인공 지능
로봇공학 : James G. Keramas 저서, 이만형. 고경철. 노태정. 박희재. 부광석. 안병하. 이민철. 정원지. 제우성 공역, 사이텍미디어, 2000 (원서 : Robot Technology Fundamentals, Thomson Learning, 1999), Page 301~320
10장에서는 다음과 같은 사항들을 학습하게 된다.
1. 지능 시스템의 정의
2. 인공지능의 기본적 요소
3. 지능 시스템의 구조
4. 최신 로봇 응용기술
5. 퍼지 (fuzzy) 논리 제어의 원리
6. 인공지능의 최신 개념과 방법론 정의
7. 미래 기술
8. 미래 산업에 미치는 영향
인공지능 (AI: artificial intelligence) 또는 AI 는 인간처럼 생각하고 반응하는 컴퓨터의 개발에 필수적인 기술이며, 전산학 분야에서 매우 빠르게 성장하는 분야 중의 하나이다. 이 용어는 1950년대 미국 MIT대학의 John McArthy 교수에 의해 처음 사용되었다. LISP는 list processor의 약자로서 인공지능을 위한 프로그램 언어이다. 이 언어는 인간의 지적 기능을 모방하고 지적 능력을 구현하기 위해 설계되었다. 그러므로 AI 는 학습, 추론, 문제해결, 자연어 이해 등과 같이 인간의 지적 활동에 통상적으로 관련된 특성들을 구현하는 시스템에 대한 학문이다. 즉, AI의 목적은 시스템에 인간의 모습을 심는 것이다. 하나의 예로서 인간의 음성을 이해하는 컴퓨터의 개발을 들 수 있다. 현재 음성인식 기술은 학습에 의해, 특정인의 말을 이해하는 수준까지는 왔으나, 불특정다수의 말을 이해하는 기술은 아직 요원한 것으로 보인다. 이와 같이 풀기 어려운 문제를 지식기반 공학기술로 풀어보려는 노력이 있다. 앞으로 메모리 기술의 발달, 특히 VLSI 와 같이 반도체 기술의 발달로 인해, AI의 한계기술이 극복되어, 설계, 자동화, 제조공정 등 모든 산업분야에 지대한 영향을 미칠 것으로 보인다. 그림 1.1은 지난 수년 동안의 전자부품 및 컴퓨터 기술의 발달과 비용과의 관계를 보여준다. 미래 과학자들은 앞으로 인공지능 기술이 여러 응용분야에서 주도적 역할을 할 것으로 믿는다.
[그림 1.1] 전자기술의 발달과 컴퓨터의 가격변화
일반적으로 제조업 분야에서 인공지능의 적용기술을 나열하면 다음과 같다.
1. 전문가 시스템
2. 자연어 처리
3. 머신 비전
4. 신경망
5. 기계학습
6. 고등로봇
전문가 시스템 (ES: expert system) 은 일반적으로 교육에 의한 전문지식과 숙련된 경험을 가진 인간의 지적 능력을 요구하는 복잡하고 어려운 문제를 풀 수 있는 지능적인 컴퓨터 프로그램이다. 예를 들어, 의학분야에서 인공지능은 여러 가지 증상을 기반으로 질병을 진단하는 진단전문가 시스템이나, 산업공학 분야에서 수백 개의 변수를 갖는 대형 프로젝트의 일정관리와 같은 과제수행 전문가 시스템 등이 있다.
[그림 2.1] 전문가 시스템의 기본 구조
전문가 시스템은 인간의 지식과 경험을 데이터베이스로 구축한다. 지식기반 시스템은 지식기반과 추론과정을 이용하여, 어려운 문제들을 푸는 전문가 시스템이다. 그림 2.1은 전문가 시스템의 기본적인 구조를 보여준다.
전문가 시스템의 목표는 전문가의 지적 능력을 프로그램으로 구현하는 것이다. 이를 위해 필요한 지식은 체계화와 분류과정을 거쳐, 컴퓨터에 저장된다. 전문지식은 사실, 데이터, 정의, 가정 등으로 분류된다. 이 지식들을 체계화하는 과정은 휴리스틱 (heuristic) 방법이 이용된다. 그러나 고도의 판단, 발견능력, 발명, 상상력 등의 능력은 인간만이 가질 수 있는 것이며, 전문가 시스템은 단지 인간에게 풍부한 지식을 베이스로 하여, 빠른 시간 내에 결정이나 문제해결에 필요한 모든 가능성을 계산하여 주는 보조자의 역할을 수행하게 될 것이다. 지식기반 시스템의 추론부는 일반적으로 if-then의 형태의 조건과 결과문의 논리 베이스로 구성된다. 특정 문제를 해결하기 위해, 여러 가지 법칙을 적용하는 메커니즘을 추론엔진 (inference engine) 이라 부른다. 전문가 시스템은 통신 네트워크를 통해, 다른 컴퓨터의 전문가 시스템과 접속된다. 이는 전문가 시스템 서버라 불리며, 최근 인터넷의 발달로 전문가 시스템은 각 전문분야별 서버로 구축되어, 다룰 수 있는 분야의 영역이 확대되고, 문제해결 능력도 계속 발전하고 있다.
제조업분야에서 여러 가지 제품을 설계하는데, 전문가 시스템이 이용된다. 제품설계에는 많은 양의 지식과 계산을 요구한다. 설계분야에 많은 경력을 가진 설계 전문가조차, 점점 복잡해지고 다양한 기능을 갖춘 제품을 단기간 내에 설계하고 또한 한번 설계한 모델을 베이스로 하여 변형 설계하는 데 많은 시간을 필요로 한다. 또한 설계 전문가가 팀을 이루어 작업하는데, 많은 의사결정과 정보교환이 필요하다. 이러한 설계 문제를 해결하기 위해서 제품에 대한 지식정보 시스템, 모델링, 설계자동화 등을 포함하는 전문가 시스템이 사용된다.
