.svg)
AI 솔루션 문의하기
인간·로봇 상호작용(Human-Robot Interaction, HRI) 데이터는 로봇과 인간이 함께 작업할 때 발생하는 모든 정보를 기록합니다. 로봇이 인간에게 신호를 보내는 방식(음성, 제스처, 시각 신호), 인간이 로봇을 제어하는 방식(음성 명령, 손 신호, 신체 접촉), 두 주체 간의 물리적 상호작용(로봇이 인간을 밀 때의 힘, 인간이 로봇을 유도할 때의 방향)이 모두 데이터입니다.
HRI 데이터 수집은 현장의 실제 협업 환경에서 이루어집니다. 창고에서 인간과 로봇이 함께 물체를 옮기거나, 의료 시설에서 로봇이 환자 옆에서 작업하거나, 조립 라인에서 인간과 로봇이 작업을 번갈아 수행합니다. 각 상황은 로봇이 인간과 자연스럽게 협업하는 방법을 학습하기 위한 소중한 데이터 원천입니다. 실제 협업 환경에서 수집된 HRI 데이터는 로봇의 사회적 적응 능력을 크게 향상시킬 수 있을 것으로 예상됩니다.
HRI 데이터의 완전성을 위해서는 여러 감각 채널의 동시 기록이 필수적입니다. 다중 채널 센서의 동시 운영과 정확한 시간 동기화로 인간의 반응과 로봇의 행동 간의 인과관계를 명확히 파악할 수 있을 것으로 기대됩니다.
인간과 로봇이 함께 작업할 때, 각자 맡은 역할이 있습니다. 같은 물체를 함께 들 때 누가 더 무거운 부분을 드는가, 언제 주도권을 바꾸는가, 어떻게 조정하는가를 기록합니다. 예를 들어 큰 상자를 옮길 때 처음에는 로봇이 무거운 쪽을 들지만, 인간이 "조금만 더"라고 말하면 로봇은 자신의 부분을 더 늘려 잡을 수 있습니다. 이러한 실시간 역할 조정(role negotiation)을 기록하면, 로봇이 인간의 신호에 맞춰 행동을 동적으로 조정하는 방법을 학습할 수 있습니다.
또한 작업 중 인간이 피로를 느낄 때의 신호(움직임 속도 저하, 음성 톤 변화, 그립 강도 감소)를 감지하고, 로봇이 자동으로 부담을 더 많이 떠맡는 방식도 데이터화합니다. 협업 과정의 동적 변화를 세밀하게 기록하면, 로봇이 인간의 상태에 민감하게 반응하는 협력 로봇을 만들 수 있을 것으로 기대됩니다.
로봇이 인간과 협업하려면 다양한 음성 명령을 이해해야 합니다. "물체를 옮겨줘", "그것을 옮길 수 있니?", "저 상자 좀 옮기겠어?" 같은 표현들이 모두 같은 지시를 나타냅니다. 하지만 표현 방식에 따라 로봇의 응답도 다를 수 있습니다. 정중한 표현에는 정중하게 응답하고, 긴급한 표현에는 빠르게 대응합니다. HRI 데이터 수집 시 자연언어의 다양한 표현을 의도적으로 포함시킵니다. 여러 인간이 같은 작업을 지시할 때 사용하는 다양한 표현을 모두 수집합니다.
같은 인간이 시간이 지나면서 표현을 바꾸는 과정도 처음엔 상세하게, 반복되면 축약하는 방식으로 기록합니다. 각 음성 명령에 대해 로봇이 제대로 이해했는지 인간의 만족도도 함께 기록하면, 로봇의 이해도를 측정할 수 있습니다. 자연언어의 다양성과 동적 변화를 포괄하는 음성 데이터로 로봇의 언어 이해 능력이 크게 향상될 것으로 예상됩니다.
인간은 음성만으로 지시하지 않습니다. 손가락으로 가리키고, 고개를 끄덕이고, 손을 흔들고, 신체의 방향으로 의도를 표현합니다. 이러한 비언어적 신호도 HRI 데이터에 포함되어야 합니다. 예를 들어 인간이 손가락으로 특정 물체를 가리킬 때, 로봇은 그 신호를 인식해야 합니다. 또한 인간의 얼굴 표정(만족, 불만족, 혼동)도 중요한 피드백입니다.
