로봇을 설계한다는 것: 노동·기계 지능·실용의 사이에서
Week 3 — 로봇설계공학연구실 소개와 연구 여정

강의는 노동(labor)의 의미를 묻는 질문에서 출발합니다. 세탁기는 사람이 하던 노동의 양을 크게 줄여준 기계였고, 이런 "피곤하다"는 감각을 덜어주는 일이 사람의 삶에서 얼마나 중요한지를 보여준 사례입니다. 기계공학을 하는 입장에서 보면, 기계는 인간의 수고를 줄이는 방향으로 발전해 왔다는 것입니다.

반면 로봇(robot)은 컨셉이 다릅니다. 단순히 노동을 줄이는 것이 아니라 노동 자체를 대체·재배치하는 형태이기 때문입니다. 그래서 로봇이 사람의 삶을 더 행복하게 만들지, 아니면 현재의 자본주의 시스템을 통째로 바꿔버려 우리의 삶을 더 불확실하고 힘들게 만들지는 단정하기 어렵습니다. 어떤 방향으로 우리 삶을 디자인(design)해야 하는지를 함께 고민할 필요가 있다는 문제 제기입니다.

실제로 로봇은 전 세계에서 활발히 개발되고 있습니다. 미국은 작업·실환경 적용에 집중하고, 다른 나라들도 이 기술을 활용할 방안을 고민하고 있습니다. 다만 테슬라(Tesla) 같은 기업이 로봇을 양산(mass production)해 실제로 적용하는 것은 또 다른 차원의 문제입니다. 연구실에서 한 대를 만드는 것과 시장에 내놓는 것은 완전히 다릅니다. 예컨대 모터 하나만 봐도 연구실에서는 Maxon 같은 고급 모터를 쓰지만, 양산 제품은 단가를 수백만 원, 나아가 100만 원 수준까지 맞춰야 합니다. 2천만 원에 팔려면 제조 단가를 100만 원에 맞춰야 한다는 식인데, 그것이 과연 가능한 일인지가 핵심 고민거리입니다.

먼저 기술이 노동을 줄여 삶을 바꾼다는 관점에서 출발합니다. 세탁기가 과거의 고된 가사노동을 크게 덜어준 것처럼, 기계는 '피곤하다'는 말로 표현되는 인간의 수고를 줄여 삶에 큰 영향을 줍니다. 그런데 로봇(robot)은 컨셉이 조금 다릅니다. 단순히 노동을 보조하는 것이 아니라 노동 자체를 대체·재배치하는 형태이기 때문에, 과연 이것이 사람을 더 행복하게 할지, 아니면 현재의 자본주의 시스템을 통째로 바꿔 우리 삶을 더 불확실하게 만들지 진지하게 고민해 볼 필요가 있다는 문제의식을 던집니다.

지금 전 세계적으로 휴머노이드(humanoid)를 비롯한 로봇 개발 경쟁이 치열합니다. 미국은 실제 작업·현장 환경에서 바로 쓸 수 있는 실용화에 집중하고, 중국은 이 기술을 양산·산업 적용 쪽으로 확장하려 고민하며, 테슬라(Tesla) 같은 회사가 핵심 플레이어 중 하나로 꼽힙니다. 그런데 교수님이 강조하는 핵심은, 랩(lab)에서의 시연과 실제 양산은 완전히 다른 차원의 문제라는 점입니다.

그 결정적 벽이 바로 단가입니다. 연구실에서는 성능 좋은 맥슨 모터(Maxon motor)처럼 고급 부품을 마음껏 쓰지만, 양산 제품은 가격을 맞춰야 합니다. 예컨대 로봇을 2천만 원에 팔려면, 부품·제조 원가를 대략 100만 원 수준까지 끌어내려야 마진과 사업성이 나옵니다. 모터 하나조차 수백만 원짜리를 쓰면 불가능해지는 것이죠. "랩 시연은 멋있지만, 그 단가를 맞추는 게 과연 가능한 일인가"라는 질문이 이 섹션의 핵심 메시지입니다.

교수님은 본인의 연구실 정체성을 로봇·설계·공학(robotics, design, engineering)을 동시에 다루는 곳으로 소개합니다. 다만 여기서 말하는 '설계'는 단순히 형상을 그리는 작업이 아니라 기구학(kinematics)과 동역학(dynamics)을 포함한 공학적 설계입니다. 본인 이력을 돌아보면 다룬 플랫폼이 무척 많은데, 박사과정에서는 병렬기구(parallel mechanism)를 연구했고, 이후 등반 로봇(climbing robot, 2008~2019)으로 게코 발바닥을 모사해 벽을 타는 로봇을 만들었습니다. 벽을 탈 수 있으면 작업 영역(workspace)이 넓어져 할 수 있는 일이 훨씬 많아지기 때문입니다. 교수가 된 뒤에는 수중 로봇(underwater robot)을 약 10년, 바퀴벌레를 모사한 자연모사(bio-inspired) 로봇, 계단 등반, 그리퍼(gripper), 캐스터(caster) 설계 등 매우 다양한 주제를 다뤘습니다.

