KAIST 사족로봇 '라이보', 고양이 처럼 뛰고 달린다…재난 현장·산악수색 활용 기대
KAIST는 기계공학과 황보제민 교수 연구팀이 벽, 계단, 징검다리 등 불연속적이고 복잡한 지형에서도 고양이 처럼 뛰어다닐 수 있는 사족 보행 로봇 내비게이션 프레임워크를 개발했다고 3일 밝혔다. 연구팀이 이 기술을 자체 개발한 사족보행 로봇 '라이보(Raibo)'에 적용, 시험한 결과 수평으로 달리다 수직 벽을 찍고 다시 수평 달리기로 손쉽게 전환하는 등 고양이 처럼 민첩한 움직임과 균형감을 나타냈다. 뜀폭은 1.3m 정도다. 징검다리 위를 시속 약 14.4Km로 질주하고, 30°경사·계단·징검다리가 혼합된 지형에서도 재빠르게 움직인다. 황보제민 교수는 "머지않아 라이보는 재난 현장 탐색이나 산악 수색 등 실질적인 임무 수행에 본격적으로 투입될 것"으로 기대했다. 개발 과정이 쉽지는 않았다. 우선 연구팀은 발 디딤 위치(foothold)를 계획하는 플래너(planner)와 계획된 발 디딤 위치를 정확히 따라가는 트래커(tracker)로 나눠 기술 개발을 추진했다. 플래너 모듈은 신경망 기반 휴리스틱을 활용한 샘플링 기반 최적화 방식을 통해 물리적으로 가능한 발 디딤 위치를 빠르게 탐색하고, 시뮬레이션 롤아웃을 통해 최적 경로를 검증하도록 설계했다. 기존 방식들이 발 디딤 위치 외에도 접촉 시점, 로봇 자세 등 다양한 요소를 함께 고려한 반면, 황보 교수 연구팀은 발 디딤 위치만을 탐색 공간으로 설정함으로써 계산 복잡도를 크게 낮췄다. 또한 고양이의 보행 방식에서 착안, 뒷발이 앞발이 밟았던 곳을 디디는 구조를 도입해 계산 복잡도를 다시 한번 크게 낮췄다. 트래커 모듈은 계획된 위치에 정확히 발을 디딜 수 있도록 학습되며, 트래킹 학습은 적절한 난이도의 환경에서 경쟁적으로 이루어진 생성 모델을 통해 진행하도록 했다. 트래커는 로봇이 계획된 위치에 정확하게 발을 디딜 수 있도록 강화학습을 통해 학습되며, 이 과정에서 '맵 생성기(map generator)'라는 생성 모델이 목표 분포를 제공한다. 이 생성 모델과 트래커는 동시에 경쟁적으로 학습돼, 트래커가 점진적으로 어려운 난이도에 적응하도록 했다. 이후 학습된 트래커의 특성과 성능을 반영할 수 있도록, 트래커가 실행 가능한 디딤 위치 계획을 생성하는 샘플링 기반 플래너를 설계했다. 황보제민 교수는 "이 계층적 구조는 기존 기법 대비 계획 속도와 안정도 모두에서 우수한 성능을 보였다"며 "실험을 통해 다양한 장애물과 불연속 지형에서의 고속 보행 능력과 처음 보는 지형에 대해서도 범용적으로 적용 가능함을 입증했다"고 설명했다. 황보 교수는 "기존에 상당히 큰 계산량을 요구하던 불연속 지형에서의 고속 네비게이션 문제를 오직 발자국의 위치를 어떻게 선정하는가의 간단한 관점으로 풀어낸 점이 대단한 생각의 전환이라고 본다"고 덧붙였다. 연구 성과는 국제 학술지 사이언스 로보틱스(Science Robotics) 2025년 5월호에 게재됐다. 연구는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