전문가 시스템은 실시간 기반하에서 작동한다. 짧은 응답시간은 문제의 신속한 해결에 필수적이다. 이러한 전문가 시스템은 C++와 같은 일반적인 프로그램 언어로 작성되기도 하지만, LISP나 PROLOG와 같은 전문가 시스템용 프로그램 언어가 주로 사용된다. 최근 프레임워크 (framework) 시스템이라 불리는 전문가 시스템용 통합 프로그래밍 환경이 소개된 바 있다. 이러한 소프트웨어 패키지를 통해, 개발하고자 하는 전문가 시스템에 대한 요구사항들을 작성하며, 보다 효율적으로 전문가 시스템을 개발하도록 환경을 제공한다. 사실 전문가 프로그램을 개발하는 데 상당한 시간과 많은 경험을 요구한다. 전문가 시스템이 기존의 프로그램 개발과 구분되는 특성들을 열거하면 다음과 같다.
1. 인간과 같이 추론하고 불분명한 데이터를 다룬다.
2. 특정한 문제가 어떻게 풀리는가를 체계화한다.
3. 특정한 결론에 도달하는 과정을 설명한다.
4. 경험으로부터 추출된 지식을 적용하고 배운다.
전문가 시스템이 도입된 1970년 이래 현재까지 실용화된 전문가 시스템은 7~8개에 불과하다. 이 시스템들은 사용목적과 그 응용분야에 따라 다양한 용량의 컴퓨터를 사용하였다. 이러한 예를 살펴보면, 다음과 같다.
이러한 전문가 시스템은 자연어 처리기술이 핵심적인 인간기계 접속기술이다. 자연어처리는 문법과 언어적 습관에 대한 데이터베이스를 기반으로 한다. 이러한 자연어를 컴퓨터가 이해하는 기계어로 바꾸어주는 자연어 인터페이스 기술은 여러 가지 개발단계에 있다. 이러한 시스템은 간단한 질문 형식의 명령어를 사용하여 시스템에 접속하고 사용자에게 필요한 정보를 제공한다. 이러한 자연어처리에도 인공지능 기술이 이용되어 실시간으로 언어를 해석한다.
이러한 자연어처리 기술이 가까운 시일 내에 현실로 다가올 것으로 기대되며, 현재의 주요 컴퓨터 입력장치인 키보드와 마우스를 대체하게 될 것이다.
[그림 2.2] 전문가 시스템은 머신 버전에 의해 안내되는 산업용 로봇에 적용된다.
머신 비전 (machine vision) 기술도 주요한 인공지능 분야의 하나이다. 이 기술은 7장에서 언급한 바와 같이, 컴퓨터와 카메라 센서가 결합되는데, 인공지능 기술이 이용된다. 머신 비전 기술은 검사, 인식, 그리고 부품 정렬과 같은 작업의 자동화에 필수적이다. 사람의 간섭이 필요없는 지능형 안내로봇에도 응용된다. 그림 2.2는 머신 비전에 의해 안내되는 로봇에 적용된 전문가 시스템의 한 예를 보여주고 있다.
인공 신경망의 구현도 인공지능의 최종목표 중의 하나이다. 이 기술이 비록 인간의 지능을 모사하는 것일지라도, 근본적으로 컴퓨터와 사람의 뇌구조에는 큰 차이가 있다. 인간의 사고과정은 뇌 속의 신경망 사이에 매우 복잡한 상호 반응을 내포한다. 각 신경세포들은 매우 많은 수의 뉴론 (neuron) 들이 사고과정에서 상호 반응하면서 많은 다른 뉴론들과 접촉한다. 인간의 뇌는 약 1,000억의 연결된 뉴론과 각 뉴론은 1,000개 이상의 연결을 갖는다. 따라서 신경망은 연결구조로 알려진 네트워크를 구성한다. 컴퓨터가 생각한다는 것은 전형적으로 하나의 CPU가 RAM이라는 메모리의 하나의 비트 (bit) 와 대화하는 것을 의미한다. 그러나 동시에 여러 개의 비트와 반응할 수 없고 반복적인 작업만 가능한 것이다.
신경망 구조는 알고리즘적이 아니며, 많은 입력을 동시에 다루는 많은 양의 병렬계산 단위를 갖는다. 그러나 병렬계산 컴퓨터와는 다르게, 신경망은 복잡한 프로그래밍 기법을 요구하지 않는다. 병렬컴퓨터는 하나의 문제를 잘 게 나누어 병렬계산에 알맞도록 한다. 그러므로 그것들이 특히 잘못 정의된 문제 또는 데이터가 애매모호하고, 불완전하고 상호 모순적이며 많은 규칙을 필요로 하는 문제들에 유용하다. 신경망의 다른 특징으로 (a) 기억하고 처리하고 정보를 추출하는 데 필요한 학습용량, (b) 자체 조직화 능력, 원하는 목표에 도달하기 위한 학습능력, (c) 매우 복잡한 문제에 대해 좋고 빠르고 근사적 해를 찾는 능력 등을 들 수 있다.
제조업에 관련된 신경망의 여러 적용 예 중에서 센서융합, 신호처리, 감시 및 공정제어, 제어 모의실험 그리고 모델링, 기계적 장비의 진단 및 부품조작 등이 포함된다. 현재 많은 연구가 이러한 적용기술에 대해 진행 중이다. 많은 사람들이 신경망의 발달이 인공지능을 발전시키는 데 큰 공헌을 할 것으로 기대하고 있다. 그러나 이 분야는 아직도 매우 모순적이고 AI에 대한 최종효과는 좀더 많은 시간을 요하는 것같이 보인다.