현재 연구실은 내부적으로 두 그룹으로 나뉘어 있습니다. 첫 번째 그룹은 모바일 로봇(mobile robot)으로, 트랙 로봇이나 계단 등반 로봇 같은 형태를 다룹니다. 대표 과제는 군사용 시나리오로, 방·턱·계단 같은 인공 구조물이 있는 환경에 소형 로봇 약 30대를 살포해 미션을 수행하는 것입니다. 이때 같은 로봇 30대가 아니라 벽에 붙는 로봇, 점프하는 로봇, 비행 로봇, 지상 주행 로봇 네 종류를 섞어 캐리어(carrier)에서 뿌리는 방식으로, 미션 수행의 가짓수를 크게 늘립니다. 턱을 넘기 위해 트랙을 둘로 나눈 멀티트랙(multi-track) 구조를 기계적으로 잘 설계하면, 별도의 제어나 피드백 제어(feedback control) 없이도 물리적으로 똑똑하게 동작하는 물리적 지능(physical intelligence) 시스템을 만들 수 있다는 것이 핵심 아이디어입니다.

설계에서 교수님이 가장 중시하는 것은 직관(intuition)입니다. 상용 툴(tool)에만 의존하면 직관은 잘 늘지 않으므로, 철을 깎고 배선을 넣어보는 로우 레벨(low-level)에서 시작해야 한다고 강조합니다. 코딩도 마찬가지여서, 접촉(contact)이나 트랙 회전 같은 물리적 구속(physical constraint)을 직접 모델링한 인하우스 코드(in-house code)를 짜며 직관을 키웁니다. 같은 맥락의 후속 연구가 컴플라이언스 설계(compliance design) 로봇으로, 트랙과 몸체 자체를 유연하게 만들어 '구렁이가 담 넘어가듯' 장애물을 부드럽게 넘는 트랙 로봇입니다. 이런 유연 설계는 안정성(stability) 같은 면에서 단점도 있지만 장애물 극복에는 장점이 많다고 봅니다(이 로봇은 Unity 환경에서 시뮬레이션했습니다).

두 번째 그룹은 변형 바퀴(transformable wheel) 연구입니다. 로봇에서 가장 많이 쓰는 모터(motor)는 한 방향 회전에 최적화되어 있어 바퀴(wheel)와 자동차가 효율적인데(전기차가 잘 되는 이유), 가감속을 반복하는 다리형 로봇은 힘을 계속 발산해 발열(heat dissipation)이 성능 저하의 핵심 이슈가 됩니다. 그래서 바퀴로도 굴러가고 장애물도 넘는 스포크(spoke) 형태를 두고, 설계 공간(design space)을 설정해 다양한 해를 탐색한 뒤 실제 로봇으로 만들어 검증합니다. 다만 보여준 영상은 실제 거동이 아닌 애니메이션이며 실제 구현과는 괴리가 있습니다. 어려운 이유는 접촉 양상이 바뀌기 때문입니다. 일반 다리 로봇은 점 접촉(point contact)을, 바퀴는 롤링 접촉(rolling contact)을 반복하는데, 변형 바퀴는 롤링 접촉 → 점 접촉 → 두 점이 동시에 닿는 더블 점 접촉(double point contact)으로 동역학이 계속 바뀝니다. 제어 관점에서 이는 스위치드 시스템(switched system), 즉 하이브리드 시스템 제어(hybrid system control) 문제로, 안정성 보장이 쉽지 않은 까다로운 컨트롤러 설계입니다.

이 섹션에서는 교수님이 걸어온 다양한 연구 플랫폼을 소개합니다. 첫 번째 갈래는 모바일 로봇(mobile robot)으로, 트랙 로봇·계단 등반 로봇·바퀴(휠) 형태로 굴러가는 로봇 등이 있습니다. 현재 진행 중인 과제는 적진 같은 인공 구조물 환경(턱·계단 등)에서 작전을 수행하는 소형 로봇(소대 단위)인데, 흥미로운 점은 30대를 동일 기종으로 보내는 대신 네 종류로 구성한다는 것입니다. 벽에 붙는 로봇, 점프하는 로봇, 날아가는 로봇, 땅을 가는 로봇으로 나누면 수행 가능한 미션의 조합이 무궁무진해집니다. 모선(캐리어)이 이들을 싣고 가 적절한 지점에 뿌리는(deploy) 개념이며, 턱을 넘기 위해 트랙을 둘로 나눈 멀티 트랙(multi-track) 사이를 기구학적으로 잘 설계하는 접근을 택했습니다.

