습시켜, 처음 보는 물체도 대략적인 재질과 다루는 방식을 유추할 수 있도록 데이터를 구성하는 절차가 필요합니다. 완전히 판단하기 어려운 물체는 무리하게 다루기보다 사용자에게 확인을 요청하는 방향으로 이어지도록 설계하는 편이 안전합니다. 확신이 낮은 상황에서 스스로 판단해 행동하기보다 잠시 멈추고 사람에게 되묻는 태도는, 처음 보는 물체를 대할 때 로봇이 갖춰야 할 가장 기본적인 신중함입니다.
옷가지나 비닐봉지처럼 형태가 고정되지 않은 물건은 같은 물체라도 놓인 상태에 따라 완전히 다른 모습으로 보입니다. 딱딱한 상자나 병과는 다른 접근이 필요합니다. 수건이나 옷처럼 형태가 변하는 물체를 여러 접힘과 펼침 상태에서 촬영해, 형태 변화에도 같은 물체로 인식하도록 학습시키는 작업이 필요합니다. 이런 물체는 잡는 지점에 따라 전체가 흘러내리거나 미끄러질 수 있어, 인식뿐 아니라 안정적으로 쥐는 방식까지 함께 데이터에 담아야 합니다.
물류창고는 대체로 사람이 상시 머무르지 않는 공간이지만, 가정은 사람과 반려동물이 로봇과 같은 공간을 계속 오가는 곳입니다. 이런 환경에서는 물체 인식 정확도만큼이나 주변에 있는 사람이나 동물을 놓치지 않는 일이 중요합니다. 가구나 물건뿐 아니라 사람과 반려동물이 함께 등장하는 상황을 폭넓게 촬영해, 조작 대상과는 구분되는 존재를 명확히 식별하는 데이터를 함께 구축하는 절차를 두어야 로봇이 주변 존재를 물건으로 오인하는 상황을 막을 수 있습니다.
집 안의 물건 중에는 시장 가격과 무관하게 개인에게 소중한 물건도 섞여 있습니다. 낡았지만 오래 간직해온 소지품이나 자녀가 만든 소품은 겉보기에 평범해도 조심스럽게 다뤄야 합니다. 파손 위험이 있는 소재나 형태의 물체는 별도로 분류해, 인식되는 즉시 더 신중한 힘과 속도로 다루도록 데이터에 기준을 포함하는 절차가 필요합니다. 이 기준을 물체의 겉모습만으로 완벽하게 판단하기는 어려워, 사용자가 특별히 주의가 필요한 물건을 직접 등록할 수 있는 여지도 함께 남겨 두어야 합니다. 값비싼 물건과 소중한 물건이 항상 일치하지는 않는다는 점에서, 이 판단은 결국 로봇 혼자의 몫을 넘어 그 집에 사는 사람의 감각을 함께 반영해야 완성되는 영역입니다.
가정용 서비스로봇의 사물조작 데이터는 정돈된 창고뿐만 아니라, 저마다 다른 조명과 배치를 가진 수많은 집 안을 배경으로 물체를 알아보는 눈을 준비하는 작업입니다. 정해진 목록도, 통제된 환경도 없는 이 조건에서 로봇은 매번 낯선 상황에 대응할 준비가 되어 있어야 합니다.
이 데이터가 지향하는 지점은 특정 물건을 정확히 아는 것이자, 처음 보는 물건 앞에서도 신중하게 판단하는 태도를 로봇에게 심어주는 데 있습니다. 완벽하게 모든 물건을 알아보는 로봇을 목표로 삼기보다, 모르는 것 앞에서 무리하지 않는 로봇을 목표로 삼는 편이 가정이라는 예측 불가능한 공간에서는 더 현실적인 기준이 됩니다.
.svg)
.svg)