기계학습 또한 AI의 분야 중의 하나이다. 이 기술은 과거의 경험으로 얻어진 학습 효과를 프로그램으로 구현하는 것이다. 기계학습에 내포된 아이디어는 가설로 설정된 지능적 요인과 현실세계 사이에서 관찰로부터의 학습효과이다. 전문가는 환경으로부터 인식을 받고 실제 세계에 대한 행동을 결정한다. 전문가 시스템은 그림 2.3과 같이 4개의 개념적 요소로 구성된다.
1. 학습요소
2. 수행요수
3. 비평부
4. 문제 발생부
[그림 2.3] 학습능력을 갖는 에이전트 모델
학습은 주어진 작업에 대한 지식을 여러 가지 유용한 형태로 축적한다. 어떤 작업을 수행하는 작업에서 어떤 특정한 내용을 배운다는 것은 하나의 함수를 정확한 형태로 표현하여 학습하는 문제로 볼 수 있다. 입출력 패턴으로부터 하나의 함수를 배우는 것을 귀납적 학습 (inductive learning) 이라 한다. 귀납적 학습연산 방식의 성능은 학습곡선으로 평가된다. 학습곡선이란 많은 관측 데이터로부터 예측된 결과를 정확도란 함수의 형태로 평가하는 것이다. 학습에 있어 어려움은 학습용 데이터를 선택하는 방법에 있다. 함수는 논리적 명제, 다항식, 신경망 등으로 표현된다.
고등로봇 (advanced robots) 이란 용어는 1980년 중반 센서기반 로봇을 표현하기 위해 사용되었다. 센서기반 로봇은 인간의 지능적 행동양식을 함수의 형태로 학습한다. 이 로봇은 인간과 컴퓨터의 접속을 준 자동적으로 수행한다. 종래의 로봇이 단순히 물건을 집고 놓는 반복작업만을 수행하는 것에 비해, 이 고등로봇은 탁월한 기술적 진보를 바탕으로 다양하고 복잡한 작업을 자동화하였다. 응용분야도 비단 제조업분야뿐 아니라 원자력발전소, 건설, 우주, 심해, 의료복지 분야에 이르기까지 넓혀지게 되었다.
고등로봇 기술은 더욱 발전하여 언젠가 인간처럼 볼 수 있고 들을 수 있는 수준의 로봇이 출현할 것이다. 무인 화성탐사용 스마트 로봇의 경우, 인간으로부터 아무 정보를 받지 않고 센서 정보만을 이용하여, 지형의 구조를 스스로 판별하여, 전진할 것인지 정지할 것인지를 판단한다. 조립작업에 있어서도 고등로봇은 판단력을 갖고 부품을 다룬다. 산업기술이 발달함에 따라 전자 및 기계기술, 실시간 제어기술, 센서기술, 인지과학기술 등이 복합적으로 연결되어 인공지능 기술이 더욱 발전할 것으로 보인다. 인공지능 기술은 현재 가장 관심을 끌고 있는 도전할 미래 기술분야 중의 하나로서 부각되고 있으며, 시장 성장성 또한 높은 분야로 예측된다. 그러나 이러한 기술을 가능하게 하는 것을 여러 공학적 기술들이 얼마나 성공적으로 종합적으로 연결되는냐에 달려 있는 것이다.
지금까지 고등로봇 기술은 일본 등 로봇 선진국에서 발전이 되어왔으며, 최근 유럽 연합 (EU) 을 중심으로 연구과제에 대한 투자가 집중적으로 이루어지고 있다. 고등로봇 기술의 발전은 컴퓨터의 연산능력 강화로 인해 가능해졌으며, 날로 컴퓨터가 널리 보급됨에 따라, 경제적인 규모로 성장하게 될 것으로 예상된다.
이러한 고등로봇은 지능기계 또는 지능적 시스템이라고도 불려지며, 고급언어로 프로그램되며, 작업 지향적 명령을 이해한다. 작업공간 내에서 자율주행 능력을 가지며, 인간의 간섭없이 스스로 작동한다. 작업환경도 불확실성을 내포한 비구조화환경이 주류를 포함한다. 이러한 자동화 장치는 지능적 조작의 속성을 보여주고, 시스템 통합기술이 핵심기술이 된다. 이 기술은 원전, 우주, 심해, 건설 그리고 건강복지 산업, 감시/보안, 청소와 같은 서비스 산업에까지 널리 적용될 것으로 보인다.
영국에서는 국가의 지원하에 연구센터가 설립되어, 고등로봇을 위한 연구를 수행하고 있다. 유럽연합은 ESPRIT, CIME 프로그램과 같은 연대협력에 의해 산업 적용과제를 중심으로 고등로봇 과제를 지원하고 있다. 미국 또한 대학을 중심으로 선진 로봇공학 기술을 연구하고 있다. 일본은 대학은 물론 기업의 지원하에 활기있는 연구가 진행되고 있다.
고등로봇에 있어 센서기반 제어기술이 핵심기술이다. 또한 주어진 작업이 고난도의 작업인 경우, 이를 효율적으로 수행하기 위한 지능을 갖춘 작업 프로그램이 필요하다. 기존의 로봇이 단순 반복작업만을 수행하는 것에 비해, 최적 경로계획, 충돌회피 등 불확실한 환경에서의 문제해결 능력 등에 대한 기술적 진보가 필요하다. 지능로봇이 현대 자동화의 주역이 될 날은 아직 요원하여 보이지만, 기계지능 분야에 대한 연구는 많은 가능성을 보여주고 있다. 현재 로봇연구에 있어서 도전할 만한 기술적 주제는 이러한 지능적 시스템을 위해 제어기술, 구동기,센서 그리고 인공지능 기술 등을 복합화하고 체계화하는 것이다.