핵심 철학은 별도의 제어나 피드백 없이도 물리적으로 똑똑한 시스템(physically intelligent system), 즉 기계적 지능(mechanical intelligence)을 기구 설계 자체에 심자는 것입니다. 교수님은 학생들에게 설계 직관(intuition)을 기르려면 상용 툴에 의존하지 말고 로우 레벨(low level)부터 시작하라고 강조합니다. 접촉·구속조건(constraint)·트랙 회전까지 직접 모델링한 시뮬레이션 코드를 한 줄씩 짜 보는 과정에서 직관이 길러진다는 것입니다. 이런 맥락에서 트랙과 몸체에 유연성(compliance, 컴플라이언스)을 넣어 구렁이가 담 넘듯 꿈틀거리며 장애물·볼더를 넘는 로봇(스쿼트에서 착안)도 만들었는데, 컴플라이언스 설계는 장애물 극복엔 강하지만 페이로드(payload) 같은 면에선 불리한 트레이드오프가 있고 물리 모델링 자체가 까다로워 유니티(Unity) 환경에서 시뮬레이션했습니다.

두 번째 갈래는 변형 바퀴(transformable wheel) 연구입니다. 로봇이 가장 많이 쓰는 모터(motor)는 본래 한 방향 회전에 맞춰 설계되어 휠·자동차에 유리하지만, 가감속을 반복하면 힘을 발산하며 발열이 핫 이슈가 됩니다. 그래서 평지에선 휠처럼 굴러가다 장애물 앞에선 스포크(spoke)가 펴지는 디자인을 두고, 디자인 스페이스(design space)를 탐색해 다양한 해를 찾고 실제 로봇으로 검증했습니다. 다만 변형 시 접촉 양상이 롤링 컨택(rolling contact)에서 포인트 컨택(point contact), 나아가 두 점이 동시에 닿는 더블 포인트 컨택으로 바뀌며 동역학(dynamics)이 달라집니다. 제어 관점에서 이는 스위치드 시스템(switched system)·하이브리드 시스템(hybrid system) 제어로, 안정성(stability) 보장이 쉽지 않습니다. 초기에는 백스테핑(backstepping) 비선형 제어를 썼으나 입력 구속(input constraint)이 없어 입력이 튀는 문제가 있었고, 이후 MPC와 강화학습(reinforcement learning)으로 보완해 잘 올라가는 결과를 얻었습니다.

마지막으로 제어 위주 연구가 이론적으로 재미있긴 하나, 교수님 연구실은 실제로 쓸 수 있는 것(deployable)을 지향한다고 밝힙니다. 그 예로 CES 전시 출품 기회에 맞춰 만든 계단 등반 배달 로봇이 있는데, 4절 링크(four-bar linkage)로 스포크(홈)가 계단에 걸쳐지며 안정적으로 올라가 물건을 배달하는, 단순하지만 잘 작동하는 설계를 선보였습니다.

이 섹션은 군집 임무용 트랙 로봇과, 별도의 제어 없이도 기계 구조만으로 장애물을 넘는 기계 지능(mechanical intelligence) 설계를 다룹니다. 첫 사례는 '스쿼트(Squirt)'라 부르는 트랙형 로봇으로, 트랙과 바디를 모두 유연하게 만들어 구렁이가 둔턱을 넘듯 꾸물거리며 기어 넘어가도록 설계했습니다. 이런 컴플라이언스 설계(compliance design)는 당연히 장단점이 있어 — 예컨대 페이로드(payload)에는 마이너스가 될 수 있지만 — 장애물 극복에는 장점이 크다고 보고 있습니다. 다만 물리적 모델링이 쉽지 않아 이 단계에서는 유니티(Unity) 환경에서 자체 코드를 만들어 시뮬레이션으로 거동을 확인했고, 바위(boulder)처럼 트랙 로봇이 넘기 어려운 장애물도 출렁이며 넘어가는 모습을 보였습니다.

두 번째 사례는 변형 바퀴(transformable wheel)입니다. 출발점은 "로봇 요소가 왜 이렇게 설계됐는가"라는 질문인데, 로봇이 가장 많이 쓰는 모터(motor)의 최대 이슈는 발열(heat dissipation)입니다. 가감속을 반복하며 힘이 계속 발산되기 때문인데, 모터는 본래 한 방향 회전에 맞게 설계되어 있어 휠(wheel)·자동차·전기차가 효율적인 이유가 됩니다. 그래서 평소엔 휠로 굴러가다 필요할 때 스포크(spoke)로 펼쳐져 장애물을 넘는 디자인을 디자인 스페이스(design space) 탐색으로 다양한 해를 찾고 실제 로봇으로 만들어 테스트했습니다. 단, 보여드린 영상 중 시뮬레이션처럼 보인 것은 애니메이션이고 실제 거동과는 괴리가 있으며, 물리 구현은 진행 중입니다.