로봇이 인간의 표정을 읽으면, 자신의 행동이 적절했는지 판단할 수 있습니다. 신체 언어의 문화적 차이도 고려해야 합니다. 한국에서 "옆으로 손을 흔드는 것"은 거절을 의미하지만, 다른 문화에서는 다른 의미일 수 있습니다. 따라서 HRI 데이터 수집 시 문화적 맥락을 라벨링합니다. 신체 제스처와 문화적 맥락을 포함한 비언어적 데이터로 로봇의 사회적 이해 능력이 향상될 것으로 기대됩니다.
협업 작업에서 가장 민감한 부분은 물리적 접촉입니다. 인간과 로봇이 같은 물체를 들거나, 로봇이 인간의 팔을 살짝 밀어 방향을 바꾸거나, 인간이 로봇의 팔을 유도할 때 가해지는 힘을 측정합니다. 힘 센서와 토크 센서로 기록된 이 데이터는 로봇이 인간의 의도를 읽는 방법을 학습하게 합니다. 예를 들어 인간이 로봇의 팔에 가하는 힘의 크기와 방향으로, 인간이 로봇을 어디로 유도하려는지를 알 수 있습니다.
또한 인간의 터치의 세기(gentle vs firm)는 감정 상태를 나타낼 수 있습니다. 안전 관점에서도 중요합니다. 인간이 로봇에 일부러 충돌하거나 거칠게 접촉할 때와, 우연히 가벼운 접촉을 할 때를 구분해야 합니다. 물리적 상호작용의 세밀한 측정과 분석으로 로봇의 안전성과 협력 능력이 함께 향상될 수 있습니다.
HRI 데이터 수집을 진행하면, 특정한 패턴들이 반복됨을 알 수 있습니다. "인간이 로봇에게 물체를 건넬 때의 패턴", "인간이 로봇의 방향을 바꿀 때의 패턴", "로봇이 인간에게 도움을 청할 때의 패턴" 등입니다. 각 상황마다 인간의 반응이 일관되는 경향이 있습니다. 이러한 상황별 패턴을 분류하고 라벨링하면, 로봇이 비슷한 상황에서 인간의 반응을 예측하고 선제적으로 행동할 수 있습니다.
상황에 따라 인간의 반응이 달라지는 경우도 분석합니다. 같은 신호도 맥락에 따라 다른 의미를 가질 수 있기 때문입니다. 작업이 시작될 때의 제스처와 작업이 진행 중일 때의 제스처가 다를 수 있습니다. 상황 맥락을 포함한 HRI 패턴의 분류로 로봇의 상황 인식 능력과 예측 능력이 크게 향상될 것으로 기대됩니다.
HRI 데이터 수집 시 성공적인 상호작용뿐 아니라 실패하거나 어색한 상호작용도 기록해야 합니다. 인간이 로봇의 의도를 오해했을 때, 로봇이 인간의 신호를 잘못 인식했을 때, 두 주체의 행동이 충돌했을 때의 데이터도 소중합니다. 또한 인간의 좌절감, 실망감, 분노도 기록됩니다. 로봇이 이러한 부정적 감정을 인식하면, 자신의 행동을 조정할 수 있습니다.
부정적 상호작용의 원인 분석도 중요합니다. "로봇이 너무 천천히 움직여서 인간이 답답해했다", "로봇의 음성이 이해하기 어려워서 인간이 여러 번 반복했다" 같은 구체적인 원인을 파악하면, 로봇 시스템을 개선할 수 있습니다. 성공과 실패를 모두 포함한 균형잡힌 HRI 데이터로 로봇의 강건성과 인간 중심성이 향상될 것으로 예상됩니다.
HRI는 문화적 맥락에 크게 의존합니다. 인간과의 거리감(proxemics), 시선 접촉의 빈도, 신체 접촉의 허용도가 문화에 따라 다릅니다. 또한 개인차도 크다. 어떤 사람은 로봇과 친밀하게 상호작용하고 싶어하고, 어떤 사람은 거리를 유지하고 싶어합니다. 어떤 사람은 로봇의 음성이 자연스러워야 하고, 어떤 사람은 기계적 음성을 선호합니다.
HRI 데이터 수집 시 다양한 문화적 배경을 가진 사람들을 포함시킵니다. 또한 같은 문화권이라도 개인의 선호도를 라벨링합니다. "이 인간은 로봇과의 신체 접촉을 거부한다", "이 인간은 로봇의 주도적 행동을 선호한다" 같은 개인적 특성을 기록하면, 로봇이 개별 인간에게 맞춘 상호작용 스타일을 학습할 수 있습니다. 문화적 다양성과 개인차를 포괄하는 HRI 데이터로 로봇의 적응형 협력 능력이 크게 향상될 것으로 기대됩니다.
.svg)
.svg)