현대의 지능로봇은 고급 명령을 이해하고 주어진 상황을 분석하고 작업을 계획을 하는 능력을 갖는다. 또한 불확실한 영역에서 스스로 움직이고 사람의 간섭없이 고도의 작업을 수행할 수 있는 능력을 포함한다. 지능적 다개체 시스템은 한 대의 로봇의 지능화보다는 여러 개의 개체가 그룹을 이루어 각 개체의 행동을 조정하는 협력제어를 수행한다. 이러한 조정기술은 실내환경과 같은 구조화되고 예측 가능한 환경에서는 잘 작동하나, 실외환경과 같은 비구조화된 환경에서는 복잡한 문제를 만나게 된다.
[그림 3.1] 지능제어 구조
공업규격은 일반적으로 기계장치가 센서의 종류의 작동범위, 센서신호를 해석하는 방법, 센서정보를 이용한 제어기능 등에 관한 것을 규정하고 있다. 센서정보의 해석은 일반적으로 직접적으로 해석되기 어렵고 여러 가지 요인에 영향을 받는다. 예를 들면 전체적인 상황에 대한 해석은 함축된 외부세계에 대한 인식, 이동체에 관한 기초지식, 인간 작업자와의 이해도 같은 것들을 요구한다. 따라서 데이터흐름과 제어신호를 논리적 방법에의 의해 구조화하고, 적당한 기능레벨에 따라 우선순위를 정하는 것이 필요하다. 또한 설계검증 및 보수유지하는 기술 또한 중요해진다.
인공지능의 분야를 보다 체계적으로 다루기 위해 여러 가지 접근방법들이 채택되고 있다. 고등로봇 시스템은 공통적으로 센서, 구동기, 제어의 3가지 하부 시스템으로 구성되며, 그림 3.1은 그러한 시스템의 지능제어 구조의 한 예를 보여준다.
전통적으로 산업환경에서는 계층적 의사결정 방법이 사용되어 왔다. 그 이유는 연산 및 사용자 인터페이스 등에 대한 표준을 사용할 수 있기 때문이다. 전체 프로세스의 작동상태를 투명하게 보기 위해 동기신호와 통신규약 (protocol) 등 통신에 대한 표준을 이용한다. 그림 3.2는 실시간 지능제어를 위한 3개 층의 구조로 구현되는 전형적인 구조를 보여준다.
[그림 3.2] 3개의 층을 갖는 시스템 구조
이 구조에서 가장 낮은 레벨인 실행레벨은 실시간 제어에 관련되는데, 상위레벨인 경로계획 레벨로부터 경로에 관련된 매크로 (macro) 명령을 받는다. 매크로 명령은 다시 최상위 레벨인 전략레벨의 명령을 해석하여 실행레벨에 대한 명령 등을 생성한다. 고등로봇이란 바로 이 최상위 레벨의 함수를 보유하는 것을 의미한다. 이 레벨은 상황분석, 기획, 그리고 작동자의 요구사항을 해석하는 능력을 의미한다. 이러한 기능들은 실제적용에 있어서 좀더 복잡한 모델을 요구하는데 작업기획 에이전트, 인간 작업자에게 자문을 해주는 전문가 시스템, 인간과 컴퓨터의 인터페이스를 담당하는 통신 모듈등으로 구성된다. 이러한 계층구조의 상세한 기능적 표현이 그림 3.3에 도시된다.
[그림 3.3] 계층적 로봇제어 구조
일반적으로 제어 시스템의 구조적 설계를 통해, 제어 구성요소와 제어신호 및 데이터신호의 흐름을 정의한다. 제어신호와 데이터 신호는 로봇의 각 구성요소간의 통신을 통해 전달된다. 각 구성요소는 센싱, 모델링, 경로계획, 실시간 제어부 등으로 구성된다. 복잡하고 대형 시스템 제어의 경우, 각 구성부들은 분산제어 구조로 설계되고, 각 구성부의 연산요소들은 빠른 통신속도를 갖는 통신망에 의해 상호 연결된다.
최근 이러한 복잡한 구조의 공학적 설계를 위해 실시간 제어환경을 위한 AI모듈과 이를 조합 설계하는 적절한 소프트웨어 도구들이 소개되고 있다. 물론 아직까지 이러한 시스템의 구조와 통신에 관련한 종합적 성능평가를 위해 어떤 통일된 기준과 규격도 제시된 바 없다. 일반적으로 개발되는 시스템 구조는 강력한 연산기능을 갖는 워크스테이션, 데이터처리와 제어를 위해 분산구조의 마이크로컴퓨터 시스템 등의 연산 플랫폼으로 이루어진다.
소프웨어 지원 도구 또한 각각 적용 예와 시스템에 따라 다양하게 발전하고 있다. 물론 제어 시스템 구조에 대한 통일된 규격과 기준이 좀더 체계적 연구와 신속한 개발을 위해 필요하다. 이러한 통일된 규격에 의한 지원도구 또한 좀더 효율적인 로봇 시스템 설계를 위해 필수적이다. 예를 들면 시스템의 검증, 설치, 보수관리 등에도 효율적인 설계도구가 필요하다.