변형 바퀴가 어려운 핵심은 접촉 방식(contact mode)이 계속 바뀐다는 점입니다. 다리형 로봇은 점 접촉(point contact), 휠은 롤링 접촉(rolling contact)을 하는데, 스포크로 변형되면 롤링 → 단일 점 접촉 → 이중 점 접촉(double point contact)으로 다이내믹스가 전환됩니다. 제어 관점에선 이를 스위치드 시스템(switched system) / 하이브리드 시스템 제어(hybrid system control)라 부르며 안정성(stability) 보장이 까다롭습니다. 연구실에서는 처음 백스테핑 제어기(backstepping controller)로 접근했으나 입력 제약(input constraint)이 안 들어가 입력이 크게 튀는 문제가 있었고, 이를 보완해 최근에는 MPC(Model Predictive Control)와 강화학습(graphics 기반 학습)으로도 시도하고 있습니다. 학습 기반은 시뮬레이션에서 계단을 잘 오르지만, 심-투-리얼(sim-to-real) 격차 등 한계도 있어 장단점을 함께 보며 실험을 이어가고 있습니다.

스포크(spoke)로 변형하는 휠은 단순한 롤링 컨택(rolling contact)만 하는 것이 아니라, 어느 순간엔 한 점만 닿는 포인트 컨택(point contact), 또 어느 순간엔 두 점이 동시에 닿는 더블 포인트 컨택(double point contact)이 번갈아 일어납니다. 접촉 양상이 바뀌면 시스템의 다이내믹스(dynamics) 자체가 달라지는데, 제어 관점에서 이런 경우를 스위치드 시스템(switched system) 혹은 하이브리드 시스템 제어(hybrid system control)라고 부릅니다. 이런 컨트롤러는 안정성(stability) 보장이 결코 쉽지 않습니다.

연구실에서는 처음에 백스테핑 컨트롤러(backstepping controller)로 접근해 비선형 기법을 적용하고 시뮬레이션 환경에서 구현했습니다. 백스테핑 자체는 좋지만, 실제 구현 시 입력 제약(input constraint)이 들어가지 않아 입력이 크게 튀는 한계가 있었습니다. 그래서 이를 보완하기 위해 MPC(Model Predictive Control)를 이용하거나, 그래픽 기반의 강화학습(reinforcement learning)으로 학습을 반복해 계단을 잘 오르도록 하는 방향으로 연구를 이어가고 있습니다. 다만 학습 기반 방법도 장단점이 있어 심-투-리얼(sim-to-real) 격차 등 실제 구현의 한계가 존재합니다.

이어서 연구실의 교육 철학이 드러납니다. 어렵다는 것은 두 측면이 있는데, 하나는 실제로 구현이 어렵다는 것이고, 다른 하나는 그만큼 연구할 거리가 많다는 것입니다. 후자로 보면 좋은 연구 아이템이라는 뜻이죠. 연료전지(fuel cell)를 하던 어느 교수님이 "정년퇴직 때까지 안 끝날 것 같아서 한다"고 답한 일화처럼, 어려운 주제는 오래 연구할 거리가 보장된다는 관점도 가능합니다. 다만 이 연구실은 학술적 깊이뿐 아니라 실제로 쓸 수 있는 것(deployable)을 지향하기에, 단순하더라도 실용적인 결과를 목표로 삼습니다.

연구실의 지향점은 "단순하더라도 실제로 쓸 수 있는 것"입니다. 그 맥락에서 만든 것이 계단 등반 배송 로봇(stair-climbing last-mile delivery robot)인데, 핵심 메커니즘은 매우 단순합니다. 4절 링크(four-bar linkage)로 스포크의 홈(groove)을 인앤아웃(in-and-out)시켜 계단 모서리에 걸치게 하고, 그 걸침을 이용해 한 칸씩 안정적으로 올라가며 짐을 배송합니다. 바닥에는 휠이 두 개 달려 있어 평지에서의 회전·방향 전환이 가능하므로(나선형 계단 대응 포함) 방향 전환 자체는 문제가 되지 않습니다.

이 방식의 진짜 약점은 계단 치수 의존성(stair-size dependency)입니다. 4절 링크의 행정(stroke)이 특정 계단 규격에 맞춰 설계되므로, A 아파트(설계 대상)에서는 잘 동작해도 규격이 다른 B 아파트에서는 못 쓰게 됩니다. 이를 풀기 위해 나온 발상이 "S(soft)를 붙이자", 즉 스포크를 유연 재질(flexible/soft material)로 만들어 다양한 계단에 적응시키는 것입니다. 하지만 말랑하게 만드는 일도 쉽지 않은데, 계단 형상에 대한 적응성(adaptation)과 접지력(traction)은 확보하면서도 미끄러짐(릴리즈, release)은 막아야 하는 상충 조건을 동시에 만족해야 하기 때문입니다. 실제 계단은 보통 한 트랙당 8~12칸 정도로 유한하므로 그 범위에 맞춰 스포크 간격을 조절했고, 그 결과 여러 규격의 계단을 오를 수 있게 되었습니다. 다만 소프트 재질 특성상 딱딱한 스포크보다는 등반이 다소 불안정해지는 트레이드오프(trade-off)가 있습니다.

두 번째 갈래는 모듈러 로봇(modular robot)과 트러스(truss) 구조입니다. 미국 협업 과제로 진행한 트러스 로봇은 하중을 받는 구조체 역할을 하면서 리컨피규레이션(reconfiguration)으로 형상·기능을 바꿉니다. 모듈러 로봇의 가장 큰 동기는 우주 환경인데, 똑같은 모듈을 여러 개 만들어 레고처럼 조합해 쓰므로 여유도(redundancy)가 생깁니다. 예컨대 현장에서 바퀴 하나가 없어도 다른 모듈을 재조합해 빠르게 대응할 수 있어, "실제로 된다"는 입증보다 이런 선도적 개념(concept) 제시에 의미를 둡니다. 현재 한양대 기계공학 사업의 하나로 추진 중이며, 학생들을 스위스 등 해외 연구실에 6개월~1년 파견하는 협력도 병행하고 있습니다.

이 부분은 먼저 미국에서 진행했던 트러스(truss) 모듈러 로봇 과제 이야기로 시작합니다. 미국의 연구 문화는 "이걸 어디에 쓸 것이냐"는 실용성(practicality)보다 "재밌어 보이는가"를 중시하는 경향이 있어서, 외부 충격(블로)을 받아내고 형상을 스스로 바꾸는 재구성(reconfiguration)이 가능하며, 트러스 특유의 구조체로서 무언가를 받치기도 하는 로봇 아이디어가 비교적 쉽게 펀딩으로 이어졌다고 소개합니다. 이런 캐릭터의 연구는 앞서 본 사례들과는 결이 조금 다른 더 도전적인 시도라는 점을 강조합니다.

이어서 모듈러 로봇(modular robot)의 가장 큰 활용 스토리로 우주(space) 환경을 듭니다. 우주에서 모바일 로봇의 바퀴 하나가 빠지면 대체가 불가능하지만, 똑같은 모듈 여러 개를 만들어 레고처럼 조합해 쓰는 모듈러 방식은 리던던시(redundancy)가 있어 고장에 빠르게 대응할 수 있습니다. 한양대 기계공학부 사업의 일환으로 진행 중이며, 학생들을 스위스 등 해외 연구실로 6개월~1년 파견해 실제 연구 경험을 쌓게 한다는 점도 함께 소개합니다. (중간에는 연구실 유튜브 채널 구독 권유 등 가벼운 환기성 이야기가 섞여 있습니다.)

두 번째 그룹은 서비스 로봇(service robot) 그룹으로, 대표 연구가 외벽청소 로봇입니다. 처음에는 기존 기술을 잘 조합해 곤돌라(gondola)에 로봇 매니퓰레이터와 청소 모듈을 설치하고, 곤돌라가 내려가며 대면적을 쓸어내리듯 청소하는 방식을 택했습니다. 셋업된 환경에서는 성능이 괜찮지만 곤돌라가 반드시 있어야 한다는 제약이 있고, 논문보다는 문제점 파악에 초점을 둔 기초 연구였습니다.

그 다음 단계로 곤돌라가 없을 때를 위해, 옥상에 윈치(winch)를 설치하고 줄에 매달려 이동하는 컨셉으로 넘어갑니다. 사람은 줄만 매달아 왔다 갔다 하지만, 옥상까지 엘리베이터가 닿지 않아 무거운 장비를 끌고 올라가 설치·해체하는 일이 가장 어렵습니다. 또한 줄을 잡고 달리면 줄에서 미끄러짐(slip)이 생기고, 위쪽은 하이텐션·아래 자유단(free end)은 텐션 0이 되는 텐션 그래디언트(tension gradient) 때문에 모델링이 까다로워 기존에 이런 컨셉의 로봇이 없었습니다. 그래서 줄·윈치 모델링, 위치 추정(position estimation), 청소 완료 여부를 판별하는 인식 기술이 핵심이 되며, 인식 부분은 이성훈 교수님과 협업해 진행했다고 마무리합니다.