일반적으로 고등로봇 시스템은 비전, 접촉센서, 간격, 음성인식 센서 등과 같은 여러 가지 센서들을 포함한다. 또한 각종 제어기, 컴베이어, 비전 프로세스 장치, 각종 제어용 컴퓨터들이 구성요소가 되어 고속의 통신망을 통해 상호 연결된다. 그림 3.4는 이러한 예를 보여준다.
[그림 3.4] 로봇 시스템의 이상적 구조
사실 고등로봇 또는 첨단로봇의 용어의 정의는 시대에 따라 그 적용범위에 따라 달라지지만, 일반적으로 열악한 환경에서 불확실한 정보를 통해 동작하는 능력을 갖춘 로봇으로 정의된다. 따라서 이러한 로봇의 시스템적 설계는 모든 발생 가능성을 고려하여 강건하게 설계되는 것이 중요하고 여러 가지 조건에서도 대응할 수 있는 기능등이 요구된다.
의료건강, 교통운송, 건설, 감시, 농업 그리고 서비스 산업에 이르기까지 고등로봇의 응용분야는 넓혀지고 있다. 지능제어기술의 발달로 인간과 로봇 사이의 벽은 점차 허물어지고 이럴수록 안전공학과 사고예측에 관한 공학적 기술에 대한 관심도 높아질 것이다.
이미 공학적 설계에 있어 모듈구조의 설계방법에 대한 모델이 제시된다. 모듈구조 설계의 장점은 전체적인 설계변경을 하지 않고 부분적 기능의 확장이나 변경이 쉽다는데 있다. 예를 들면, 여러 가지 범위의 구동기, 센서모듈, 그 주변장치들을 추가하거나 변경할 때, 이러한 모듈구조의 설계는 매우 효율적이다. 각각의 모듈들은 설계단계에서 정밀하게 묘사되고, 각 모듈간의 통신과 인터페이스는 규격화된 프로토콜을 통해 구현된다. 따라서 시스템의 종합적 검증, 설치, 그리고 관리면에서 시스템 신뢰도가 높아지게 되는 것이다.
사실 모든 규격이 사용목적에 맞게 미리 만들어질 수는 없다. 따라서 목적에 맞게 적절하고 신뢰성 있는 시스템 모듈 설계방법이 중요하며, 이에 대한 체계적인 연구가 각 적용분야에서 실제적 적용 및 검증을 위해 필요하다.
지난 5년 이래, 고등로봇의 개념은 많은 공학적 응용 예를 통해 점진적 발전이 있어왔다. 비록 아직 응용분야 및 시장환경은 성숙되어 있지 않더라도, 고등로봇에 대한 연구 및 적용기술이 성장할 것으로 기대된다.
핵발전소와 같은 환경이 원격조작 로봇과 같은 기술이 적용되는 대표적인 예이다. 로봇은 환경의 3차원적 인식을 위한 스테레오 시각센서,Bilateral Stewart Platform 구조의 힘 피드백 장치에 의한 역각제어, 경로제어, 실시간 충동회피, 환경의 기하학적 모델링 등의 기술을 핵심으로 한다
이동로봇의 경우 상대적으로 매우 활발한 연구 및 적용이 이루어지고 있는데, 특히 비구조화된 환경에서의 적용이 연구되고 있다. 그림 4.1에서는 이와 같은 안정되고 안전한 방법으로 동작이며, 예측가능한 기계적 특성을 갖는 이동로봇의 한 예를 보여 준다.
[그림 4.1] 원자력발전소의 이동로봇
이러한 로봇의 원격제어에 있어, 작업환경에서의 신뢰성이 매우 중요하며, 이는 컴퓨터 접속기술의 혁신을 의미한다.
의학분야에서도 로봇기술이 상품화되어 사용되고 있는데, 예를 들면 로봇제어에 의한 전립선 수술, 외과적 수술에 있어 단층촬영에서 얻어진 기하학적 모델을 통해 얻어진 정보를 이용한 로봇 척추수술, 재활장애인을 돕는 이동로봇, 가상현실, 힘 피드백 그리고 초소형 머니퓰레이터를 이용한 정밀수술 등이 이에 포함된다. 이러한 의료분야에 대한 로봇적용 기술은 법적인 문제와 안전문제 등이 고려된다.
이동로봇 기술에 대한 연구는 지난 몇 년간 활발하게 진행되어 왔고 많은 실제적인 적용이 이루어지고 있다. 특히 실외환경에서 작동하는 이동로봇 기술에 대한 연구가 활발한데, 이러한 기술을 이용하여 지능형 교통관제 시스템 등에 대한 연구로 확장된다.
현재 자동 운전되는 자동차가 시험단계를 마치고 상품화 연구가 진행 중이다. 제조업분야에서도 지능형 AGV (autonomous guided vehicle: 자율안내 이동로봇)가 CIM (computer-integrated manufacturing: 컴퓨터 통합 생산 시스템)에 적용되고 있으며 위험한 재료를 전달하고 다루는 데 사용된다. 이밖에 이동로봇 기술은 대형 저장탱크 청소 또는 핵발전소에서 벽면을 오르내리며 검사하는 공정에도 응용되고 있다.
완전 자율이동과 센서기능을 갖춘 이동로봇은 대형 산업시설에서 물류자동화, 의약제조 자동화공정에서 의약품의 배달서비스에 사용된다. 자동 청소로봇은 센서로 얻어진 환경모델을 데이터베이스로 하여 자동 주행기능을 갖추고 있으며, 상업성이 높이 평가되고 있다.