본격적인 연구 소개에 앞서 교수님은 연구실 유튜브 채널을 잠깐 홍보합니다. 앞서 보여준 영상들과 강성(stiff) 메커니즘 영상이 모두 올라와 있으니 관심 있으면 구독·좋아요를 눌러달라는 가벼운 농담이 이어집니다. 유튜브 수익화에는 세 가지 — 영상 개수, 구독자 수, 총 시청 시간(약 3000시간) — 이 필요한데, 시청 시간 조건이 까다로우니 "연구할 때 영상을 틀어두면 좋겠다"는 식의 농담을 던집니다.

두 번째 그룹은 서비스 로봇(service robot) 그룹으로, 모바일 그룹과 일부 겹치지만 별도로 구분한 이유는 다른 케이스가 있기 때문입니다. 대표 사례가 외벽청소 로봇(facade cleaning robot)인데, 실제로 해보니 위험할 뿐 아니라 사계절 내내 작업해야 하는 매우 열악한 환경이라는 점을 강조합니다. 첫 접근은 단순했습니다. 기존에 쓰이는 곤돌라(gondola)에 로봇 매니퓰레이터(manipulator)와 청소 모드를 장착해, 곤돌라가 아래로 내려가는 동안 위에서 아래로 한 번에 쓸어내리는 방식입니다. 화약대 건물과 변수구 건물에서 테스트했고 셋업된 환경 안에서는 성능이 괜찮았지만, 곤돌라가 없으면 동작할 수 없다는 근본적 제약이 있었습니다. 이 단계는 논문 양산보다는 "이 문제에 어떤 난점이 있는가"를 파악하기 위한 기초 연구였습니다.

다음 질문은 "곤돌라가 없으면 어떻게 하느냐"였습니다. 사람 작업자처럼 옥상에 윈치(winch)를 설치하고 줄에 매달려 오르내리는 방식이 있는데, 현장을 보니 가장 큰 문제는 무거운 장비를 들고 옥상까지 올라가는 일 자체였습니다(엘리베이터는 보통 최상층까지만 가고 옥상은 따로 올라가야 함). 그래서 줄을 매달기만 하면 되는 컨셉으로 방향을 잡았는데, 이런 로봇이 그동안 없었던 이유가 두 가지였습니다. 하나는 윈치가 더 편하다는 인식, 다른 하나는 줄에서 미끄러짐이 발생하고 위쪽은 고장력(high tension), 아래 자유단(free end)은 텐션이 0이 되는 텐션 그래디언트(tension gradient) 때문에 텐션 추정이 매우 어렵다는 점입니다. 그래도 연구실 입장에서는 어려운 문제가 곧 재미있는 문제이자 논문거리이므로 실제로 로봇을 만들어 테스트했습니다.

이 로봇은 줄에 매달려 등반기(climbing mechanism)가 내장돼 있어 숙련된 대학원생 기준 약 3~4분 만에 설치하고 5분 정도면 청소를 수행합니다. 윈치 방식이라면 설치에만 하루가 걸릴 수 있다는 점과 비교하면 설치 시간 단축이 큰 장점입니다. 핵심 기술로는 줄·윈치 모델링, 포지션 추정(position estimation), 그리고 청소가 됐는지 판별하는 청소 인식(cleaning recognition) 기술이 중요했고, 인식 부분은 이성훈 교수님과 협업해 진행했습니다.

과제가 끝난 뒤에는 최근 발전한 다족형 로봇(legged robot) 기술을 결합해, 봉(rod) 형태나 곡면 건물(목표는 고척돔)까지 청소 범위를 넓히는 시도를 했습니다. 다만 천재지변급으로 빠르게 움직이는 개념은 아니고, 로봇 본체는 등반기로 줄을 따라 커버리지를 확보하고 다족형 다리는 바닥의 장애물이나 곡면을 어댑테이션(adaptation) 하는 역할입니다. 원래 고척돔에서 실험하려 했으나 관공서 특유의 어려움 — 담당 공무원이 로테이션으로 자주 바뀌어 설득을 매번 다시 해야 하는 문제 — 때문에 결국 고척돔 앞 도로에서 실험을 진행했습니다. 이후에는 룰 베이스(rule-based) 제어가 너무 어려워, 최근 많이 쓰는 액터-크리틱(actor-critic) 구조를 도입했습니다. 완전히 새로운 구조라기보다 등반 성분 특유의 특성 — 로프 장력 측정, 줄에 매달려 달라지는 안정성(stability) 마진을 제약(constraint)으로 넣어 학습 — 을 반영했고, 가장 어려운 자세(posture) 문제를 스윙으로 해결해 영상을 개선했습니다. 그럼에도 거의 불가능에 가까운 미션이며, 해결할 문제가 여전히 많이 남아 있다는 점을 솔직히 인정합니다.