우주항공 분야에서 적용은 원격조작 기술과 이동로봇 기술을 연결하여 우주공간에서의 탐사작업에 응용되고 있다. 혁신적인 이동 메커니즘에 대한 연구도 활발한데, 예를 들면 복잡한 곡면이나 굴곡 있는 면을 자유로이 이동할 수 있는 보행로봇의 개발이 그것이다. 이러한 보행로봇은 설계제작과 작동에 있어서 매우 어려운 문제들을 안고 있으니, 점차 기술적 문제가 해결되고 있다. 그림 4.1은 다관절로봇을 갖춘 이동로봇의 예를 보여준다. 이러한 로봇은 핵발전소에서 계단을 오르는 로봇, 농업환경과 같이 굴곡 있는 땅에서 작업하는 이동로봇 등이 포함된다. 이러한 분야의 비구조화된 지형은 새로운 기계구조를 필요로 한다.
광업분야에서도 점차 로봇의 적용이 이루어지고 있는데 원격조작 기술에 적합한 위험한 환경과 비구조화된 지형에서의 작업에 대한 적용성 연구가 활발하다. 유럽에서는 ESPRIT ROAD ROBOT 이란 과제를 통해 도로건설 자동화에 로봇기술을 적용하는 것을 연구하고 있다.이 연구를 통해 기존의 CIM기술과 굴착기나 건설용 장비를 연결하여 실외환경에서의 조립기술을 개발한다.
ESPROT ATHENA 과제에서는 완전 자동화된 30톤 규모의 크레인을 개발하여 원격으로제어하고 실시간 컴퓨터 그래픽스 기술을 이용하여 작동범위 내의 대형 물체를 처리한다.이러한 로봇의 제어구조는 계층구조와 행위기반 구조를 병행하여 채택하고 있으며, 모델기반 주행과 센서융합 (sensor fusion) 기술을 다룬다. 고등로봇이 이러한 분야에 적용되기 시작한 것은 기술적 발달과 이러한 분야에서의 요구가 만나면서 가능하다.
제조업분야에서는 완전 자동화된 공장이 미래 공장의 모델로 예측되며, 현재의 지능형 제조 시스템인 IMS (intelligent manufacturing system) 를 기반으로 하여 연구되고 있다. 이러한 분야의 기술은 단순한 기계가공에서 인간형 이동로봇의 기술까지 모든 자동화 분야의 기술을 필요로 한다. 이러한 공정은 개별생산에서 균형화된 라인에 이르기까지 오류와 불확실성을 다룬다.
현재 기술수준은 용접이나 조립공정에서의 자동화에 로봇을 적용하는 수준이다. 센서는 조작 유연성을 높이고 오동작을 줄이는 데 필요하다. 센서기반 자동화 기술은 식품, 농업과 같이 주로 수작업에 의존했던 분야의 자동화에도 적용이 되고 있다.
예를 들면, ESPRIT ROBOFISH 와 같은 프로그램은 수산 가공공정에 컴퓨터 비전과, 영상처리, 분산제어 시스템 기술 등을 이용하여 자동화하는 연구를 수행하고 있다. 농작물 수확이나 축산업에서의 우유제조 분야서도 센서기반 로봇이 적용되고 있으며, 직물공장에서도 얇은 천의 가공, 핸들링 등에도 이를 다루는 첨단 그리퍼 개발이 연구되고 있다.
지금까지 보여준 예는 아직 연구 중이나 그 실용 가능성이 점차 높아지고 있다. 심야 해저탐사나 관리에도 로봇기술이 적용되고 있다. 고등로봇의 개념은 기능과 분야면에서 점차 확장되고 있으며, 실용화가 많이 되고 있다. 여러 가지 연구 프로그램이 다각적으로 진행되고 있으며 이에 대한 국제 공업규격도 진행되고 있다.
퍼지논리 (fuzzy logic) 는 방안의 온도가 너무 높다, 너무 춥다 아니면 적절하다와 같은 애매모호한 데이터로 가득찬 문제를 다룬다. 이것은 가장 좋은 추측인 대답을 제공하는 다중의 값을 가진 논리를 사용한다. 따라서 좀더 정확하고 가중치를 갖는 답을 제공한다. 퍼지논리는 기존의 2진값의 논리를 대체하여 모호하고 불확실한 데이터를 처리하는 데 적합하여 컴퓨터에 사용되었으며 가전제품에도 사용되었다. 또한 퍼지논리는 여러 범위의 값을 가짐으로써 유연성을 갖는다. 이 용어는 1965년 미국의 컴퓨터 과학자이자 수학자인 L.A Zadeh 교수에 의해 처음 사용되었다.
퍼지논리는 좁은 의미에서 근사추론을 수식화하기 위한 논리 시스템이며 여러 수준의 값을 갖는 확장된 논리이다. 좀더 넓은 의미로는 경계가 애매모호한 분류를 위한 집합이론이다.
퍼지논리는 연산, 수학적 프로그래밍, 확률이론, 의사결정, 자동제어, 신경망이론, 위상수학 등에 적용된다.
퍼지논리와 신경망이론은 지난 10년간 의사결정과 제어분야에 새로운 방법으로서 떠오르게 되었다. 비선형 시스템의 경우 퍼지논리를 사용하여 쉽게 제어될 수 있다. 로봇 시스템의 동적 거동은 과중한 부하를 다룰 때 특히 복잡해진다. 로봇 관절부는 마찰, 변형, 기어부의 백래시 등의 비선형적 특성을 갖는다. 이러한 비선형 효과로 인해, 상태공간을 근거로 설계되는 기존의 현대 제어이론은 더 이상 로봇 시스템에 적절한 제어방법을 제공하지 않는다. 또한 Jacobian 접근방법의 경우,작동점이 특이점 근방에 있는 경우, 특히 여유 자유도를 갖는 로봇의 경우 계산상 복잡한 문제를 야기한다.
[그림 5.1] 원격 머니퓰레이터 시스템의 기구학식과 퍼지논리 제어를 위한 모의실험 신호흐름도 (자료: R. N. Lee et al., IEEE Technology Series, 1994, p.157, Fuzzy Logic Technology and Applications)
Johnson 우주 연구센터는 로봇의 제어에 퍼지논리 제어를 적용하는 가능성을 조사하는 연구를 수행한 바 있다. 예를 들면, 추종제어와 같은 기능은 로봇 팔에 의해 전형적을 수동모드 또는 준 수동모드에서 수행된다. 이 경우 원하는 지점에 로봇 팔을 위치시키기 위해, 역기구학적 해에 의한 방법이 수행된다. 이 연구소에서는 역기구학적 해를 사용하지 않고 퍼지논리 알고리즘만으로 제어하는 방법을 연구하였다. 실제 원하는 위치와 현재위치와의 오차는 퍼지논리의 입력으로 사용되고, 퍼지논리 제어기의 출력은 각 관절부의 움직임 명령이 된다. 6축 로봇의 운동제어 모의실험을 하였으며, 이를 통해 퍼지논리 제어기의 성능을 평가하였다. 그림 5.1은 이러한 퍼지논리 제어기와 기구학적 해를 이용하여 제어되는 원격 머니퓰레이터 시스템 (RMS: remote manipulator system) 의 모의실험 구조를 보여준다.
복잡한 작업을 수행하기 위해, 높은 수준의 기능을 갖춘 로봇을 이용하는 것보다, 좀더 간단한 로봇을 분산방식으로 제어하여 같은 목적을 이루도록 하는 분야가 다개체 지능 시스템의 개념이다. 그룹 속의 각 개체는 필수적으로 자동화된 요소이며 상호 관계는 시공간적으로 통제되지 않는다. 따라서 전체적인 거동특성은 예측할 수 없는 복잡하고 다양한 특성을 갖게 된다. 이러한 기술은 여러 대의 로봇을 협조 제어하는 문제, 예를 들면 무거운 하중을 갖는 물체를 하역하는 작업에 두 대의 로봇을 협조 제어하여 적용하는 문제가 있다. 산업현장에서 물체가 크기, 모양, 무게 등으로 인해, 쉽게 다뤄질 수 없을 때, 여러 대 로봇에 의한 협동작업이 필요하다. 또 다른 적용 예로는 심해에서 작업하는 수중로봇의 경우이다. 해저기지 건설, 청소로봇, 감시 등에서도 이러한 여러 대의 로봇의 분산제어 개념이 필요하다.
이러한 분산 시스템은 하나의 복잡한 개체를 간단한 여러 개의 개체로 대체하여 좀더 강건하고 안정화된 구조를 이룬다. 그 이유는 하나의 로봇의 고장이 전체 시스템에 치명적 영향을 주지 않기 때문이다. 이를 위해, 충분한 수의 개체가 중복적으로 적용 된다. 각각의 개체구조는 반드시 동일할 필요가 없으며 각각이 독립된 기능을 갖고 조합에 의해 각각의 역할을 수행한다.
로봇기능의 단순화는 기존의 제어구조와 다른 개념으로 설계되며, 이에 대한 기초연구가 활발하다.
그림 6.1 은 다개체 시스템의 한 예를 보여주며, 사전지식을 효율적으로 사용하여 로봇을 거동 제어하는 개념도 보여준다. 초소형 로봇을 여러 대 사용하여 집단 지능을 보이는 이러한 분산구조의 로봇제어에 관한 연구는 많은 도전이 되고 있으며, 가까운 미래에 여러 분야에서 활용될 것으로 보인다.
[그림 6.1] 분산제어 로봇의 제어구조
점차 컴퓨터의 가격이 내려가고 사회 각 분야의 요구가 다양해짐에 따라 고등로봇의 필요가 점차 현실화될 것으로 보인다. 기술적 기반은 센서 활용기술, 실시간 제어, 그리고 인공지능 기술이 될 것이다. 이러한 고등로봇들은 여러 가지 응용분야에서 인간이 갖고 있는 숙련된 기술들을 대체하게 될 것이며, 경우에 따라서는 인간이 하기 어려운 분야에까지 적용될 수 있는 것이다. 가까운 미래에 반자동 또는 완전 자동화된 지능을 갖춘 로봇이 출현할 것으로 예견되며, 따라서 복잡한 문제를 해결하는 새로운 수단이 될 것이다. 또한 원격조작 (teleoperation), 원격임재 (telepresence) 기술이 활용될 것이며, 가까운 장래에는 가상현실 (virtual reality) 기술이 응용될 것을 보인다. 이러한 기술들은 많은 기계제품, 가전제품에 적용되어 내장되는 내장형 시스템 (embedded system) 으로 구현될 것이다.
작업자의 능력을 강화하기 위해 인간의 고급명령을 이해하는 능력도 갖추게 될 것이다. 자동적 경로계획, 충돌회피와 같은 지능적 능력도 갖추게 될 것이다. 비이컨 (beacon) 과 같은 센서를 사용하여 자동으로 주차하는 무인주차 시스템도 곧 실용화될 것으로 보인다. 이러한 고등로봇에도 전통적 공학적 개념인 신뢰성, 검증, 안전도, 관리능력 등의 개념이 실용화를 가로막는 요인이 된다. 이러한 문제들은 우주항공산업에서 이미 안전의 중요성이 널리 인정되어 비교적 잘 정립되어 있다. 이러한 개념과 표준은 로봇산업에도 받아들여질 것이며, 안전이 중요시되는 응용분야, 특히 원자력발전소, 제약분야 등에서 활발히 적용될 것이다.