이 구간은 연구실에서 진행했던 건물 외벽 청소 로봇(building cleaning robot) 연구들을 영상과 함께 가볍게 소개하는 휴식성 막간입니다. 초기에는 곤돌라 위에 로봇을 올려 청소하는 방식을 시도했는데, 셋업된 환경에서는 성능이 괜찮았지만 곤돌라(gondola)가 반드시 있어야만 작동한다는 제약이 컸습니다. 이는 기초 연구 성격이라 논문 양산보다는 "실제로 해보면 어떤 문제가 생기는가"를 파악하는 데 목적이 있었다고 설명합니다.

다음 단계로 곤돌라 없이 옥상에 윈치(winch)를 설치하고 줄에 매달려 왔다 갔다 청소하는 컨셉을 시도합니다. 그런데 현장을 보니 가장 어려운 점은 엘리베이터가 옥상까지 가지 않아 무거운 장비를 끌고 올라가 설치·해체하는 일이었습니다. 그래서 사람처럼 줄을 잡고 오르내리는 등반(climbing) 컨셉으로 방향을 틀었는데, 이런 로봇이 없었던 이유가 줄의 모델링이 까다롭기 때문이었습니다. 위에서 매달면 줄이 스프링처럼 모델링되지만, 줄을 잡고 오르면 미끄러짐이 생기고 위쪽은 하이텐션, 아래 프리엔드(free end)는 텐션이 0이 되는 텐션 그래디언트(tension gradient)가 발생해 추정이 쉽지 않습니다. 그럼에도 재미있고 논문도 될 만하다고 보아 실제 로봇을 제작·테스트했고, 숙련된 대학원생 기준 설치 3~4분·청소 5분으로, 윈치 방식이 설치에만 하루가 걸리던 것에 비해 큰 장점이 있었습니다. 핵심 기술로 줄·윈치 모델링, 포지션 추정(position estimation), 그리고 청소 완료 여부 판단(이성훈 교수님과 협업한 인식·비전 기술)을 꼽습니다.

이후 족보형(사족 보행) 로봇(quadruped robot) 기술이 성숙해지자 이를 적용해 봉형(고척돔 같은) 건물의 장애물도 넘으며 청소하는 시도를 합니다. 다만 빠르게 움직이는 개념은 아니고, 줄에서는 등강기로 확보하고 보행부가 바닥의 장애물·곡면을 적응(adaptation)하는 형태입니다. 고척돔 실험은 관공서 담당 공무원이 로테이션으로 계속 바뀌어 매번 설득을 반복해야 하는 행정 문제로 무산되어, 건물 앞 도로에서 진행했습니다. 룰 베이스 제어가 너무 어려워 최근 많이 쓰는 액터-크리틱(actor-critic) 구조의 학습으로 전환했고, 로프의 장력 측정·매달림으로 달라지는 안정성 마진(stability margin)을 제약(constraint)으로 넣어 학습시켰습니다. 가장 어려운 대상은 포스트잇 같은 얇은 물체였다고 합니다.

마무리로, 이런 미션은 사실상 거의 불가능에 가깝다는 점을 솔직히 인정하며, 학생들에게 랩 연구라도 반드시 현장을 가보고 실제로 쓸 수 있는지 고민하라고 당부합니다. 식판 청소 과제를 예로 들며 그리퍼 디자인, 밀고 긁는 비파지 조작(non-prehensile manipulation), 스태킹·효율 같은 로지스틱스(logistics) 문제, 젓가락·휴지처럼 인식이 안 되는 대상 문제를 짚습니다. 최근에는 판을 접는 요리감(origami) 구조에도 관심이 생겼다고 덧붙입니다. 끝으로 성과의 99.5%는 학생들 몫이며 좋은 아이디어는 혼자보다 집단적 토론(discussion)에서 나온다는 점을 강조합니다. 이어진 Q&A에서는, 메커니즘은 눈에 보여 모방이 쉬우므로 특허로 보호한다는 점, 그리고 3D 프린트용 설계와 실제 가공용 설계를 어떻게 다루는지에 대한 질문이 오갑니다.

외벽청소 로봇 연구는 고층 건물 외벽을 자동으로 청소하는 시스템에서 출발합니다. 초기 방식은 청소 작업 자체보다 위치 결정·설치(positioning)에 시간이 더 걸려, 설치만으로 하루가 소요되는 비효율이 문제였습니다. 설치 후에는 로봇이 외벽을 이동하며 청소하는데, 이를 위해 줄의 거동을 다루는 줄(로프) 모델링, 위치 모델링, 그리고 위치 추정(position estimation) 기술이 필수입니다. 여기에 더해 "청소가 실제로 되었는지" 판정하는 미션·상태 인식(mission recognition) 기술이 핵심 과제로, 이성훈 교수님과 협업해 어떤 방식으로 인식할지를 고민하며 진행했습니다.