받아들이기 쉽지 않지만, 기계의 도움을 얻어, 의사결정을 하는 인공지능 의사결정 시스템도 곧 다가올 미래기술이 될 것이다. 예를 들면, 혁신적이고 유연구조, 신경망 컴퓨터의 출현은 일찍이 예견된 것이다. 이러한 경향은 공학분야에서 관심을 일으키고, 안전, 법적 문제에서도 야기하게 될 것이다 이제 이 문제는 로봇분야를 떠나 인공지능 기술은 모든 분야로 파급될 것이다.
분명한 것은 반도체 기술의 발달로 공학기술은 더욱더 혁신적 발전을 하여, 다가오는 10년 안에 많은 도전적 문제가 실용화 연구되어 현실로 우리에게 다가오게 될 것이다.
공장이 완전 자동화되면 고용문제, 사회문제와 어떤 영향과 문제가 있을 것인가를 생각해 본다. 해고에 대한 우려로 인해, 자동화 기술이 발전할 때마다 사회적 반발을 불러일으켜 왔다. 그러나 기술적 진보는 더 많은 새로운 고용 창출의 기회를 가져왔다. 따라서 전체적으로 유지하는 수준은 되었을지언정 직업의 수를 감소시켰다는 증거는 찾아볼 수 없다. 예를 들면, 컴퓨터산업의 발달로 컴퓨터 관리직업, 전기시설 관리 등 많은 예를 찾을 수 있다.
따라서 숙련된 기술을 요하지 않고 단지 노동력만을 요구하는 기존의 산업은 점차 퇴조할 것이며, 숙련 노동자, 전문지식을 갖춘 엔지니어가 주류가 되는 산업이 그 자리를 대신할 것이다. 예를 들면, 컴퓨터 프로그래밍, 정보처리, CAD/CAM, 그리고 컴퓨터통합 생산 (CIM) 의 핵심 분야인 고급기술들이 필요로 하게 될 것이다. 작업자 관점에서 보면, 일반 노동자들을 작업용 로봇이 대신하게 될 것이며, CIM기술이 보편화됨에 따라 노동자들은 재훈련되어 보다 능률적인 작업에 투입하게 될 것이다.
무인화 공장이 보편화될 것이며, 따라서 많은 제조산업 환경이 변화를 겪게 될 것이다. 이제 변화는 이제 불가피하며, 선택이 아니라 한 기업이 생존하는 조건이 될 것이다. 앞으로 급변하는 시장에서 경쟁력을 갖추려면 이러한 새로운 기술의 신속한 확보와 대응만이 생존하는 유일한 방책이 될 것이다.
인공지능이란 인간처럼 생각하고 행동하는 데 필요한 지능과 관련되어 특성을 연구하고 시스템을 이루는 과학이다. 이러한 인공지능의 요소들은 다음과 같다.
1. 전문가 시스템
2. 자연어 처리
3. 머신 비전
4. 신경망
5. 기계학습
6. 고등로봇
전문가 시스템이란 복잡한 문제를 푸는 능력을 갖춘 지능적 컴퓨터 프로그램이다. 전문가 시스템은 지식기반 문제를 다루며, 자연어 처리, 로봇기술, 머신 비전, 접촉감지 (tactile sensing) 기술 등을 이용한다.
자연어 처리는 전통적으로 컴퓨터 메모리에 저장된 정보 데이터베이스를 이용하여 자연어를 기계어로 번역한다.
머시 비전은 컴퓨터에 의해 얻어진 영상을 검사, 인식, 부품의 정렬, 로봇제어 등에 사용한다.
신경망은 AI의 최종적인 목표이다. 그러나 컴퓨터와 인간두뇌 사이에 사고 메커니즘의 기본적 차이가 있는 한 이러한 접근은 한계가 있을 것이다.
기계학습은 AI의 한 분야로서 전문가 시스템을 각 분야별로 모듈화하고, 각각의 기능들은 경험으로부터 학습하는 프로그램에 의해 구현된다. 관찰로부터 학습하는 기능의 아이디어는 가설과 실제세상 사이의 추론효과에 의해 꾸준히 연구되어 왔다. 인간은 환경으로부터 감지기능을 통해 인식하기 시작했으며, 적절한 사고와 판단에 따라 행동을 한다.
고등로봇은 이러한 인간의 지적 행동을 흉내낸 로봇이다. 이러한 로봇의 적용은 특히 원자력발전소와 같은 분야, 의학분야, 이동로봇, 자율관제 시스템, 항공우주산업, 유연 공장 자동화, 경제예측 시스템, 광업, 컴퓨터 통합 생산 시스템 등과 같은 많은 분야에서 필요로 할 것이다.
이러한 로봇 시스템은 구조적으로 신호처리와 제어신호의 흐름을 제어하는 많은 구조적 발전을 해왔으며, 하나의 로봇에서 여러 대의 로봇으로 분산되는 분산제어 구조로도 발전을 해왔다.
퍼지논리는 전통적 이진구조의 논리에서 벗어나서, 애매모호하고 불확실한 환경에서 정보를 다루는 데 유용하다. 퍼지논리는 연산, 수학적 프로그램, 확률이론이며, 의사결정, 자동제어, 신경망, 위상수학 등의 이론이다.
유연성을 갖는 지능적 시스템의 향후 발전은 앞으로 다가올 공학적 주제가 될 것이다. 그러나 새로운 기술의 창출은 고용패턴에 새로운 영향을 주게 될 것이며, 미래의 산업구조에 적응하기 위해 새로운 재교육이 필요하다.