이 과제가 끝난 뒤 족보형(legged) 로봇 기술이 크게 발전하면서, 줄에 매달린 본체에 다리형 로봇을 결합하는 새로운 구성을 시도했습니다. 목표 건물은 고척돔(돔 형태의 봉형 건물)이었고, 곡면·장애물이 있는 외벽도 청소할 수 있으리라 가정했습니다. 여기서 역할 분담은 명확합니다. 본체는 줄을 따라 이동하며 영역을 훑는 커버링(covering)을 담당하고, 족보형 다리는 외벽 표면의 장애물이나 굴곡 형태에 적응(adaptation)하며 넘어가는 일을 맡습니다. 빠르게 도약하는 동물형 보행과는 다른, 줄에 매달린 제약 아래의 느린 적응 동작입니다. 다만 고척돔은 관공서(공공기관) 협조가 매우 어려웠습니다. 담당 공무원이 순환보직으로 자주 바뀌어 설득을 처음부터 반복해야 했고, 결국 건물 안이 아니라 앞 도로에서 장애물을 펼쳐 놓고 실험을 진행했습니다.

제어 측면에서는 처음에 룰 베이스(rule-based) 제어로 접근했으나 난도가 너무 높아, 최근 널리 쓰이는 액터-크리틱(actor-critic) 구조의 학습 기반 제어로 전환했습니다. 단, 일반적인 구조를 그대로 쓴 것이 아니라 등반 로봇 특유의 특성을 반영했습니다. 즉 로프의 장력(rope tension)을 측정하고, 줄에 매달린 탓에 일반 보행과 다른 안정성(stability) 여유(margin)를 제약 조건(constraint)으로 넣어 학습시켰습니다. 가장 까다로운 대상은 표면에 붙은 포스트잇 같은 물체로, 이를 스윙 동작으로 떼어내며 영상을 업그레이드해 마무리했습니다. 교수님은 이 미션이 사실상 거의 불가능에 가깝다고 솔직히 인정하며, 연구는 반드시 현장을 직접 확인하고 실제 활용 가능성을 따져봐야 한다고 강조합니다.

식탁 정리 그리퍼(gripper) 연구는 솔직히 거의 불가능에 가까운 미션이었습니다. 처음 만든 영상조차 발표자 본인도 어딘가 이상하다고 느꼈고, 결국 리뷰어(reviewer)가 정확히 그 지점을 지적해 준 덕분에 다시 업그레이드해 최종 영상을 완성할 수 있었습니다. 여기서 얻은 첫 번째 교훈은 분명합니다. 랩에서 연구할 때는 항상 현장(field)을 직접 가보고 "이게 정말 쓸 수 있는 기술인가"를 끊임없이 자문해야 한다는 점입니다. 발표자도 이 과제를 하는 내내 식사 때마다 "다 먹고 이걸 어떻게 치워? 말이 안 되는데?"라는 짜증 섞인 의문이 들었고, 그 절박함이 오히려 연구의 출발점이 되었습니다.

해결해야 할 문제는 산더미입니다. 문제를 다룰 수 있는 크기로 제한(constraint)을 둔 뒤에야 그리퍼 디자인, 밀고 긁는 비파지 조작(non-prehensile manipulation), 어떻게 쌓을지(stacking), 효율적인 동선은 무엇인지 같은 물류·동선 문제(logistics)를 다룰 수 있었습니다. 그래도 인식이 안 되는 대상은 여전히 남습니다. 젓가락, 휴지처럼 가느다란 물체를 하나하나 문질러 탐지(detect)하기 어려워, 결국 마지막에는 가루 같은 것을 한꺼번에 쓸어 담는 방식으로 처리하기도 했습니다. 최근에는 판 구조(plate/folded structure)에도 관심이 생겼는데, 판을 접으면 강성(stiffness)이 잘 늘지 않고, 겹치지 않고 펴서 만들면 점처럼 단단한 구조체를 얻을 수 있다는 직관을 소개했습니다.

연구실 차원에서는 다양한 방식의 모바일 매니퓰레이션(mobile manipulation) 연구를 이어갈 계획이며, 관심 있는 학생들과 협업 기회도 열려 있다고 했습니다. 마지막으로 강조한 것은 집단지성입니다. "내가 기여한 건 0.1%이고 나머지 99.5%는 학생들이 다 했다"며, 좋은 아이디어는 혼자 생각해서가 아니라 여럿이 토론(discussion)하며 나온다고 했습니다. 혼자서는 잘 안 나오던 아이디어도 둘이 토론하면 1+1이 2가 될 수도, 3이 될 수도 있다는 것입니다.